Écrire un prompt IA pour analyser et classer des données

Pour rédiger un prompt IA destiné à l’analyse ou à la classification de données, définissez la décision à prendre, indiquez des critères explicites, séparez chaque source de données et précisez les colonnes de sortie. Ajoutez une règle pour les informations manquantes ou contradictoires afin que le modèle puisse renvoyer Inconnu au lieu de répondre au hasard.

Dans ce guide, je prends l’exemple de la classification d’entreprises : à partir d’une description d’entreprise et du texte extrait de son site web, le modèle doit déterminer si elle vend des services RH à d’autres entreprises, puis justifier brièvement sa réponse. Vous obtenez ainsi un résultat filtrable et une raison que vous pouvez vérifier dans les données sources.

Pour tester vos descriptions d’entreprises, le fichier historique French Tech Next40/120 au format CSV contient des noms, des sites web et des descriptions. Associez sa colonne Description à {{company_about}} et laissez {{Website Texts}} vide, sauf si vous récupérez séparément le texte des pages web.

Plus votre prompt est clair, plus les résultats sont faciles à vérifier. Testez les cas où les preuves manquent ainsi que les classifications incorrectes. Commencez par des lignes représentatives avant de lancer le traitement sur tout votre dataset.

Voici les sujets abordés dans ce guide :

1. Qu’est-ce qu’un prompt ?
2. Exemples de prompts
3. À qui s’adresse ce guide ?
4. Pourquoi un bon prompt est essentiel
5. À quoi ressemble un mauvais prompt ?
6. Structure du prompt et étapes de mise en œuvre

Qu’est-ce qu’un prompt ?

Réponse simple : un prompt est l’instruction que vous donnez à une IA pour obtenir un résultat précis.

Ne vous laissez pas dérouter par les articles qui consacrent de longs paragraphes à la question « qu’est-ce qu’un prompt ? ». En réalité, un prompt n’est pas compliqué à définir.

La difficulté consiste à rédiger un bon prompt. Mais avant de vous montrer comment faire, voici trois exemples de prompts.

À qui s’adresse ce guide ?

Rédiger des prompts efficaces est un défi auquel tout le monde finit par être confronté au cours de sa carrière.

Ce guide ne s’adresse donc pas à un secteur ou à un métier en particulier, mais à toutes les personnes qui travaillent avec des données et des automatisations. Nous verrons plus précisément comment écrire des prompts pour modifier, analyser et nettoyer efficacement de grands datasets, que vous soyez étudiant ou professionnel expérimenté.

Les exemples utilisent Datablist pour appliquer un prompt aux lignes d’un tableur et enregistrer les résultats dans des propriétés distinctes.

Pourquoi un bon prompt est essentiel

Un modèle a besoin des mêmes règles de décision qu’un collègue chargé de classer la même ligne. Des instructions claires réduisent les ambiguïtés, mais les données incomplètes et les erreurs du modèle exigent toujours une étape de vérification.

À quoi ressemble un mauvais prompt ?

Pourquoi ce prompt est mauvais :

• Aucune instruction structurée : les exigences sont dispersées dans le texte, sans organisation claire.
• Aucune section ni aucun séparateur clair : l’IA doit décortiquer un bloc de texte dépourvu de structure logique.
• Données non identifiées : la description de l’entreprise et le texte du site ne sont pas clairement délimités, ce qui rend leur rôle difficile à distinguer.
• Langage informel : des expressions comme « des trucs » ou « au fait » créent de l’ambiguïté.

Comment l’IA interprète le prompt

Voici une illustration dans laquelle les valeurs de la ligne sont directement insérées. Datablist peut déplacer les variables intégrées vers une section Variables distincte ; les libellés restent néanmoins utiles pour identifier chaque source.

Mélanger les valeurs d’entrée avec des instructions informelles complique l’identification de la fin de la tâche et du début des éléments servant de preuves.

