Pourquoi les cours d'IA enseignent la formule du prompt mais jamais comment réparer un prompt raté

En bref : la formule du prompt — rôle, tâche, contexte, format — est gratuite. N'importe quelle vidéo de dix minutes vous la donne. Les ennuis commencent juste après : vous avez écrit le prompt dans les règles, vous avez cliqué sur envoyer, et la réponse est revenue en bouillie. À partir de là, plus personne ne vous apprend rien. Vous réécrivez au hasard jusqu'à ce que quelque chose vous plaise. Ce n'est pas une compétence, c'est une loterie. Ci-dessous, une méthode : nommer le symptôme, poser un diagnostic, faire exactement une modification, comparer. Et l'ordre dans lequel creuser : contexte → tâche → format → rôle. Les prompts de cet article sont réels : appuyez sur « Lancer » et voyez la différence de vos propres yeux.

Ce qui cloche dans la formule

La formule ne vous ment pas. Rôle, tâche, contexte, format sont bien les quatre boutons qui façonnent une réponse. Nous couvrons les bases dans qu'est-ce qu'un prompt et comment l'écrire, et vous en avez besoin. Mais la formule répond à une seule question : comment écrire un prompt en partant de zéro ? Dans le travail réel, vous ne partez presque jamais de zéro. Vous êtes devant un prompt qui respecte déjà toutes les règles et qui a quand même produit du déchet.

Là, la formule se tait. Elle ne dit pas lequel des quatre boutons est fautif. Elle ne dit pas s'il faut en tourner un ou les quatre. Elle ne dit pas comment savoir si la nouvelle réponse est meilleure ou simplement différente. La formule est un plan. Ce qu'il vous faut, c'est un manuel de réparation.

C'est la différence entre « voici le schéma du moteur » et « la voiture ne démarre pas, vous regardez quoi en premier ? ». Le premier s'apprend en une soirée. Le second est un métier. Et le second est presque absent du marché de la formation.

Les élèves demandent exactement cela — mot pour mot

Le 17 juillet 2026, nous avons extrait des données d'Udemy (via l'API interne derrière leurs pages de cours) et des pages d'avis de Coursera. Nous avons délibérément lu la minorité : ceux qui ont mis des notes basses. Le foyer de plaintes le plus dense est apparu sur des cours qui portent prompt engineering dans leur titre même. Les gens sont venus chercher la compétence annoncée sur l'étiquette et ne l'ont pas eue. Mot pour mot, avec auteurs et étoiles :

« There is nothing teached about creating a good prompt. It is just an overview of types of prompts » — Geralt O., 01.07.2026, 2★ (Prompt and Context Engineering 101, Mike Wheeler).

« No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc. » — Bharat Ram A., 05.06.2026, 1.5★ (Wheeler).

« i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts » — Manuel L., 15.06.2026, 2★ (Prompt Engineering for Everyone).

« Too much background on ChatGPT. Get me to how to prompt GPT » — Mark R., 16.09.2025, 1.5★ (Academind).

Arrêtez-vous sur Bharat Ram A. Il énumère trois choses, et la troisième est « how to give feedback to AI based on its answers ». C'est du débogage, décrit avec ses propres mots par quelqu'un qui est parti le chercher et qui est revenu bredouille. Manuel L. demande à « enhance our current prompts » : réparer quelque chose de déjà écrit qui fonctionne mal. Des gens différents, des cours différents, un même trou.

À côté, la citation qui montre ce qui se passe quand rien n'est vérifié :

« you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not » — Shinysheep, 21.09.2023, 1★ (Prompt Engineering, Vanderbilt).

Et dans la même veine : « quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again' » — Cory Covino, 04.05.2024, 2★ (IBM). « All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter » — Cornelius Griggs, 1★ (Generative AI with LLMs).

Griggs le formule mieux que personne, sans le vouloir. « You won't have to debug anything » décrit un produit pédagogique auquel on a retiré le débogage. L'exercice s'exécute, ça ressemble à de la pratique, et il n'y a jamais rien eu en jeu.

