Clarté et précision

Première technique du répertoire, et la plus rentable à l’effort : la clarté. La première ligne de votre prompt est la partie la plus importante de toute votre requête — c’est elle qui donne le ton pour la suite, cadre l’interprétation du modèle avant même qu’il ait lu vos détails, et la soigner peut améliorer radicalement vos résultats. Un modèle ne demande jamais de précisions : face au flou, il choisit une interprétation, et rien ne garantit que ce soit la vôtre.

Deux principes fondamentaux

Clarté

Être « clair » signifie :

• Utiliser un langage simple que tout le monde comprend
• Énoncer exactement ce que vous voulez sans tourner autour du pot
• Commencer par une déclaration directe de la tâche de Claude

Mesurez l’écart sur un exemple. Au lieu d’écrire quelque chose de vague comme « J’aimerais savoir à propos de ces trucs qu’on met sur les toits, les panneaux solaires je crois », soyez direct : « Écrivez trois paragraphes expliquant le fonctionnement des panneaux solaires. » La première version impose au modèle un travail de décodage — deviner l’objet réel, le niveau attendu, la forme souhaitée — et chaque inconnue est une occasion de répondre à côté. La seconde ne laisse aucune inconnue : objet nommé, format chiffré, angle fixé.

Précision

Être « direct » concerne la structure de votre requête :

• Utilisez des instructions, pas des questions
• Commencez par des verbes d’action directs : « Écrivez », « Créez », « Générez »

Une question ouverte délègue au modèle le choix de la forme de sa réponse ; une instruction la prescrit. Au lieu de demander « J’ai lu sur les énergies renouvelables et la géothermie a l’air cool. Quels pays l’utilisent ? », essayez : « Identifiez trois pays utilisant l’énergie géothermique. Incluez les statistiques de production pour chacun. » La reformulation évacue le bavardage de contexte, fixe le nombre de pays et exige les statistiques — chaque mot restant est une consigne, plus une anecdote.

Application pratique

Revenons au prompt du plan alimentaire, celui que notre pipeline d’évaluation notait sévèrement. En partant du prompt faible « Que devrait manger cette personne ? », on applique la clarté et la précision :

Version améliorée : « Générez un plan alimentaire d’une journée pour un athlète qui respecte ses restrictions alimentaires. »

Cette révision dit immédiatement à Claude :

• Quelle action effectuer (générer)
• Quoi créer (un plan alimentaire)
• Les contraintes clés (une journée, pour un athlète, en tenant compte des restrictions)

Remarquez ce que la révision n’a pas fait : aucune connaissance nutritionnelle ajoutée, aucun exemple, aucune règle métier. Seule la formulation de la demande a changé — c’est un pur gain de rédaction.

L’impact mesuré

Et ce gain se chiffre : ce simple changement a fait passer le score d’évaluation de 2,32 à 3,92 — une amélioration substantielle juste en restructurant la première ligne. C’est ici que le pipeline d’évaluation de la section précédente prouve sa valeur : sans lui, « le prompt semble mieux marcher » serait une impression ; avec lui, c’est un fait mesuré, comparable, reproductible. Le score reste loin du plafond, et c’est attendu — la clarté cadre la demande, les techniques suivantes cadreront le contenu de la réponse.

Le point clé de toute la leçon : Claude répond mieux quand vous le traitez comme un assistant compétent qui a besoin de directions claires, plutôt que comme quelqu’un qui doit deviner ce que vous voulez. La compétence est déjà dans le modèle ; votre travail est de lever l’ambiguïté qui l’empêche de s’exprimer.

Points clés à retenir

• La première ligne du prompt cadre tout : commencez par une déclaration directe de la tâche
• Clarté = langage simple et demande explicite ; chaque flou sera tranché par le modèle, pas par vous
• Précision = instructions plutôt que questions, verbes d’action en tête
• Résultat mesuré sur le plan alimentaire : 2,32 → 3,92 par la seule reformulation
• Traitez Claude en assistant compétent à diriger clairement, pas en devin