Dernière revue :
Qu'est-ce qu'un pattern de prompting ? Définition et bon réflexe vs mauvais réflexe
Les patterns de prompting sont des conventions de formulation qui structurent un prompt pour orienter la sortie du modèle. Ils n'existent pas comme commandes natives du LLM, seulement comme guides du rédacteur. La distinction compte : aucun pattern ne déclenche de fonctionnalité, l'effet vient de la précision linguistique.
Vous avez peut-être croisé des graphiques listant 80 ou 90 « commandes Claude ». Ces commandes n'existent pas techniquement : le modèle Claude ne reconnaît aucune commande native (les slash-commands de Claude Code sont des fonctions de l'outil, pas du modèle). Il s'agit de patterns de prompting, conventions d'écriture qui structurent la requête sans déclencher de fonctionnalité spécifique côté modèle. La distinction compte. Un pattern n'est pas une instruction interprétée par le modèle comme une directive technique, c'est une convention linguistique appliquée par l'utilisateur pour clarifier son intention. La valeur réelle des patterns est cognitive : ils aident le rédacteur à structurer sa pensée avant de prompter (rôle, contexte, contraintes, raisonnement attendu), et statistiquement, des prompts mieux structurés produisent des sorties mieux ciblées. Pas de magie côté modèle, juste de la discipline d'écriture côté humain. La grille WYP retient 12 patterns récurrents sélectionnés pour leur utilité dirigeante : rôle assigné, contexte d'entrée, contraintes de sortie, chain-of-thought, few-shot, refus d'inventer, sources demandées, critique adversaire, reformulation, comparaison structurée, hypothèses listées, pré-mortem. Certains patterns vieillissent avec les modèles : sur les modèles Claude actuels, la documentation d'Anthropic recommande de s'appuyer sur la réflexion intégrée (adaptive thinking) plutôt que sur un chain-of-thought rédigé à la main, et conseille 3 à 5 exemples variés, balisés en XML.
Exemple concret
Cas illustratif. Une directrice générale d'ETI conseil (180 salariés) compare en 2026 deux approches de prompting sur 20 demandes successives à Claude (synthèses concurrentielles). Premier essai : prompts vagues du type « fais-moi un résumé du marché X ». Sortie moyenne jugée utile à 4/10 sur la grille interne. Second essai : application systématique de 4 patterns combinés (rôle assigné « analyste senior », contexte d'une page, contraintes de sortie trois colonnes plus 300 mots, un exemple de sortie attendue). Sortie moyenne 7,5/10 sur la même grille. Différence non liée au modèle (identique), uniquement à la discipline d'écriture. Temps de rédaction du prompt : 3 minutes au lieu de 30 secondes, soit 2 minutes 30 supplémentaires pour un gain de 87,5 % sur la note moyenne (de 4 à 7,5).
Questions fréquentes
Qu'est-ce qu'un pattern de prompting ?
C'est une convention de formulation qui structure un prompt pour orienter la sortie du modèle. Un pattern n'est pas une commande native du LLM ni une directive technique : c'est une convention linguistique appliquée par le rédacteur pour clarifier son intention.
Les 80 ou 90 commandes Claude des graphiques existent-elles vraiment ?
Non, elles n'existent pas techniquement : le modèle Claude ne reconnaît aucune commande native (les slash-commands de Claude Code sont des fonctions de l'outil, pas du modèle). Ce sont des patterns de prompting, des conventions d'écriture qui structurent la requête sans déclencher la moindre fonctionnalité côté modèle.
À quoi servent vraiment les patterns ?
Leur valeur est cognitive : ils aident le rédacteur à structurer sa pensée avant de prompter (rôle, contexte, contraintes, raisonnement attendu), et statistiquement, des prompts mieux structurés produisent des sorties mieux ciblées. Dans l'exemple d'une ETI conseil, passer de prompts vagues à quatre patterns combinés fait monter la qualité moyenne de 4 à 7,5 sur 10, à modèle identique.
Combien de patterns faut-il adopter ?
Cinq à huit patterns récurrents, industrialisés dans des templates partagés, pas une liste de 89 ingérable et à moitié redondante. Faites pratiquer chaque pattern au moins vingt fois par utilisateur : la discipline d'application prime sur le nombre de patterns connus.
Comment éviter le sur-prompting ?
Privilégiez les patterns à valeur cognitive (rôle, contexte, contraintes, exemples, refus d'inventer) sur les patterns décoratifs, et documentez les cas où chaque pattern est rentable et ceux où il n'apporte rien. Mesurez l'écart de qualité avant et après sur un échantillon de demandes réelles.
À voir aussi
Pour aller plus loin
Prompting best practices, documentation officielle Anthropic, 2026
Sources
- Prompting best practices, documentation officielle Anthropic, 2026. https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
- Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, Wei, Wang, Schuurmans, Bosma, Ichter, Xia, Chi, Le, Zhou, arXiv 2201.11903, 2022 (révisé janvier 2023). https://arxiv.org/abs/2201.11903
- Language Models are Few-Shot Learners, Brown et al., arXiv 2005.14165, 2020 (papier de référence GPT-3 introduisant le few-shot learning par prompting). https://arxiv.org/abs/2005.14165
- Guide d'ingénierie de prompts, documentation OpenAI, 2026. https://developers.openai.com/api/docs/guides/prompt-engineering
- Commandes slash de Claude Code, documentation Anthropic. https://code.claude.com/docs/en/slash-commands