Une dernière, tirée d'un autre cours, qui boucle la boucle : « Didnt meet expectations, only theory is discussed which we already know » — Aditya Nagavolu, 19.11.2023, 1★ (Generative AI for Everyone). La théorie que tout le monde connaît déjà, c'est la formule. Ce que personne ne sait, c'est quoi faire quand elle échoue.

Pourquoi ce trou existe : c'est de l'architecture, pas de la paresse

Il est tentant d'accuser des formateurs paresseux. Cette explication est pire que la vérité. La vérité est structurelle.

Il n'existe qu'une seule façon de vérifier un prompt : le lancer sur un modèle et regarder la réponse. Aucune autre n'existe : on ne juge pas un prompt à l'œil nu, pas plus qu'on ne juge du code sans l'exécuter. Or une plateforme vidéo n'a aucun modèle à l'intérieur de la leçon. Il n'y a donc rien pour vérifier. Il reste un correcteur automatique par mots-clés, et celui-ci accorde « 100% correct » — précisément ce qui a laissé Shinysheep sans voix.

Vient ensuite le détail qui règle la question. La Prompt Engineering Specialization de Vanderbilt exige un abonnement payant ChatGPT+ pour faire les devoirs. Le cours envoie l'élève dehors, dans un autre onglet, chercher un modèle. L'addition pour un élève de Coursera devient : Coursera Plus à 50 €/mois (ou 343 €/an avec 14 jours de rétractation), plus un abonnement au modèle — environ 70 €/mois pour regarder des vidéos et recevoir un 100 % automatique. Sur le prix exact de cet abonnement, soyons francs : nous n'avons pas pu l'obtenir d'une source primaire, tous les domaines d'OpenAI ont répondu 403, donc nous n'imprimons aucun chiffre. Les 50 € de Coursera Plus viennent de leur propre page.

Dès l'instant où le modèle vit hors du cours, le cours cesse de voir votre travail. Il ignore quel prompt vous avez écrit, ce qui est revenu et pourquoi c'était mauvais. On n'enseigne pas le débogage à l'aveugle. Alors le cours enseigne la formule — la seule partie qui tienne sur une diapositive.

Et c'est de là que vient une plainte qui a l'air de parler d'autre chose :

« why read straight from the slide? I can do that. This was not a helpful course at all » — Janie I., 02.07.2026, 1★ (Justin Barnett).

« I can do that » n'est pas un verdict sur un mauvais intervenant. C'est le constat que seule la formule tient sur une diapositive. Le débogage n'y tient pas, parce qu'il est fait d'une réponse vivante que personne ne peut prévoir à l'avance.

Déboguer, c'est diagnostiquer, pas réécrire

Le réflexe du débutant ressemble à ceci : la réponse est mauvaise → sélectionner tout le prompt → le réécrire, plus long et plus joli. Parfois ça marche. Pourquoi ça a marché reste insaisissable, et la fois suivante vous repartez de zéro.

L'approche d'ingénieur est autre, et elle tient en quatre étapes.

1. Symptôme. Nommez ce qui cloche avec des mots vérifiables. Pas « mauvais », mais : a inventé un fait ; a ignoré le format ; trop générique ; m'a récité ma propre entrée ; a répondu à une autre question ; s'est effondré sur un texte long. Tant que le symptôme n'a pas de nom, il n'y a rien à soigner.
2. Diagnostic. Chaque symptôme a une cause typique. C'est une hypothèse, pas un verdict — mais elle indique où creuser en premier.
3. Une modification. Changez exactement une chose. Une.
4. Comparaison. Relancez et comparez à la réponse précédente selon votre propre critère. Pas « je préfère », mais « est-ce que ça s'est amélioré sur le point précis que je soignais ? ».

Répétez jusqu'à disparition du symptôme. C'est en général deux ou trois tours, pas vingt.

La règle du tournevis unique

L'étape la plus sous-estimée est la troisième. Changez une chose à la fois.

Vous modifiez cinq choses, la réponse s'améliore, et vous ignorez laquelle a agi. Pire : quatre modifications étaient peut-être neutres, une était franchement nuisible, et la cinquième l'a compensée. Vous emportez le paquet entier dans le prompt suivant, ligne nuisible comprise, et un mois plus tard vous possédez un mur de texte de deux pages où la moitié des lignes joue contre vous.

