Ingénierie des prompts : mon parcours de femme marocaine en IA

Ingénierie des prompts : pourquoi j’ai décidé de structurer ma pratique

Au début, je pensais que “bien parler à l’IA” était surtout une question d’intuition. Puis j’ai compris que ingénierie des prompts rime avec méthode : objectifs, contraintes, critères de réussite et itérations.

Ce changement d’état d’esprit m’a permis de passer d’essais isolés à une vraie démarche de résolution de problèmes. Résultat : des sorties plus fiables, moins de retours en arrière, et une confiance qui grandit à chaque projet.

De la curiosité à la discipline

Quand on démarre, on cherche surtout à “faire répondre” le modèle. En ingénierie des prompts, on vise plutôt à “faire produire” un résultat exploitable : plan, tableau, analyse, email, script, etc.

• Curiosité: explorer les possibilités et limites des LLMs
• Discipline: formaliser ce qui marche et documenter
• Qualité: définir des critères d’acceptation

Ce que le “prompt engineering” m’a appris sur moi

J’ai réalisé que je gagnais en clarté quand j’écrivais comme si je briefais un humain : contexte, attentes, contraintes. Cette rigueur, je l’ai renforcée grâce à ingénierie des prompts et à l’itération.

Mon repère : un prompt doit réduire l’ambiguïté

Plus un prompt laisse de zones floues, plus le modèle comble “comme il peut”. En ingénierie des prompts, j’ai appris à expliciter le public, le format, le niveau de détail et le ton.

Ingénierie des prompts : mon expérience avec One Million Prompters

Je cherchais un cadre reconnu pour transformer ma pratique en compétence visible. Le programme One Million Prompters, porté par la Dubai Future Foundation, m’a donné une trajectoire claire et une logique d’évaluation.

Au-delà de la certification, ce parcours m’a surtout aidée à “industrialiser” mes prompts : réutiliser des structures, gérer les variantes, et penser comme une ingénieure de consignes plutôt qu’une utilisatrice occasionnelle.

Ce que j’ai retenu du format “intensif”

Un format intensif oblige à pratiquer, pas seulement à lire. En ingénierie des prompts, la progression vient des tests, des échecs et des corrections, avec des exemples concrets.

La valeur d’un livrable vérifiable

Dans la tech, la preuve compte. Pouvoir attester d’un parcours et expliquer sa démarche rend la compétence plus crédible, surtout lorsqu’on veut accompagner des équipes ou des clients.

Pourquoi c’est inspirant quand on vient du Maroc

Pour une femme marocaine, voir son parcours reconnu dans un cadre international peut ouvrir des portes. Et surtout, cela envoie un message : les compétences en IA se construisent, étape par étape, partout.

Ingénierie des prompts : les fondations (contexte, rôle, format, critères)

Quand je veux un résultat solide, je reviens à quatre piliers. En ingénierie des prompts, ces piliers servent de check-list pour réduire l’aléatoire et augmenter la cohérence.

Ce cadre est simple, mais il change tout : on passe d’une demande vague à un brief complet. Et on peut ensuite l’améliorer, le versionner, et le transmettre.

1) Le contexte : de quoi parle-t-on, et pourquoi ?

Je précise toujours la situation et l’objectif final. En ingénierie des prompts, un contexte explicite évite les réponses génériques et aligne le modèle sur le bon “terrain”.

• Domaine: RH, marketing, data, formation, produit…
• Objectif: informer, décider, convaincre, automatiser…
• Public: débutant, expert, comité, client…

2) Le rôle : qui doit “parler” ?

Le role prompting m’aide à cadrer l’expertise simulée : “agis comme un consultant”, “comme un auditeur qualité”, etc. En ingénierie des prompts, ce rôle fixe le niveau de langage et les priorités.

3) Le format : à quoi ressemble la sortie attendue ?

J’indique le format (liste, tableau, JSON, plan, email), la longueur et les sections. En ingénierie des prompts, demander un format, c’est déjà contrôler la qualité.

• Structure: titres, sous-parties, étapes numérotées
• Contraintes: pas de jargon, exemples obligatoires, limites
• Sortie: tableau comparatif, checklist, script réutilisable

4) Les critères : comment juge-t-on que c’est “bon” ?

Je demande des critères d’acceptation : exactitude, sources, risques, angles morts. En ingénierie des prompts, cela force le modèle à s’auto-évaluer et à expliciter ses limites.

Techniques avancées que j’utilise en ingénierie des prompts (avec exemples)

Une fois les fondations posées, j’active des techniques selon le besoin. En ingénierie des prompts, l’objectif n’est pas de tout utiliser, mais de choisir le bon levier au bon moment.

Voici les approches qui m’ont le plus fait progresser : few-shot, rôle, contraintes, et “ingénierie inversée” pour comprendre ce qui a produit un bon résultat.

Few-shot prompting : montrer l’exemple

Je fournis 2 à 4 exemples d’entrées/sorties. En ingénierie des prompts, cela stabilise le style et le niveau de détail, surtout pour des tâches répétitives.

1. Donner un exemple: une question et une réponse modèle
2. Donner un contre-exemple: ce qu’il ne faut pas faire
3. Demander la reproduction: même format, nouveau sujet

Role prompting : cadrer l’expertise et la responsabilité

J’ajoute le rôle, puis j’associe des obligations : “pose des questions si ambigu”, “signale les risques”. En ingénierie des prompts, ce duo rôle + obligations limite les réponses “trop sûres”.

Contraintes et garde-fous : réduire les dérives

Je précise ce qui est interdit : inventer des chiffres, citer sans lien, faire des promesses. En ingénierie des prompts, les garde-fous évitent les sorties qui nuisent à la crédibilité.

