Le prompt engineering relève d'abord de la délégation

Beaucoup de managers abordent le prompt engineering comme une compétence technique, avec ses formules à retenir et ses modèles à copier. Le marché les y a encouragés. En 2023, des entreprises proposaient des salaires à six chiffres pour des postes d'« AI whisperer », littéralement de chuchoteur d'IA, rappelle Ethan Mollick, professeur de management à la Wharton School, dans Co-Intelligence. Il ajoute aussitôt qu'il ne croit pas la discipline si compliquée (« I don't think prompt engineering is so complicated »).

Le manager aborde pourtant la question avec un avantage qu'il sous-estime. Rédiger une consigne pour une IA mobilise les gestes de la délégation. Il les pratique depuis des années sous un autre nom, quand il confie un dossier à un collaborateur qui n'en connaît pas l'histoire.

Qu'est-ce que le prompt engineering ?

Le prompt engineering désigne les méthodes qui servent à rédiger et à organiser les instructions données à un modèle de langage pour en obtenir le meilleur résultat. La définition est celle d'Anthropic, l'éditeur de Claude, dans un billet de septembre 2025 consacré à ce qu'il appelle désormais l'ingénierie du contexte.

Le mot « engineering » intimide. Il évoque des balises, des syntaxes et des recettes réservées aux spécialistes. Une part de ce savoir existe bel et bien, utile aux développeurs qui bâtissent des applications sur un modèle. Pour qui se sert d'un assistant au quotidien, l'essentiel tient dans une consigne écrite pour quelqu'un qui ne connaît pas le dossier.

L'IA ressemble à un stagiaire très rapide qui ne connaît pas la maison

Mollick le dit à sa manière. Il propose d'imaginer l'IA en stagiaire infiniment rapide, désireux de plaire mais enclin à arranger la vérité (« an infinitely fast intern, eager to please but prone to bending the truth »). Pour sortir des réponses génériques, son conseil le plus simple consiste à fournir du contexte et des contraintes. Un manager reconnaît là le premier entretien avec un nouvel arrivant.

Pourquoi un bon prompt ressemble-t-il à une consigne de délégation ?

Les deux comblent le même manque, celui d'un exécutant compétent qui ignore ce que sait la personne qui lui confie le travail. Le problème est ancien. Les outils lui donnent seulement une nouvelle actualité.

Andrew S. Grove, ingénieur et ancien PDG d'Intel, l'a décrit en 1983 dans High Output Management. Celui qui délègue et celui qui reçoit la délégation doivent partager une base d'information commune et une même façon d'aborder les problèmes. Grove note que cette condition est souvent négligée (« frequently not met »). Sans ce socle partagé, le délégataire ne devient un relais efficace qu'avec des instructions détaillées, ce qui reprend au manager le temps qu'il comptait gagner.

Les éditeurs de modèles décrivent la même difficulté avec leurs mots. Le guide de rédaction d'Anthropic demande de considérer le modèle comme un employé brillant mais nouveau à qui manquent les normes et les habitudes de travail de l'équipe. Sa règle d'or ressemble à un test de management. Elle consiste à montrer la consigne à un collègue qui connaît peu la tâche et à lui demander de la suivre. S'il hésite, le modèle hésitera aussi.

Le même éditeur nomme l'erreur inverse dans son billet sur l'ingénierie du contexte. Il y décrit des consignes vagues qui supposent à tort un contexte partagé (« falsely assumes shared context »). La condition posée par Grove quarante ans plus tôt s'y retrouve presque mot pour mot.

Quelles formules de prompt ont vieilli depuis 2023 ?

Les recettes à formules ont le plus mal vieilli. Être poli avec le modèle, lui promettre un pourboire, le menacer ou lui dire qu'il est un expert passaient en 2023 pour des astuces sûres. Testées sur des questions difficiles à réponse vérifiable, aucune ne produit d'effet constant.