Ce n'est pas notre invention. C'est la règle de base de tout débogage — la même que celle qui consiste à ne changer qu'une variable à la fois dans une expérience. Sauf qu'avec du texte, la tentation de tourner tous les boutons d'un coup est bien plus forte, parce qu'une modification coûte une seconde.

Une objection contre nous-mêmes. La règle a un prix. Une modification par tour, c'est lent, et sur un vrai dossier vous couperez les virages. Le compromis honnête : la règle du tournevis unique est obligatoire tant que vous cherchez encore la maladie. Une fois le diagnostic clair, quand vous ne faites plus que polir, groupez les modifications — le risque est devenu faible.

Deuxième franchise : les modèles ne sont pas déterministes. Un seul lancement est un échantillon de taille un. La réponse s'est améliorée après votre modification ? Peut-être que la modification n'y est pour rien et que vous avez eu de la chance. D'où l'intérêt de comparer sur au moins trois entrées différentes, pas sur une seule, votre préférée.

L'ordre des hypothèses : contexte → tâche → format → rôle

Une fois le symptôme nommé, reste à savoir quel bouton toucher. Nous avons un ordre, et il n'est pas arbitraire : la cause la plus fréquente d'abord, la plus rare en dernier ; l'erreur la plus coûteuse d'abord, la moins chère en dernier.

1. Le contexte d'abord. L'écrasante majorité des mauvaises réponses sont des réponses à une question sans aucun fait dedans. Le modèle ne connaît pas votre produit, votre public, vos contraintes, vos chiffres, vos noms, vos décisions passées. Il comble le vide avec du remplissage moyen — parce que le remplissage moyen est la bonne réponse à une question sans contexte. Si le résultat est fade, générique, valable pour n'importe qui, le coupable est presque toujours le contexte, et aucun jeu de rôle n'y remédiera.
2. La tâche ensuite. Vérifiez que vous demandez une action et non trois, et que le verbe est vérifiable. « Analysez » n'est pas un verbe ; on peut mettre n'importe quoi dessous. « Listez cinq risques, une ligne chacun » en est un. Si le modèle répond à une autre question, ou à la moitié de la vôtre, la tâche est en cause.
3. Le format en troisième. Peu coûteux à corriger, et le résultat se voit instantanément. Si le fond est bon et la forme non, corrigez le format et ne touchez à rien d'autre. Ce qui marche : coller un échantillon de la sortie voulue, deux ou trois lignes. Un échantillon bat une description à tous les coups.
4. Le rôle en dernier. Le rôle déplace surtout le ton et le vocabulaire. « Vous êtes un marketeur expérimenté » n'ajoute aucun fait sur votre marché : c'est la ligne que tout le monde écrit en premier et qui ne décide presque rien. Touchez au rôle quand tout le reste est en place et que la voix, simplement, ne vous plaît pas.

Pourquoi cet ordre ? Parce qu'il suit la quantité d'information que vous ajoutez. Le contexte ajoute des faits : le maximum. La tâche ajoute de la précision de but. Le format ajoute de la forme. Le rôle ajoute du style. La plupart des gens font l'inverse : ils s'acharnent sur le rôle, puis se sentent trahis par le remplissage.