Voici ce qui ne va pas dans cet exemple :

1. Limites floues entre les données : les deux sources se confondent avec les instructions qui les entourent.
2. Libellés non définis : le prompt n’indique pas quoi renvoyer lorsque les preuves manquent ou que l’entreprise exerce plusieurs activités.

👉 Maintenant que ce point est clair, voyons à quoi ressemble un bon prompt et comment en créer un !

3 exemples de prompts

Prompt sous forme de commande

Dans sa forme la plus simple, un prompt peut être une commande comme :

Prompt sous forme de question

Un prompt peut aussi être une simple question comme :

Prompt de classification structuré avec données balisées

Un prompt peut également prendre la forme d’instructions plus détaillées pour modifier, analyser ou nettoyer vos données, afin de personnaliser des Cold Emails, d’analyser les retours clients, de nettoyer des noms d’entreprises, et bien plus encore.

J’utilise des sections identifiées pour séparer les règles, les exigences de sortie et les données d’entrée. Les balises de type XML sont une possibilité, en particulier lorsqu’un prompt réunit plusieurs documents. Le guide de prompting d’Anthropic recommande d’employer des balises descriptives pour effectuer cette séparation. Pour un prompt court, de simples titres de section peuvent aussi faciliter la relecture.

Voici un prompt de classification prêt à copier, avec un troisième libellé explicite lorsque les preuves sont insuffisantes :

Par exemple, « Nous fournissons un logiciel de paie aux employeurs » justifie Oui. « Nous développons un logiciel de comptabilité et recrutons des ingénieurs » justifie Non. Une description vide justifie Inconnu, même si le nom de l’entreprise semble lié aux RH. Il s’agit d’exemples de libellés attendus, et non de résultats mesurés du modèle.

Structure du prompt et étapes de mise en œuvre

Les captures d’écran ci-dessous illustrent l’ancienne structure du template. Appliquez la même séparation entre la tâche, les critères et les données au prompt de classification mis à jour ci-dessus, sans oublier ses champs de sortie et sa règle Inconnu.

Décryptage de la structure d’un bon prompt

Lorsque vous consultez certains templates de la bibliothèque de prompts IA de Datablist.com, vous remarquerez que presque tous sont organisés en sections et que chacune comprend ces trois éléments :

1. Balise : elle indique à l’IA le sujet de la section.

2. Corps : il contient les instructions qui aident l’IA à comprendre et à accomplir la tâche grâce à :

   • une explication : elle transmet à l’IA une information utile ou lui fournit du contexte ;
   • une commande : elle indique à l’IA ce qu’elle doit faire ou lui confie une tâche.

3. Délimitations : des titres, des séparateurs ou des balises appariées indiquent où chaque section commence et se termine. Utilisez toujours les mêmes libellés ; un délimiteur ne peut pas compenser l’absence de règles de décision.

Enfin, nous trouvons également des propriétés utilisées comme placeholders :

• des colonnes dont le contenu est remplacé par des données lors de l’exécution du prompt ;
• ces placeholders servent à personnaliser le prompt pour chaque enregistrement d’un dataset.

Par exemple, dans notre prompt Job Title Categorizer, nous utilisons {{job_title}} comme placeholder. Celui-ci est remplacé par l’intitulé de poste réel provenant de notre dataset lors du traitement de chaque enregistrement.

Décryptage de mon prompt et étapes de mise en œuvre

Remarque : les entreprises RH ne font pas partie de notre ICP (« Ideal Customer Profile ») — nous les avons simplement choisies à titre d’exemple.

Première étape : le contexte

Lorsque j’ai fourni du contexte à l’IA, j’ai fait trois choses essentielles :

• J’ai précisé les données que l’IA allait recevoir, sans dévoiler les critères de ciblage exacts.
  • Cela présente les sources avant les règles de classification.
• J’ai expliqué le contexte des données et décrit précisément le problème.
  • Cela aide l’IA à comprendre les éléments sur lesquels elle travaille.
• J’ai décrit ma situation particulière.
  • L’IA peut ainsi adapter son approche à mes besoins.

