Accueil › Claude › Prompts

Claude Prompts : techniques, templates et exemples concrets

Claude répond bien aux instructions claires, structurées et explicites. Les meilleures pratiques pour Opus 4.6 et Sonnet 4.6 reposent sur le format « contrat » (rôle, critères de succès, contraintes, format de sortie), l’utilisation de balises XML, les exemples concrets et la délégation par objectif plutôt que par étapes.

La différence entre un prompt vague et un prompt bien structuré, c’est la différence entre un résultat générique inutilisable et un livrable exploitable du premier coup. Ce guide couvre les techniques de prompt engineering spécifiques à Claude, des templates prêts à l’emploi par métier, des exemples concrets, et les bonnes pratiques issues de la documentation officielle d’Anthropic et de la pratique en production.

Les 6 principes fondamentaux

1. Soyez clair et direct

Claude interprète vos instructions littéralement. Si vous voulez un comportement précis, demandez-le explicitement plutôt que de compter sur l’interprétation implicite. La spécificité est votre meilleur allié.

Exemple faible : Écris un article sur l'IA.

Exemple fort : Écris un article de 1 500 mots sur l'adoption de l'IA dans les PME françaises du secteur logistique. Public : directeurs des opérations non techniques. Ton : professionnel et accessible. Inclus 3 cas d'entreprises concrètes et une section « par où commencer ». Pas de jargon technique non expliqué.

Plus votre prompt est spécifique sur l’objectif, le public, le format, la longueur et les contraintes, meilleur sera le résultat. Un prompt bien cadré évite 3 à 4 itérations de correction.

2. Utilisez des exemples (few-shot)

Les exemples montrent plutôt que de décrire. Ils sont particulièrement efficaces quand le format de sortie est important (JSON, tableaux, styles de rédaction spécifiques).

Un seul bon exemple (one-shot) suffit souvent. N’ajoutez des exemples supplémentaires (few-shot) que si le résultat ne correspond toujours pas. Sur les modèles Claude 4.x, l’IA prête une attention très fine aux détails des exemples : assurez-vous que vos exemples incarnent exactement le comportement souhaité.

Résume chaque article en suivant ce format :

Exemple :
Titre : "Comment l'IA transforme la supply chain"
Résumé : L'IA optimise la prévision de la demande, réduit les 
stocks dormants de 30 % et automatise la planification logistique. 
Les PME y accèdent désormais via des solutions SaaS à moins de 
500 €/mois.
Impact : Opérationnel, immédiat
Public : Directeurs supply chain

Maintenant, résume cet article dans le même format :
[votre article]

3. Structurez avec des balises XML

C’est la technique la plus spécifique à Claude. Les modèles Claude interprètent les balises XML comme des conteneurs sémantiques, pas comme du simple formatage. Elles permettent de séparer clairement le contexte, la tâche, les contraintes et le format de sortie.

<context>
Vous êtes le rédacteur technique d'une startup SaaS B2B
qui vend un outil de monitoring d'infrastructure cloud.
Le blog cible des DSI de PME françaises (50-500 employés).
</context>

<task>
Rédigez un article de 1 500 mots sur les 5 erreurs les plus
courantes dans le monitoring cloud. Pour chaque erreur, donnez
un exemple concret et une solution actionnable.
</task>

<constraints>
- Ton : expert accessible, pas de jargon inutile
- Utiliser "vous" (pas "tu")
- Pas de mention de concurrents par nom
- Chaque section commence par l'erreur en gras
</constraints>

<output_format>
Titre H1, introduction (2 phrases max), 5 sections H2,
conclusion avec CTA vers une démo
</output_format>

Les balises XML sont la façon la plus fiable de structurer des prompts complexes pour Claude. Elles fonctionnent aussi bien dans l’interface chat que dans les appels API.

4. Donnez un rôle à Claude (system prompt)

Le rôle définit la perspective depuis laquelle Claude répond. Un prompt avec un rôle bien défini produit des réponses plus ciblées, avec le bon niveau de détail et le bon vocabulaire.

Tu es un consultant SEO senior avec 10 ans d'expérience dans l'e-commerce. Tu audites des sites et produis des recommandations priorisées avec effort estimé et impact attendu. Tu es direct et pragmatique : pas de théorie inutile, que des actions concrètes.

Le rôle fonctionne comme un filtre : il détermine quelles connaissances Claude active, quel niveau de détail il fournit, et quel ton il adopte. Placez-le dans le prompt système (via l’API) ou en tête de votre message (dans le chat).

5. Laissez Claude réfléchir (Chain-of-Thought)

Pour les tâches complexes, demandez explicitement à Claude de structurer sa réflexion avant de donner sa réponse finale. Cette technique de Chain-of-Thought améliore la précision sur les problèmes logiques, mathématiques et analytiques.

Analyse ce contrat et identifie les 5 risques majeurs pour l'acheteur. Pour chaque risque, explique ton raisonnement avant de donner ta conclusion. Classe-les par gravité décroissante.

Pour aller plus loin, activez Extended Thinking sur les plans payants. C’est la version intégrée et optimisée du Chain-of-Thought, où Claude réfléchit de manière structurée dans des blocs de thinking dédiés avant de formuler sa réponse.