Le tableau : symptôme → diagnostic → une modification

• Fade, générique, valable pour tous. Diagnostic : pas de contexte. Modification : collez cinq faits concrets — qui lit, quel est le produit, quelle est la contrainte, un chiffre, un exemple. Ne changez rien d'autre.
• A inventé un fait, un lien, une citation. Diagnostic : vous avez demandé quelque chose que le modèle n'a pas. Modification : soit vous mettez les données dans le prompt, soit vous autorisez explicitement le « je ne sais pas ». La ligne « si vous n'avez pas la donnée, dites-le, n'inventez pas » coûte peu et attrape beaucoup. Plus de détails dans pourquoi les hallucinations de l'IA se produisent.
• A ignoré le format. Diagnostic : la consigne de format s'est noyée au milieu, ou entre en conflit avec la longueur demandée. Modification : sortez le format dans un bloc à part, à la fin, et montrez un échantillon de sortie.
• A répondu à une autre question. Diagnostic : deux actions dans une tâche, le modèle en a choisi une. Modification : ne gardez qu'un verbe. La deuxième action devient un deuxième prompt.
• M'a récité ma propre entrée. Diagnostic : pas de verbe de transformation. « Voici le texte, jetez-y un œil » n'est pas une tâche. Modification : dites quoi faire du texte — raccourcir, restructurer, trouver les contradictions.
• Mauvais ton, « ce n'est pas ma voix ». Diagnostic : vous avez décrit un style au lieu de le montrer. Modification : collez un de vos paragraphes et demandez qu'il le rejoigne. « Écrivez sur un ton amical mais professionnel » ne fait rien ; un échantillon, si.
• S'est effondré sur un texte long. Diagnostic : la consigne s'est perdue dans les données. Modification : séparez par des marqueurs (---TEXTE--- / ---TÂCHE---) et répétez la tâche après le texte, pas seulement avant.
• Trop long, préambule interminable. Diagnostic : vous ne l'avez jamais interdit. Modification : une ligne — « Pas de préambule, pas de conclusion. La liste seulement ».

Remarquez : dans six cas sur huit, le correctif n'est pas « réécrire le prompt » mais ajouter ou déplacer une chose.

Voyez par vous-même : un mauvais prompt, une modification, la différence

Voici maintenant la partie qu'une plateforme vidéo ne peut physiquement pas offrir. Chaque bloc ci-dessous a un bouton « Lancer » : appuyez ici même et regardez une réponse vivante arriver. L'ordre compte — lancez-les à la suite et comparez.

Étape 1. Lancez un prompt délibérément mauvais

C'est un vrai prompt écrit « selon la formule » : il y a un rôle, il y a une tâche, il y a de la politesse. Lancez-le et regardez ce qui revient. Il y a de fortes chances que vous obteniez un texte qui conviendrait à n'importe quelle entreprise du monde.

Vous êtes un marketeur expérimenté. Rédigez un e-mail à nos clients au sujet du lancement de notre nouveau produit. Faites en sorte que le texte soit professionnel, moderne et accrocheur.

Ce qu'il faut regarder. Y a-t-il une seule affirmation dans cette réponse que vous ne pourriez pas déplacer telle quelle dans l'e-mail d'une autre entreprise ? En général, non. Symptôme nommé : remplissage. Diagnostic, selon notre ordre : le contexte.

Étape 2. Une modification — le contexte seulement

Même tâche, même ton, même rôle. Nous changeons exactement une chose : nous ajoutons des faits. Rôle intact, format intact — pour voir honnêtement ce qu'apporte le contexte à lui seul.

Vous êtes un marketeur expérimenté. Rédigez un e-mail à nos clients au sujet du lancement de notre nouveau produit.
Faites en sorte que le texte soit professionnel, moderne et accrocheur.

CONTEXTE :
- Produit : un planificateur d'horaires pour cafés de 3 à 15 employés.
- Lecteurs : des gérants de cafés qui utilisent depuis six mois notre application
  de gestion des stocks. Ils nous font confiance, mais ils ne cherchaient pas
  un nouveau bouton.
- Nouveauté : les plannings se construisent désormais automatiquement, en tenant
  compte des demandes de congés du personnel. Avant, le gérant montait le
  planning dans un tableur.
- Limite assumée : un seul établissement, les chaînes ne sont pas encore prises en charge.
- Prix : inclus dans la formule actuelle, sans supplément.
- Ce que le lecteur doit faire : activer la section « Plannings » dans son compte.

Ce qu'il faut regarder. La réponse est devenue concrète — et reste probablement longue, avec un préambule en ouverture. C'est normal : nous n'avons soigné que le contexte. Notez que « professionnel, moderne et accrocheur » a survécu intact, en exigence invérifiable, et n'a rien produit.

Étape 3. Une modification de plus — tâche et format

Nous corrigeons maintenant la longueur et la forme. Nous supprimons le rôle entièrement, pour tester l'hypothèse qu'il n'apporte rien. Et nous remplaçons « accrocheur » par quelque chose de vérifiable.

