Formation prompt engineering : programme et résultats attendus

Une formation prompt engineering utile apprend deux gestes : rédiger une consigne comme un cahier des charges, puis vérifier ce que le modèle rend sur une série de cas tirés du vrai travail. Les listes de formules et les « 100 prompts à copier » vieillissent à chaque nouvelle version de modèle. Ces deux gestes restent valables d'un outil à l'autre, et ce sont eux qui produisent un résultat mesurable.

Une expérience menée en 2023 par une équipe de chercheurs, dont plusieurs de la Harvard Business School, avec le Boston Consulting Group mesure à la fois ce que l'IA apporte et ce qu'elle coûte quand on lui confie la mauvaise tâche. Selon le résumé du document de travail publié par la Harvard Business School, 758 consultants ont été répartis en trois groupes : sans IA, avec GPT-4, et avec GPT-4 précédé d'une présentation du prompt engineering. Sur 18 tâches réalistes situées dans le champ de compétence du modèle, les participants équipés ont réalisé 12,2 % de tâches en plus, 25,1 % plus vite, avec une qualité significativement meilleure. Sur une tâche de gestion choisie hors de ce champ, ceux qui utilisaient l'IA étaient 19 % moins susceptibles de produire une solution correcte que ceux qui travaillaient sans.

Pour nous, ce second chiffre dit ce qu'une formation doit traiter en priorité. Bien écrire une consigne fait gagner du temps là où le modèle est fiable. Reconnaître les tâches où il se trompe avec aplomb évite de reperdre ce temps, et parfois bien davantage. Cette page s'adresse au dirigeant, au responsable formation ou au manager qui doit choisir ou monter une formation au prompt engineering. Elle donne le programme que nous recommandons, les résultats qu'on peut raisonnablement en attendre et la manière de les mesurer six semaines après.

Ce qu'une formation prompt engineering doit apprendre en 2026

Une formation au prompt engineering doit apprendre à décrire une tâche sans ambiguïté et à juger le résultat, parce que les guides d'OpenAI et d'Anthropic insistent sur la clarté de la consigne, et celui d'Anthropic sur des critères de réussite testables. Les astuces de formulation qui circulaient en 2023 ont mal vieilli. Le guide d'OpenAI sur les modèles de raisonnement indique que demander au modèle de « réfléchir étape par étape » peut ne rien améliorer, et parfois dégrader la réponse, puisque ces modèles raisonnent déjà en interne. Le même guide conseille des consignes simples et directes, et d'essayer d'abord sans exemples avant d'en ajouter.

Anthropic arrive au même endroit par un autre chemin. Sa documentation sur le prompt engineering pose trois prérequis avant toute technique : une définition claire des critères de réussite, un moyen de tester la consigne contre ces critères, et un premier brouillon à améliorer. Elle précise aussi que tous les problèmes ne se règlent pas par la consigne, et qu'un changement de modèle améliore parfois plus facilement le coût ou la latence. Une formation qui enseigne des techniques avant d'avoir fixé ce qu'on attend du modèle prend donc le sujet à l'envers.

Le vocabulaire bouge aussi. En septembre 2025, l'équipe d'ingénierie d'Anthropic a publié un article sur le context engineering, qui décrit un déplacement : construire avec un modèle consiste de moins en moins à trouver les bons mots, et de plus en plus à choisir les informations qu'on lui fournit. L'article vise les agents, mais nous en tirons une conséquence pratique pour un salarié qui utilise un assistant : soigner les documents joints, les exemples donnés et les contraintes expliquées rapporte davantage que polir la tournure de la demande.

Ce qui reste à enseigner tient en peu de choses : l'objectif, le contexte, les contraintes accompagnées de leur raison, le format de sortie, des exemples quand ce format est difficile à décrire, et une vérification systématique. Le détail de ces techniques, avec des exemples, figure dans notre guide pratique du prompt engineering. La formation sert à les faire pratiquer sur le travail réel de chacun, assez longtemps pour qu'elles deviennent un réflexe.

Le programme en quatre modules que nous recommandons

Nous recommandons quatre modules courts, la consigne, les sources, le test et les limites, tous travaillés sur trois tâches que chaque participant apporte de son poste, par exemple un compte rendu, une réponse client type et une synthèse de documents. Travailler sur les exemples du formateur donne de belles démonstrations et peu de réemploi. Le lendemain, la personne retrouve ses propres dossiers, qui ne ressemblent à aucun exemple du support.

