Structurer ses Instructions

Pourquoi la structure compte

Un prompt bien structuré n’est pas un luxe — c’est une nécessité. Les modèles Mistral sont entraînés sur des volumes massifs de texte structuré : documentation technique, articles, code source. Ils comprennent et respectent d’autant mieux vos instructions que celles-ci sont clairement organisées, parce que cette organisation ressemble à ce qu’ils ont vu des milliards de fois pendant leur entraînement.

Imaginez que vous donniez des consignes orales à un collègue en mélangeant tout : la deadline au milieu d’une anecdote, le format attendu glissé en fin de phrase, le contexte livré après la consigne. Le résultat serait confus, et votre collègue devrait deviner ce qui compte. Il en va exactement de même avec un modèle de langage : la structure de votre prompt détermine la clarté de l’interprétation. Cette leçon vous donne deux outils de structuration — le Markdown et les tags XML — puis une grille de sections pour organiser n’importe quel prompt complexe.

Markdown : le standard naturel

Le Markdown est le format de structuration le plus efficace avec les modèles Mistral, et cela pour trois raisons qui se renforcent mutuellement. Il est d’abord lisible : facile à écrire et à relire pour vous, ce qui compte quand un prompt vit et évolue dans une application. Il est ensuite familier au modèle : le Markdown est massivement présent dans les données d’entraînement, si bien que ses conventions sont comprises sans effort. Enfin, il se parse naturellement : le modèle identifie clairement les hiérarchies de titres, les listes et les blocs de code, et en déduit l’importance relative de chaque section.

Voici ce que cela donne sur un cas concret d’analyse concurrentielle :

# Tâche
Rédigez un rapport d'analyse concurrentielle.

## Contexte
Entreprise : TechCorp, SaaS B2B, marché français
Concurrents principaux : AlphaSoft, BetaCloud, GammaTech

## Format attendu
Pour chaque concurrent, fournissez :
- **Forces** : 3 points maximum
- **Faiblesses** : 3 points maximum
- **Positionnement prix** : bas / moyen / premium

## Contraintes
- Maximum 800 mots
- Ton professionnel et factuel
- Pas de recommandations stratégiques (uniquement l'analyse)

Ce prompt utilise des titres (#, ##) pour séparer les sections, du gras pour les éléments clés et des listes à puces pour les détails. Le modèle comprend immédiatement la hiérarchie : la tâche d’abord, puis le décor, puis la forme, puis les garde-fous. Vous pourriez transmettre ce même document à un collaborateur humain sans changer un mot — c’est bon signe.

Les tags XML : précision maximale

Le Markdown organise ; les tags XML délimitent. Quand vous devez isoler sans ambiguïté des blocs de données ou d’instructions — typiquement quand votre prompt mélange des consignes et un texte à traiter —, les tags XML sont particulièrement efficaces :

<instructions>
Analysez le texte fourni et extrayez les entités nommées.
Catégorisez-les en : personnes, organisations, lieux.
</instructions>

<format>
Retournez le résultat en JSON avec la structure :
{"personnes": [], "organisations": [], "lieux": []}
</format>

<texte>
Le président Macron a rencontré la directrice de l'OMS à Genève
pour discuter de la stratégie sanitaire européenne.
</texte>

L’intérêt est que le modèle sait exactement où commence et où finit chaque section. Si le texte à analyser contenait lui-même une phrase ressemblant à une instruction — « extrayez la liste des participants », par exemple —, les balises empêcheraient le modèle de la confondre avec vos consignes. C’est cette étanchéité entre instructions et données qui fait la valeur du XML dans les prompts de production.

Les sections essentielles d’un prompt structuré

Quel que soit le format choisi, un prompt complexe s’organise autour des mêmes sections. La première, et la seule obligatoire, est la tâche : énoncez toujours clairement ce que vous attendez, dès le début. « Tâche : Traduisez le texte suivant du français vers l’anglais en conservant le registre formel » ne laisse aucun doute sur la mission.

Vient ensuite le contexte, quand il est nécessaire : les informations de fond que le modèle ne peut pas deviner. Si vous travaillez pour une startup fintech qui développe une application de gestion budgétaire pour les particuliers en France, dites-le — sans cette précision, le modèle rédigera pour un public générique et vous devrez tout reprendre.

Troisième section, les règles, qui cadrent le comportement : listez explicitement ce que le modèle doit et ne doit pas faire. Par exemple : utiliser le vouvoiement, ne pas mentionner de marques concurrentes, produire des paragraphes de 50 à 100 mots. Chaque règle écrite est une correction que vous n’aurez pas à faire à la main.

Quatrième section, le format de sortie : décrivez exactement la forme que doit prendre la réponse. « Retournez un tableau Markdown avec les colonnes Critère | Score (1-5) | Commentaire » produit un livrable directement copiable dans votre document, là où l’absence de consigne produit de la prose à retravailler.

Enfin, les exemples lèvent les dernières ambiguïtés en montrant un résultat attendu. Cette technique est si puissante qu’elle a sa propre leçon : nous y reviendrons en détail avec le few-shot prompting.

Consignes explicites vs implicites

Les modèles Mistral ne devinent pas vos intentions : tout ce qui est implicite dans votre tête doit devenir explicite dans votre prompt. Comparez « Résumez cet article » avec « Résumez cet article en 3 bullet points de 20 mots maximum chacun. Conservez les chiffres clés. Utilisez un ton neutre et factuel. » La première version laisse le modèle décider de la longueur, du format et du ton — trois décisions qu’il prendra peut-être différemment de vous. La seconde ne laisse aucune place à l’interprétation : le modèle sait exactement quoi produire, et vous obtiendrez le même type de résultat à chaque exécution.

Écrire comme si le modèle ne savait rien

Terminons par une règle fondamentale : rédigez votre prompt en supposant que le modèle n’a aucun contexte préalable sur votre situation. Même si quelque chose vous semble évident — qui vous êtes, ce que vous voulez obtenir, pour quel usage, dans quel format —, précisez-le, en vous appuyant sur le system prompt pour les éléments permanents. Un rédacteur qui enchaîne les demandes dans une même conversation finit par croire que « le modèle sait » ; mais dès que la conversation change ou que le prompt est réutilisé ailleurs, tout l’implicite disparaît. Cette approche « contexte zéro » garantit des résultats consistants, quel que soit l’état de la conversation.

Points clés à retenir

• Structurez vos prompts avec des sections claires (Markdown ou XML)
• Le Markdown est idéal pour la plupart des cas ; les tags XML pour isoler des données
• Séparez toujours la tâche, le contexte, les règles et le format attendu
• Rendez explicite tout ce qui est implicite dans votre tête
• Rédigez chaque prompt comme si le modèle partait de zéro