Ce que vous devez faire lorsque vous rédigez votre prompt :

• Présentez à l’IA les données que vous allez lui fournir.
• Décrivez votre problème.
• Utilisez des séparateurs (===).

Deuxième étape : la tâche ou commande

Dans cette partie du prompt, j’ai fait deux choses essentielles :

• J’ai de nouveau cadré l’IA avec la balise « Ce que je veux que vous fassiez », afin qu’elle sache quel sujet va être abordé.
• J’ai donné uniquement une description générale de la tâche, sans détailler les étapes ni les données à rechercher, afin de conserver un enchaînement logique des informations.

Ce que vous devez faire lorsque vous rédigez votre prompt :

• Commencez par identifier l’objectif principal de votre tâche ou commande.
• Utilisez ensuite des séparateurs (===).

Si vous devez réaliser plusieurs tâches similaires, n’essayez pas de toutes les regrouper dans un même prompt. L’IA aurait beaucoup de mal à les traiter et vous auriez plus de difficultés à repérer les erreurs éventuelles.

Troisième étape : les instructions de la commande

Voici mes principes lorsque j’ajoute des instructions à un prompt :

• rester simple et direct ;
• expliquer la tâche comme si j’apprenais à quelqu’un à la réaliser manuellement ;
• privilégier des instructions claires et progressives.

Si les résultats sont incorrects, vérifiez le texte d’entrée, les critères de décision et les exigences de sortie avant de réécrire le prompt. Certains échecs sont dus à l’absence de preuves ou aux limites du modèle ; ajouter des instructions ne peut pas faire apparaître une information manquante.

Ce que vous devez faire lorsque vous rédigez votre prompt :

• Créez une procédure simple, étape par étape, avec un langage clair et accessible.
• Utilisez des séparateurs (===).

Quatrième étape : prévenir les erreurs avec le contexte de la tâche — facultatif

Cette étape fournit du contexte supplémentaire propre à la tâche pour aider l’IA à :

• comprendre ses nuances ;
• éviter les erreurs fréquentes ;
• prendre de meilleures décisions.

En décrivant explicitement les problèmes potentiels et les cas limites, nous créons des garde-fous qui empêchent l’IA de formuler des hypothèses ou de commettre certaines erreurs.

Cette étape n’est pas indispensable dans tous les prompts, mais elle devient cruciale pour les tâches complexes.

Ce que vous devez faire lorsque vous rédigez votre prompt :

• Réfléchissez aux erreurs courantes que commettent les profils juniors dans ce type de tâche.
• Mentionnez-les dans votre prompt pour aider l’IA à les éviter.
• Utilisez des séparateurs (===).

Cinquième étape : l’objectif recherché

Voici les éléments les plus importants à inclure pour exprimer vos attentes dans un prompt :

• fournir un contexte détaillé sur le résultat souhaité ;
• préciser les résultats attendus ;
• éviter de révéler des biais ou des conclusions souhaitées qui pourraient influencer l’analyse.

Les systèmes d’IA produisent généralement de meilleurs résultats lorsque vous employez un langage naturel et conversationnel plutôt qu’un jargon technique.

Ce que vous devez faire lorsque vous rédigez votre prompt :

• Définissez clairement les résultats que vous attendez de l’analyse ou de la tâche.
• Indiquez précisément les signaux ou indicateurs les plus importants pour vous.
• Donnez des exemples.
• Utilisez des séparateurs (===).

Sixième étape : le contexte des données — facultatif

Lorsque j’ajoute du contexte sur les données dans mes prompts, je suis ces règles :

• Renforcer la prévention des erreurs grâce à une règle claire et en expliquer la raison.
  • Exemple de règle : « Évaluez toujours le contexte dans son ensemble. »
  • Raison : « Un indicateur isolé peut être trompeur. »
• Ajouter plusieurs niveaux de contexte :
  • les erreurs potentielles à éviter ;
  • les problèmes propres aux données ;
  • les rappels spécifiques à la tâche.