Depuis mars 2025, une équipe de la Wharton School dont fait partie Ethan Mollick publie une série de courts rapports, les Prompting Science Reports. Leur objectif déclaré est d'aider les dirigeants à comprendre par des tests rigoureux comment travailler avec l'IA. Les quatre premiers portent sur des formules très répandues.

Ces résultats prolongent ce que Mollick écrivait lui-même dans Co-Intelligence, paru en 2024. Il y présentait déjà le rôle attribué au modèle comme un moyen d'ajuster le ton et la direction d'une réponse, sans rien de magique (« This isn't magical »). Le quatrième rapport ne dit pas autre chose quand il précise que ses mesures portent sur l'exactitude et que le rôle peut servir à d'autres fins, comme le ton. Mollick tenait aussi le talent pour le prompt pour un état passager et prévoyait que la consigne perdrait bientôt de son importance (« Prompting is not going to be that important for that much longer »).

La consigne compte encore sur les tâches au but clair

Une étude conduite par Eaman Jahani et ses coauteurs nuance ce déclin. Mise en ligne en 2024 et révisée en janvier 2026, elle a suivi 3 750 participants qui ont soumis près de 37 000 consignes sur deux tâches préenregistrées. Sur la tâche au but net et aux critères d'évaluation fixes, l'ajustement des consignes par les utilisateurs explique environ la moitié du gain apporté par un nouveau modèle. Sur la tâche créative ouverte, le gain vient surtout du modèle.

La même étude observe que la réécriture automatique des consignes ne remplace pas cet ajustement humain. Elle améliore un peu le résultat quand elle sert l'objectif de la tâche et peut le dégrader quand elle s'en écarte. Les formules s'usent avec les modèles. La capacité à dire clairement ce qu'on attend d'un travail dont on connaît le but garde sa valeur.

Que reste-t-il quand les formules s'effacent ?

Restent le contexte, le bon niveau de détail et la vérification. Le management connaît ces trois gestes de longue date. L'IA les rend seulement plus visibles, parce qu'une consigne ratée se voit en quelques secondes.

Le contexte est devenu le cœur du sujet

Anthropic présente l'ingénierie du contexte comme la suite naturelle du prompt engineering (« the natural progression of prompt engineering »). Le terme désigne tout ce qui entre dans le champ de travail du modèle au moment où il répond, consignes, documents, historique des échanges, outils disponibles. Le bon contexte, selon le même billet, est le plus petit ensemble d'informations utiles qui rend le résultat voulu le plus probable. Pour un manager, la transposition est immédiate. Ce que le délégataire peut consulter compte autant que ce qu'on lui dit, à condition de trier ce qu'on lui donne.

Le niveau de détail se règle entre microgestion et flou

Le billet d'Anthropic décrit deux pentes. D'un côté, des consignes qui figent dans le texte une logique complexe et fragile pour obtenir un comportement exact. De l'autre, des orientations vagues qui laissent le modèle deviner l'attendu. Le manager y reconnaît la microgestion qui dicte chaque geste et la délégation floue qui revient sur son bureau. Le bon réglage, d'après l'éditeur, est assez précis pour guider et assez souple pour laisser au modèle de solides repères.

OpenAI formule la même idée en termes d'expérience. Son guide compare un modèle à raisonnement à un collègue expérimenté à qui l'on peut confier un but en lui laissant les détails. Un modèle GPT classique ressemble plutôt à un débutant qui donne le meilleur de lui-même avec des instructions explicites. Grove appelait ce réglage la maturité relative à la tâche, une notion issue du management situationnel qui adapte le style du manager à l'autonomie de chacun. Le style efficace dépend de la maturité de la personne sur cette tâche précise. Son âge et son ancienneté n'entrent pas en compte.

La vérification reste l'affaire de celui qui délègue

Grove le dit sans détour, « delegation without follow-through is abdication » (déléguer sans suivre revient à abdiquer). Celui qui délègue reste responsable du résultat. Pour suivre sans s'ingérer, Grove conseillait de relire les brouillons plutôt que les versions finales, afin de découvrir un problème de fond avant que le travail ne soit poli. Le conseil vaut mot pour mot face à une IA capable de livrer en quelques secondes un texte d'apparence achevée. Vérifier coûte plus cher que produire à l'ère de l'IA. Ce coût se prévoit dès la consigne.