Rédigez un e-mail aux clients annonçant une nouvelle fonctionnalité.

CONTEXTE :
- Produit : un planificateur d'horaires pour cafés de 3 à 15 employés.
- Lecteurs : des gérants de cafés qui utilisent depuis six mois notre application
  de gestion des stocks. Ils nous font confiance, mais ils ne cherchaient pas
  un nouveau bouton.
- Nouveauté : les plannings se construisent automatiquement, en tenant compte des
  demandes de congés du personnel. Avant, le gérant montait le planning dans
  un tableur.
- Limite assumée : un seul établissement, les chaînes ne sont pas encore prises en charge.
- Prix : inclus dans la formule actuelle, sans supplément.
- Action du lecteur : activer la section « Plannings » dans son compte.

FORMAT :
- Objet : 45 caractères maximum. Mots interdits : révolutionnaire, unique, innovant.
- Corps : 120 mots maximum.
- Structure : première ligne - ce qui a changé ; deuxième - ce que cela fait gagner ;
  ensuite la limite énoncée sans détour ; une seule action à la fin.
- Pas de préambule, pas de « nous sommes ravis de vous annoncer », pas de paragraphe d'adieu.

Ensuite, sur une ligne séparée : trois raisons pour lesquelles cet e-mail pourrait rester non ouvert ou finir supprimé.

Ce qu'il faut regarder. Comparez les trois réponses. Vous venez de mener une séance de débogage dans les règles : symptôme nommé, hypothèse posée, une modification faite, résultats comparés. Au passage, vous avez monté une petite expérience sur le rôle — comparez la voix des réponses deux et trois et décidez vous-même si « vous êtes un marketeur expérimenté » méritait la place que lui accorde chaque cours.

Étape 4. L'exercice de diagnostic

La compétence la plus difficile est de nommer un symptôme dans le travail d'un autre. Ici, le modèle invente un cas pour vous et note votre diagnostic sans complaisance. Il n'y aura aucun « 100% correct » automatique.

Interrogez-moi sur le diagnostic de prompts. Règles :

- Vous me donnez UN cas : la tâche, le prompt complet et la mauvaise sortie
  du modèle. Inventez le cas vous-même : réaliste, issu du travail de bureau.
  Écrivez aussi la mauvaise sortie vous-même - exactement aussi mauvaise
  qu'elle le serait en vrai.
- Je nomme le symptôme en un terme et je dis ce que je changerais EN PREMIER.
- Vous notez sans complaisance : le symptôme est-il juste, l'hypothèse est-elle
  juste, quelle hypothèse aurait été plus forte que la mienne et pourquoi.
  Si je propose de changer plusieurs choses à la fois, signalez-le à part.
- Ne soyez pas d'accord par politesse. Si j'ai tort, dites-le franchement.
- Puis le cas suivant, plus difficile. Cinq cas au total.

Commencez par le premier cas. N'expliquez pas la théorie au préalable.

Ce qu'un prompt ne peut pas réparer

La moitié du débogage consiste à comprendre tôt que le prompt n'est pas le problème. Sinon, vous polissez des formulations dans une couche où rien n'est cassé.

• Données manquantes. Aucune formulation ne fait surgir un fait qu'on n'a jamais donné au modèle. Si vous avez besoin des chiffres de votre tableur, collez-les ; ne les mendiez pas.
• La tâche n'est pas soluble par le texte. « Calculez exactement », « vérifiez sur le site actuel », « garantissez » : ce n'est pas une affaire de formulation, c'est une affaire d'outils. Vous entrez ici sur le territoire des agents IA.
• Aucune définition de « bon ». Si vous ne savez pas dire pourquoi la réponse A vaut mieux que la B, vous ne déboguez pas : vous brassez des variantes jusqu'à la fatigue. Le critère est la partie du prompt qui vit dans votre tête, et elle aussi demande à être écrite.
• Mauvais modèle. La même tâche se comporte différemment d'un modèle à l'autre — voyez notre comparatif ChatGPT, Claude et Gemini. Avant de retoucher un prompt vingt fois, essayez le même prompt sur un autre modèle : cela fait une modification, pas vingt.