Ce que vous devez faire lorsque vous rédigez votre prompt :

• Réfléchissez aux erreurs que l’IA pourrait commettre et demandez-lui explicitement de les éviter.
• Répartissez les informations en plusieurs parties logiques au lieu de tout fournir dans un seul bloc.
• Utilisez des séparateurs (===).

📘 Bon à savoir

En formulant des consignes explicites plutôt qu’en laissant l’IA faire des suppositions sur le prompt, vous éviterez de nombreuses erreurs.

Septième étape : indiquer comment commencer

Cette dernière étape consiste à donner à l’IA des instructions claires pour démarrer. Voici ce que j’ai fait :

• J’ai privilégié la simplicité et la clarté.
  • J’ai numéroté les étapes dans l’ordre chronologique.
  • J’ai utilisé des verbes d’action clairs comme « lire, créer, décider… ».

Ce que vous devez faire lorsque vous rédigez votre prompt :

• Donnez des instructions de départ claires sous forme d’étapes numérotées.
• Utilisez des verbes d’action pour rendre les étapes faciles à suivre.
• Restez simple et direct.
• Utilisez des séparateurs (===).

Huitième étape : le format des placeholders, toujours en dernier

Voici la dernière étape pour rédiger un prompt efficace : insérez les colonnes sous forme de placeholders.

Regroupez les instructions stables de la tâche, puis placez les données propres à chaque ligne dans des sections identifiées à la fin de ce template. Le prompt sera ainsi plus facile à maintenir et à vérifier ; l’ordre des données ne garantit pas à lui seul la précision des résultats.

Ce que vous devez faire :

Utilisez des doubles accolades {{ }} pour ajouter les données provenant des colonnes de votre tableur.

Utilisez des séparateurs (===).

❗Important

Lorsque vous insérez des variables, sélectionnez les propriétés réelles de la collection. Conservez leurs valeurs dans des sections d’entrée identifiées et vérifiez le résultat généré avant de traiter toute la liste.

Application des règles à un autre exemple

Le scénario de M&A suivant montre comment organiser une demande plus complexe. Des critères précis doivent être définis avant de pouvoir l’utiliser pour attribuer un score aux entreprises.

Exemple de demande :

Commençons à rédiger le prompt !

Première étape

À cette étape, nous allons fournir à l’IA un contexte général.

Deuxième étape

Nous allons maintenant définir clairement les principaux objectifs de notre assistant IA.

Troisième étape

Nous allons ici détailler les étapes que l’IA devra suivre pendant son analyse.

Quatrième étape

Pour améliorer la précision, nous allons maintenant expliquer les difficultés potentielles et les points importants à prendre en compte.

Cinquième étape

Nous allons maintenant définir les critères d’évaluation qui permettront de déterminer si le résultat est satisfaisant.

Sixième étape

Nous allons maintenant fournir du contexte sur l’interprétation des données et les particularités sectorielles.

Septième étape

Nous allons maintenant indiquer à l’IA l’ordre exact des actions à effectuer pour commencer son analyse.

Huitième étape

Enfin, nous allons fournir à l’IA les données sur lesquelles elle doit travailler.

Adaptez les critères et les champs de sortie à votre tâche. L’exemple de M&A nécessite encore des seuils de scoring explicites et une vérification humaine : une demande générale d’évaluation de la santé financière ne constitue pas un modèle de scoring défini.

Testez le prompt avant de traiter votre CSV

Pour l’exemple RH, activez Define outputs format et configurez HR Match et Reason comme sorties de type Text dans l’enrichissement Ask ChatGPT/OpenAI de Datablist. Associez chaque sortie à sa propre propriété. Une Checkbox ferait disparaître la distinction entre Non et Inconnu.

Commencez par une petite sélection comprenant un prestataire RH, une entreprise sans rapport avec les RH qui mentionne ses recrutements, une description vide, une entreprise aux activités mixtes et des textes sources contradictoires. Notez le libellé attendu pour chaque ligne avant d’exécuter le prompt, puis comparez le libellé et la justification renvoyés avec le texte d’origine.