Comment rédiger une consigne de délégation pour une IA ?

Une bonne consigne répond à six questions qu'un manager se pose déjà avant de confier un dossier. Leur ordre importe moins que leur présence. Une consigne qui en oublie une renvoie souvent le travail à son auteur.

1. Le résultat attendu. Quel livrable, sous quelle forme, pour quel lecteur et pour quel usage ? Une note pour un comité de direction ne s'écrit pas comme un courriel à l'équipe.
2. Le contexte manquant. Que sait-on du dossier que l'outil ne peut pas deviner, son historique, ses contraintes, le vocabulaire de la maison ? Joindre les documents vaut mieux que les résumer de mémoire.
3. Les critères de réussite. À quoi reconnaîtra-t-on un bon résultat ? Les écrire avant de lire la réponse évite de se laisser convaincre par un texte bien tourné.
4. Les limites et le niveau d'autonomie. Ce que l'outil ne doit pas faire, ce qu'il peut trancher seul, ce qu'il doit soumettre. Les sept niveaux de délégation du Delegation Poker aident à poser ce curseur avec une équipe.
5. Le premier jet. Demander un plan ou un brouillon avant le livrable complet, comme Grove conseillait de relire les brouillons avant la version finale.
6. Le retour. Dire ce qui ne va pas avec la précision qu'on doit à un collaborateur, puis garder la consigne corrigée pour la fois suivante.

Ces six questions s'appliquent à une conversation avec un assistant comme à la fiche de mission d'un agent qui travaille sans surveillance continue. Plus l'outil agit seul, plus les limites et le niveau d'autonomie pèsent lourd dans la consigne.

Faut-il former les managers au prompt engineering ?

Oui, à condition de les former à la délégation écrite au lieu d'un catalogue de formules. Une formation bâtie sur les formules enseigne ce qui périme le plus vite, les rapports de la Wharton School montrant qu'aucune ne tient de façon constante d'un modèle à l'autre.

Ce qui dure se travaille sur des cas réels. Apprendre à l'ère de l'IA demande de pratiquer et de se tromper, chaque participant rédigeant ses propres consignes sur ses propres dossiers. Le cadre européen va dans le même sens. Le règlement européen attend des entreprises des mesures pour développer la maîtrise de l'IA et cette maîtrise, telle qu'il la définit, vise un déploiement en connaissance de cause et la conscience des possibilités et des risques de l'IA, sans mention des prompts.

Grove donne un repère pour l'ordre de passage. Il recommandait de déléguer en priorité ce qu'on connaît le mieux, parce qu'on sait alors en contrôler le résultat. Appliqué à l'IA, le conseil invite à commencer par les tâches qu'on maîtrise, celles dont on juge la qualité d'un coup d'œil. Choisir ce qu'on confie et ce qu'on garde rejoint les deux façons de travailler avec l'IA que Mollick appelle le centaure et le cyborg.

La consigne isolée n'est que le premier pas. La suite est décrite dans les six paliers de maturité qui mènent les systèmes IA du prompt au graphe. Quand l'IA prend la forme d'agents capables d'agir, manager à l'ère des agents IA revient à cadrer et vérifier leur travail, avec les mêmes gestes à une autre échelle.

D'où je parle

Je travaille le sujet des agents IA depuis 2024. Dès 2020, je travaillais sur les robots logiciels, ancêtres des agents IA. Je supervise aujourd'hui des Product Owners dont une partie du travail passe par des agents, depuis début 2025. Je fais aussi travailler des agents spécialisés, chacun sur un périmètre défini et sur une base de connaissance que j'ai validée moi-même, avec une rétrospective régulière tirée de leurs traces d'exécution. Je l'applique à mon propre travail.