Un journal de versions : ennuyeux, et décisif

Ouvrez un fichier. Trois colonnes : ce que disait le prompt, ce que vous avez changé, ce qu'est devenue la réponse. Une ligne par tour de débogage.

Cela sonne bureaucratique. C'est la seule chose qui transforme vos lancements en savoir. Un mois plus tard, vous ouvrirez ce fichier et vous verrez que « échantillon de sortie plutôt que description du format » a marché onze fois sur douze, tandis que « vous êtes un expert de classe mondiale » n'a rien donné. C'est votre statistique personnelle, et elle vaut mieux que n'importe quelle liste de 500 prompts prêts à l'emploi. Prenez nos exemples de prompts comme matière première ; le journal est ce qui transforme la matière première en votre outil.

Effet secondaire : en un mois, vous avez un portfolio. Pas un certificat que 698 444 autres personnes possèdent aussi, mais une douzaine de cas disséqués, avec l'avant et l'après. En entretien, ce sont deux catégories de poids différentes.

Comment tester un cours — y compris le nôtre

Notre audit se résume à quatre questions. Posez-les à n'importe quelle formation.

1. Où vais-je lancer le prompt ? Si la réponse est « dans un autre onglet, avec un abonnement séparé », le cours ne voit jamais votre travail et ne peut pas le disséquer. Voyez Vanderbilt et son exigence ChatGPT+.
2. Qui note mon prompt ? Un correcteur automatique par mots-clés vous tendra un « 100% correct » et zéro information. C'est exactement le cas Shinysheep.
3. Y a-t-il une leçon où un prompt échoue ? Ouvrez le programme et cherchez. S'il n'y en a pas, le cours parle d'une formule.
4. Quand le contenu a-t-il vraiment été mis à jour ? Pas d'après la date sur la fiche, mais d'après les avis du dernier mois.

Notes honnêtes sur nos données. La part d'avis négatifs (≤3.5★) sur Udemy est de 9,61 % pour Generative AI for Beginners et de 10,36 % pour le Complete AI Guide ; pour Prompt and Context Engineering 101 (la plus mauvaise note de notre échantillon, 4.31), elle est de ≥4,00 %. Sur Coursera, c'est 1,5–3,5 %. Autrement dit, l'écrasante majorité des élèves est satisfaite, et nous avons délibérément lu la minorité. Non pour prouver que les cours sont mauvais : un élève content écrit « excellent cours », alors qu'un élève mécontent nomme la leçon précise qui manquait. Deuxième réserve : le filtre par étoiles de Coursera fonctionne côté navigateur, donc les citations que nous avons pu atteindre viennent de la page par défaut que voit n'importe quel visiteur. Nous ne les avons pas pêchées au fond d'un filtre 1★ — mais nous ne pouvons pas non plus affirmer avoir vu tous les avis.

Et une réserve à notre sujet. Notre bac à sable a un plafond quotidien strict de lancements. Ce qui veut dire que la méthode ci-dessus compte plus que le bouton. Le bouton vous laisse voir la différence ; la méthode vous laisse réparer des prompts là où il n'y a pas de bouton — dans le chat de votre travail.

Ce qu'il faut retenir

La formule du prompt, c'est ce qui tient sur une diapositive, et c'est pour cela qu'on la vend à des millions de gens. Le débogage ne tient pas sur une diapositive, ne se vérifie pas sans modèle vivant dans la leçon, et c'est pour cela qu'on ne le vend presque nulle part — pendant que les élèves le demandent mot pour mot, avis après avis. Le trou du marché est exactement là, et c'est aussi le chemin le plus rapide pour devenir meilleur que la plupart des gens munis d'un certificat.

Retenez les quatre étapes : symptôme → diagnostic → une modification → comparaison. Et l'ordre des hypothèses : contexte, tâche, format, rôle. Commencez par les bases avec qu'est-ce qu'un prompt ; voyez ce qu'est devenu le marché de ce « métier » dans prompt engineer : combien ça paie et si le métier existe encore ; apprenez à prendre le modèle en flagrant délit d'invention dans les hallucinations de l'IA. Et si vous voulez la version systématique, avec des échecs disséqués exprès, il y a notre cours de prompt engineering.