Lorsqu’un résultat ne correspond pas à vos attentes, identifiez-en la cause :

• Une valeur source manquante nécessite de meilleures données d’entrée ou un résultat Inconnu.
• Une description d’activité ambiguë nécessite une règle d’inclusion ou d’exclusion plus précise.
• Une justification que les données d’entrée ne permettent pas d’étayer doit être corrigée, puis testée à nouveau.
• Un libellé inattendu nécessite des règles de sortie ou une configuration des sorties plus claires.

Après avoir modifié le prompt, testez à nouveau les mêmes cas. Conservez quelques lignes supplémentaires pour effectuer une vérification distincte et éviter d’optimiser le prompt uniquement pour les exemples déjà examinés. Lorsque toutes les variables sont vides, la ligne peut être ignorée et générer une erreur au lieu d’être envoyée au modèle. Pensez donc à contrôler les erreurs d’exécution en plus des résultats de classification.

Pour appliquer le prompt validé à un fichier plus volumineux, suivez le workflow d’enrichissement des lignes d’un CSV. Conservez les propriétés d’entrée d’origine pour pouvoir vérifier les résultats par la suite.

Conclusion

Commencez par une seule décision, des critères explicites et des champs de sortie distincts. Identifiez clairement les textes sources, prévoyez un résultat lorsque les preuves manquent et testez le prompt sur des lignes ordinaires comme sur des cas difficiles avant de traiter toute la collection.

FAQ sur la rédaction de prompts IA

Qu’est-ce qu’un bon prompt IA ?

Un bon prompt IA est clair, précis et bien structuré. Il présente le contexte de votre objectif, donne des instructions précises sur la marche à suivre et indique le format de sortie souhaité. Il doit employer un langage simple et éviter toute ambiguïté susceptible de provoquer une mauvaise interprétation.

Consultez nos exemples de prompts IA pour la génération de leads.

Pourquoi mes prompts ChatGPT ne fonctionnent-ils pas ?

Les prompts IA peuvent manquer d’efficacité pour plusieurs raisons :

• des instructions floues ou imprécises ;
• trop de tâches réunies dans un seul prompt ;
• un manque de contexte ou d’informations générales ;
• un langage trop complexe ou technique ;
• l’absence d’exemples précis ou de format de sortie souhaité.

Comment rédiger des prompts IA plus efficaces ?

Pour rédiger des prompts IA efficaces :

• commencez par un objectif clair ;
• divisez les tâches complexes en étapes plus simples ;
• fournissez le contexte et les informations utiles ;
• précisez le format de sortie souhaité ;
• employez un langage simple et direct ;
• ajoutez des exemples lorsque c’est possible.

Quelles sont les erreurs fréquentes dans un prompt ?

Les erreurs les plus courantes lors de la rédaction d’un prompt sont les suivantes :

• rester trop vague ou trop général ;
• surcharger le prompt avec plusieurs tâches ;
• ne pas fournir assez de contexte ;
• employer un langage imprécis ou ambigu ;
• supposer que l’IA comprend les informations implicites ;
• ne pas préciser le format de sortie souhaité.

Quelle doit être la longueur d’un prompt IA ?

Un prompt IA doit être assez long pour transmettre toutes les informations essentielles, mais pas davantage. Pour une tâche simple, un prompt efficace comprend généralement quelques phrases ou un paragraphe. Il peut être plus long pour une tâche complexe qui exige des instructions détaillées et beaucoup de contexte. L’essentiel est d’être complet tout en restant concis.

Qu’est-ce que le prompt engineering ?

Le prompt engineering consiste à concevoir et à optimiser les instructions envoyées aux modèles d’IA afin d’obtenir les résultats les plus précis et les plus utiles possible. Cette pratique implique de comprendre comment les modèles interprètent les consignes, de structurer efficacement les prompts et de les améliorer de manière itérative à partir des résultats obtenus.