Le premier module apprend à écrire la consigne. Chacun reprend une demande qu'il fait déjà à un assistant et la réécrit en précisant l'objectif, le destinataire, le format attendu et les contraintes, avec la raison de chaque contrainte. Le deuxième module porte sur les sources : quels documents joindre, comment séparer les instructions du contenu, quand fournir un exemple, et comment demander au modèle de citer le passage sur lequel il s'appuie. C'est aussi là qu'on fixe ce qu'on n'a pas le droit de coller dans un outil grand public.

Le troisième module, le plus souvent absent des catalogues, apprend à tester une consigne sur une série de cas et à comparer deux versions. Le quatrième traite des limites : les tâches où le modèle se trompe avec assurance, les vérifications à faire avant d'envoyer, et ce qui ne se délègue pas. Il s'appuie sur la charte d'usage de l'entreprise quand elle existe, et en pose une première version sinon.

Sur le format, nous préférons deux demi-journées espacées d'une à deux semaines à une journée d'affilée. Entre les deux, chaque participant applique ses consignes à son travail et revient avec ce qui a raté, et c'est cette matière qui rend la seconde séance utile. Les groupes gagnent à être homogènes par métier : six à huit personnes qui font le même type de tâches peuvent comparer leurs consignes, ce qui devient impossible dans une salle qui mélange la comptabilité, le commercial et le juridique. C'est la même logique que suit notre coaching individuel IA, qui part d'une tâche réelle du participant plutôt que d'un support standard.

Évaluer ses prompts : le module que les catalogues oublient

Évaluer une consigne revient à la faire tourner sur quinze à vingt cas réels, à noter chaque réponse selon trois ou quatre critères fixés à l'avance, et à compter ce qui passe. Sans ce module, le participant juge sa consigne sur deux ou trois essais réussis, puis découvre ses défauts plus tard, devant un client. La documentation d'Anthropic sur les critères de réussite décrit ce cycle comme central : définir des critères précis et mesurables, constituer des cas de test sans oublier les cas limites, puis comparer chaque version de la consigne à la précédente.

Pour une équipe non technique, un tableur suffit. Une ligne par cas, avec la demande réelle, le document fourni, ce qu'une bonne réponse doit contenir et le verdict. Les critères restent concrets : le montant est-il juste, la réponse cite-t-elle la bonne clause, le ton convient-il à un client mécontent, la longueur tient-elle dans un message. Quand quelqu'un modifie la consigne, il relance les vingt cas et compare le nombre de réponses utilisables sans retouche. Un changement qui améliore trois cas et en casse deux devient visible, alors qu'il passerait inaperçu sur un essai isolé.

Nous appliquons la même discipline à nos propres outils. Dans notre fabrique d'articles, une règle importante ne repose jamais sur la seule consigne. L'obligation d'écrire avec les accents français, par exemple, est doublée d'un contrôle automatique qui compte les voyelles accentuées et refuse la publication quand elles tombent sous 2 % des voyelles du texte. Les tirets cadratins et les formules creuses passent par le même type de contrôle. Une consigne bien écrite réduit les erreurs, un test les attrape avant qu'elles ne partent.

Ce module change aussi la conversation avec la direction. Une équipe formée sait dire, par exemple, « notre consigne de réponse aux réclamations donne 17 réponses utilisables sur 20 », au lieu de « l'IA fonctionne plutôt bien ». Ce chiffre se suit dans le temps, se compare après un changement de modèle et sert de base pour décider d'automatiser davantage. C'est aussi la condition pour passer plus tard à une évaluation automatisée, quand le volume dépasse ce qu'une personne peut relire.

Quels résultats attendre, chiffres à l'appui

Les études disponibles mesurent l'effet de l'accès à un outil d'IA, pas celui d'une formation : +14 % de demandes résolues par heure dans un service client, +12,2 % de tâches réalisées dans l'expérience de Harvard, et une baisse de la réussite sur une tâche hors du champ du modèle. Ce sont les ordres de grandeur que l'usage peut atteindre, et la formation sert à s'en approcher sans payer le prix des erreurs. La première étude porte sur le support client. Erik Brynjolfsson, Danielle Li et Lindsey Raymond ont suivi 5 179 agents dont l'accès à un assistant d'IA générative a été déployé progressivement. Le nombre de demandes résolues par heure a augmenté de 14 % en moyenne, et de 34 % chez les agents débutants ou peu qualifiés, avec un effet minime chez les plus expérimentés. L'étude a été publiée en 2025 dans le Quarterly Journal of Economics.

Nous en tirons une conséquence directe pour l'organisation d'une formation. Les experts du métier gagneront peu de temps personnellement, alors que ce sont eux qui savent écrire les critères de réussite et reconnaître une réponse fausse. Ils doivent donc passer en premier, et rédiger les consignes que les nouveaux utiliseront. Une entreprise qui ne forme que les volontaires, souvent les plus à l'aise avec l'outil, laisse filer la plus grosse part du gain.