• Style: ton professionnel, phrases courtes, titres clairs
• Vérification: demander “ce que tu ne sais pas”
• Traçabilité: demander des sources quand c’est nécessaire

Ingénierie inversée : analyser un bon résultat

Quand une réponse est excellente, je remonte à la cause : quelles consignes ont aidé ? quelles contraintes manquaient ? En ingénierie des prompts, cela crée une bibliothèque de prompts efficaces.

Ingénierie des prompts : cas d’usage concrets (productivité, contenu, data)

Ce qui a rendu ingénierie des prompts “réelle” pour moi, ce sont les cas d’usage. Dès qu’un prompt améliore un livrable, on sent la valeur : moins de temps, plus de clarté, plus d’impact.

Je vous partage des exemples de scénarios que j’utilise ou que j’adapte selon les projets : analyse, rédaction, synthèse, structuration et préparation de réunions.

Analyse et synthèse : aller à l’essentiel

Je demande des synthèses structurées, avec limites et questions ouvertes. En ingénierie des prompts, j’aime obtenir : “ce qu’on sait”, “ce qu’on suppose”, “ce qu’il faut vérifier”.

Création de contenu : produire sans perdre sa voix

Je fournis un brief, des exemples de style, et une checklist qualité. Avec ingénierie des prompts, l’IA devient un atelier : idées, plan, reformulations, puis validation humaine.

• Plan: structure d’article ou de présentation
• Variantes: 3 introductions, 5 titres, 2 tons
• Relecture: cohérence, répétitions, clarté

Résolution de problèmes : raisonner étape par étape

Je découpe le problème, je demande des hypothèses, puis un plan de test. En ingénierie des prompts, cette approche “décomposer puis vérifier” évite de s’accrocher à une seule réponse.

Réunions et décisions : préparer, cadrer, actionner

Je génère une trame d’agenda, des questions, puis un compte rendu type. En ingénierie des prompts, on gagne en rigueur : décisions, responsables, échéances, risques.

Se former et progresser : ma méthode en 7 étapes (réplicable)

On n’a pas besoin d’être “génie” pour progresser : on a besoin d’une routine. Pour moi, ingénierie des prompts se consolide avec un cycle court : écrire, tester, corriger, archiver.

Voici la méthode que j’applique quand je veux monter en compétence vite, sans me disperser.

Étape 1 : choisir un seul objectif par session

Exemple : “produire une synthèse actionnable” ou “écrire un email client”. En ingénierie des prompts, l’objectif unique évite les prompts “fourre-tout”.

Étape 2 : écrire une version 0 (simple)

Je commence minimal : contexte + sortie attendue. En ingénierie des prompts, la simplicité au départ facilite le diagnostic.

Étape 3 : ajouter une contrainte à la fois

Une contrainte = un apprentissage. En ingénierie des prompts, j’ajoute successivement : format, ton, longueur, critères, exemples.

Étape 4 : tester 3 variantes (A/B/C)

Je change un seul paramètre entre les variantes. En ingénierie des prompts, cela permet de comprendre ce qui influence réellement le résultat.

Étape 5 : documenter le prompt final

Je note : cas d’usage, prompt, limites, et quand ne pas l’utiliser. En ingénierie des prompts, cette documentation crée une bibliothèque personnelle.

Étape 6 : construire un “template” réutilisable

Je transforme le prompt en modèle : champs à remplir, exemples, checklist. En ingénierie des prompts, les templates accélèrent le travail en équipe.

Étape 7 : faire relire par un humain (toujours)

La relecture humaine protège la qualité et l’éthique. En ingénierie des prompts, l’IA est un copilote, pas un décideur final.

• Routine: 20 minutes de pratique, 3 fois/semaine
• Capitalisation: 1 template réutilisable par mois
• Partage: 1 retour d’expérience par projet

Éthique, limites et confiance : ce que je refuse de déléguer à l’IA

Plus on maîtrise la technique, plus on voit les limites. Même avec ingénierie des prompts, un modèle peut se tromper, simplifier à l’excès ou produire des biais si on ne cadre pas la demande.

Je garde donc des règles non négociables : transparence, vérification, et respect des personnes concernées par les décisions.

Vérifier ce qui est “factuel”

Quand un chiffre, une loi ou un diagnostic compte, je recoupe. En ingénierie des prompts, je demande au modèle d’indiquer ce qui nécessite une source externe, puis je valide moi-même.

Protéger les données sensibles

Je n’envoie pas d’informations confidentielles sans cadre adapté. En ingénierie des prompts, la meilleure pratique reste de minimiser les données et d’anonymiser.

Rester “human-centered”

« Human-centred values and fairness. » — OECD, AI Principles

Cette idée me sert de boussole : l’outil doit servir les personnes, pas l’inverse. C’est aussi une façon de faire de ingénierie des prompts une pratique responsable.

• Transparence: signaler quand l’IA a aidé
• Contrôle: validation humaine sur les livrables critiques
• Équité: attention aux biais et aux stéréotypes

Pour aller plus loin côté compétences, vous pouvez explorer le catalogue de formations et repérer les parcours IA, data ou communication adaptés à votre niveau.

Si vous cherchez un organisme près de chez vous, l’annuaire “Trouver un centre de formation” peut vous aider à comparer les offres et modalités.

Et si vous êtes formateur·rice et souhaitez proposer un module autour de l’IA, découvrez l’espace acteurs de la formation pour structurer votre présence et vos opportunités.

Pour approfondir le contexte international et les initiatives, vous pouvez consulter la Dubai Future Foundation via son site officiel et les informations du Dubai Centre for Artificial Intelligence sur dub.ai.

Pour un cadrage plus large sur une IA de confiance, les ressources de l’UNESCO sur l’intelligence artificielle et la page de l’OCDE sur l’IA sont de bons points d’entrée.