L'expérience de Harvard et du Boston Consulting Group fixe l'autre colonne du bilan. Les gains de 12,2 % en volume et de 25,1 % en vitesse n'ont été mesurés que sur les tâches que le modèle sait faire. Sur la tâche placée hors de son champ, l'usage de l'IA a fait baisser le taux de solutions correctes. Un bilan sérieux compte donc deux choses : le temps gagné, et les erreurs du modèle repérées avant de partir chez un client.

À six semaines, les livrables attendus se vérifient sans peine. Chaque participant utilise au moins trois consignes écrites pendant la formation, le service dispose d'un jeu de cas de test par usage principal, et une liste écrite dit ce qu'on ne confie pas au modèle. L'indicateur le plus parlant reste la part de réponses utilisables sans réécriture sur le jeu de test, mesurée avant la formation puis six semaines après. Le temps gagné se mesure ensuite sur une semaine type, tâche par tâche, plutôt qu'à l'impression des participants, qui varie avec l'humeur du jour. Comme pour tout projet d'IA, la mesure de départ se prend avant de commencer, ce que nous détaillons dans notre article sur le ROI de l'IA en entreprise.

Un même intitulé, quatre publics différents

L'expression « prompt engineering » recouvre quatre publics qui n'appellent pas le même programme : les utilisateurs quotidiens d'un assistant, les rédacteurs de consignes partagées, les équipes qui construisent des agents et les managers. Les usages se sont par ailleurs diffusés plus vite que les formations. Dans le Work Trend Index publié par Microsoft et LinkedIn en mai 2024, 75 % des travailleurs du savoir interrogés déclaraient utiliser l'IA au travail, et seuls 39 % des utilisateurs avaient reçu une formation de leur entreprise. Dans la plupart des entreprises, une partie des salariés a donc déjà des habitudes, bonnes ou mauvaises, et la formation doit partir de là.

Le premier public utilise un assistant pour écrire, résumer et chercher. Il a besoin des modules sur la consigne, le test et les limites, sans jargon. Le deuxième rédige des consignes que d'autres réutiliseront : modèles de réponses pour le support, trames de comptes rendus, assistants internes configurés pour un service. Pour lui, le module d'évaluation devient central, puisqu'une consigne partagée multiplie ses défauts par le nombre de personnes qui s'en servent.

Le troisième public construit des agents ou des intégrations. Il lui faut en plus la gestion du contexte et des outils, le suivi des versions de modèle, et la défense contre l'injection de prompt, qui permet à un document ou à un e-mail piégé de détourner les consignes d'un agent. Le quatrième public, les managers, a surtout besoin d'une heure sur la frontière entre ce que le modèle fait bien et ce qu'il rate, pour savoir quoi exiger de leurs équipes et quoi vérifier eux-mêmes.

Choisir une formation : certification, financement et signaux d'alerte

Au 3 novembre 2026, aucune certification active des répertoires nationaux (RNCP et RS) ne porte le mot « prompt » dans son intitulé, ce qui oblige à juger une offre sur son programme plutôt que sur un label. Nous avons téléchargé le 3 novembre 2026 l'export officiel de France Compétences publié sur data.gouv.fr. Sur 6 558 fiches actives, au RNCP comme au Répertoire spécifique, aucune ne mentionne le prompt dans son titre. Le seul bloc de compétences qui en parlait appartenait à un titre de community manager dont l'enregistrement a pris fin le 18 octobre 2026, remplacé depuis par un titre de social media manager.

Le compte personnel de formation finance, pour ce type de besoin, une formation certifiante, c'est-à-dire menant à une certification professionnelle reconnue, et plafonne depuis le 26 février 2026 à 1 500 € les droits utilisables pour une certification du Répertoire spécifique. Une offre de formation au prompt engineering présentée comme finançable par le CPF se rattache donc à une certification plus large, sur l'IA générative ou sur un métier. Demandez le code RNCP ou RS et lisez la fiche, qui dit quelles compétences sont réellement évaluées. La certification Qualiopi, exigée depuis le 1er janvier 2022 de tout organisme qui veut accéder aux fonds publics ou mutualisés, porte sur l'organisme et ne garantit pas le contenu d'une formation donnée. Notre article sur les certifications IA du répertoire national détaille ces niveaux de garantie.

Plusieurs signaux d'alerte se repèrent dès la lecture du programme :

• le livrable principal est une bibliothèque de prompts à copier ;
• aucun exercice ne porte sur les tâches des participants ;
• le programme ne prévoit ni test ni comparaison de consignes ;
• les techniques enseignées sont liées à une version d'outil présentée comme durable ;
• la formation promet un titre de « prompt engineer » sans code RNCP ou RS.

Trois questions suffisent ensuite pour départager deux offres. Sur quels documents les participants travailleront-ils ? Comment le formateur mesure-t-il le résultat après la session ? Que se passe-t-il quand l'entreprise change d'outil ou de modèle ? Un organisme sérieux répond aux trois avec des exemples tirés de ses sessions. Un organisme qui vend un catalogue répond par une liste de modules.

Former en interne, acheter une session ou se faire accompagner

Une entreprise qui compte déjà deux ou trois utilisateurs avancés peut monter le programme en quatre modules en interne ; sans référent, un accompagnement court sur les tâches réelles revient moins cher qu'une session catalogue dont personne ne réutilise le support. En interne, le travail tient en trois étapes. Le référent choisit les trois usages les plus fréquents du service, construit pour chacun un jeu d'une vingtaine de cas, puis anime les deux demi-journées en partant de ces cas. Le coût réel est le temps du référent, souvent sous-estimé, et la rigueur du bilan à six semaines.

Acheter une session inter-entreprises a du sens pour une personne isolée qui doit découvrir les bases avant de les diffuser en interne. Pour une équipe, le format intra, sur les documents de l'entreprise, donne presque toujours un meilleur réemploi. Le choix dépend aussi de la sensibilité des données : travailler sur de vrais dossiers clients suppose un outil validé par l'entreprise et des règles claires sur ce qu'on peut y déposer. Notre article sur la façon de former ses équipes à l'IA traite la question à l'échelle de toute l'entreprise, au-delà du seul prompt engineering.

Chez Noxcod, le coaching individuel IA est animé par Dominique Silvestre, fondateur de l'agence. Il part d'une tâche réelle et travaille la formulation de la demande, le choix des sources et la vérification des réponses, en visio et sur rendez-vous. Sa fiche l'affiche à partir de 120 € HT de l'heure au 3 novembre 2026. Si votre besoin porte sur une équipe entière, ou si vous hésitez entre ces options, le plus rapide est de planifier un appel pour en parler à partir de vos cas concrets.

Questions fréquentes

Combien de temps dure une formation prompt engineering utile ?

Comptez deux demi-journées espacées d'une à deux semaines pour un public qui utilise un assistant au quotidien, puis une courte séance de bilan six semaines plus tard. Pour une équipe qui rédige des consignes partagées ou construit des agents, ajoutez une à deux journées centrées sur l'évaluation et la sécurité. Au-delà, le temps passé en salle compte moins que la pratique entre les séances, sur des tâches réelles.

Faut-il savoir coder pour suivre une formation au prompt engineering ?

Non, pour un usage bureautique. Rédiger une consigne, joindre les bons documents et tester sur un tableur ne demandent aucune compétence en programmation. Le code devient utile quand on intègre un modèle dans une application ou un agent : appels d'API, gestion des versions, automatisation des tests. Dans ce cas, le prompt engineering se combine avec des notions de développement, et le programme doit le prévoir explicitement.

Une formation prompt engineering est-elle finançable par le CPF ?

Pour ce type de formation, le CPF finance une formation certifiante, qui prépare à une certification enregistrée au RNCP ou au Répertoire spécifique. Au 3 novembre 2026, aucune fiche active ne porte le mot « prompt » dans son intitulé : une offre éligible se rattache donc à une certification plus large, sur l'IA générative ou sur un métier. Demandez le code de la fiche à l'organisme et vérifiez sur le site de France Compétences qu'elle est toujours active.

Les techniques apprises resteront-elles valables avec les prochains modèles ?

Les formules toutes faites, probablement pas : OpenAI déconseille déjà certaines d'entre elles pour ses modèles de raisonnement. Les compétences de fond résistent mieux. Décrire précisément l'objectif, fournir le bon contexte et tester une consigne sur un jeu de cas restent utiles quel que soit le modèle. Le jeu de test sert justement à vérifier qu'une consigne fonctionne encore après un changement de version, avant que les utilisateurs ne découvrent la différence.

Comment vérifier, six semaines après, que la formation a servi ?

Relancez le jeu de test constitué pendant la formation et comparez la part de réponses utilisables sans retouche avec la mesure de départ. Vérifiez ensuite que les consignes écrites en séance sont réellement utilisées, et que la liste des tâches à ne pas confier au modèle existe et circule dans l'équipe. Si aucun de ces trois éléments n'est en place, le seul effet mesurable de la formation reste la satisfaction exprimée le jour même.