6. Chaînez les prompts complexes

Pour les tâches multi-étapes, décomposez en plusieurs prompts séquentiels plutôt que de tout demander d’un coup. Chaque étape peut utiliser le résultat de la précédente.

Prompt 1 : Analyse ce dataset CSV et identifie les 5 tendances principales.

Prompt 2 : Pour chaque tendance identifiée, propose 3 actions concrètes avec effort estimé et impact attendu.

Prompt 3 : Synthétise les actions dans un tableau priorisé et rédige un executive summary de 200 mots.

Le chaînage produit de meilleurs résultats que les « méga-prompts » car Claude se concentre sur un objectif précis à chaque étape. Même avec la fenêtre de contexte de 1M tokens, un prompt ciblé avec des limites claires surpasse un prompt fourre-tout.

Le format « contrat » : la structure de référence

Anthropic recommande de structurer les prompts système comme des contrats courts. Un bon prompt système contient quatre blocs clairement séparés :

## Rôle
Tu es [rôle en une ligne].

## Critères de succès
- [ce qui définit une bonne réponse]
- [ce qui définit une bonne réponse]
- [ce qui définit une bonne réponse]

## Contraintes
- [ce que Claude ne doit PAS faire]
- [limites à respecter]
- [format interdit]

## Gestion de l'incertitude
Si tu n'es pas sûr d'une information, dis-le explicitement
plutôt que de deviner. Pose une question de clarification.

## Format de sortie
[structure attendue : Markdown, JSON, tableau, etc.]

Ce format fonctionne pour les prompts système (API), les instructions de Projects, et les messages directs dans le chat. Sa force est d’être vérifiable : vous pouvez relire le « contrat » et identifier immédiatement si les réponses de Claude le respectent.

Templates par métier

Développement logiciel

Tu es un développeur senior spécialisé [stack].

Pour chaque demande de code :
1. Demande des clarifications si les specs sont ambiguës
2. Fournis une implémentation complète avec imports
3. Inclus la gestion d'erreurs
4. Ajoute des tests unitaires quand pertinent
5. Signale les edge cases et les risques de performance

Conventions : [TypeScript strict / Python 3.12 / etc.]
Ne produis jamais de code non testé en prod.
Si une approche est controversée, mentionne l'alternative.

Marketing et contenu

<context>
Tu es un stratège contenu pour une marque [secteur].
Public : [persona détaillé].
Objectif : [lead gen / notoriété / conversion].
</context>

<task>
[description précise du livrable]
</task>

<constraints>
- Ton : [description du ton]
- Longueur : [fourchette]
- SEO : intègre naturellement le mot-clé "[keyword]"
- CTA : inclus un appel à l'action clair
- Pas de : [liste d'interdits]
</constraints>

<example>
[un exemple du style et format attendus]
</example>

Analyse de données

Analyse le fichier [format] ci-joint. Voici ce que j'attends :

1. Vue d'ensemble : 3-5 statistiques clés
2. Tendances : identifie les patterns significatifs
3. Anomalies : signale les valeurs aberrantes
4. Recommandations : 3 actions concrètes basées sur les données
5. Limites : ce que les données ne permettent PAS de conclure

Format : synthèse exécutive (max 300 mots) suivie du détail.
Si les données sont insuffisantes pour conclure, dis-le.

Juridique

Tu es un juriste spécialisé en [droit des contrats / RGPD / etc.].

Analyse ce document et :
1. Identifie les clauses à risque pour [partie]
2. Évalue la gravité de chaque risque (faible/moyen/élevé)
3. Propose une reformulation pour chaque clause problématique
4. Signale les clauses manquantes au regard de [cadre juridique]

Important : tu fournis une analyse préliminaire, pas un avis 
juridique. Recommande toujours une validation par un avocat
pour les décisions critiques.

Techniques avancées

Prefill (pré-remplissage de la réponse)

Via l’API, vous pouvez pré-remplir le début de la réponse de Claude pour forcer un format spécifique. Ajoutez un message assistant en fin de conversation, et Claude continue à partir de ce point.

Exemple pour forcer du JSON : terminez avec {"role": "assistant", "content": "{"}. Claude complétera avec du JSON valide. Cette technique est particulièrement utile pour les sorties structurées et l’intégration avec des systèmes qui attendent un format précis.

Délégation par objectif (agentique)

Le changement majeur du prompting en 2026 est le passage de l’exécution pas à pas à la délégation par objectif. Plutôt que de dire à Claude comment faire, définissez les critères de succès et laissez-le déterminer l’approche.

Ancien style : 1. Lis les avis clients 2. Identifie les plaintes 3. Classe-les par catégorie 4. Compte les fréquences 5. Fais un rapport

Nouveau style : Analyse ces 500 avis clients et produis un rapport identifiant les 5 problèmes les plus fréquents, avec fréquence, exemples représentatifs et recommandations priorisées. Format : tableau synthétique + executive summary de 200 mots.

Les modèles Claude 4.x sont entraînés pour orchestrer nativement des sous-tâches. Sur Opus 4.6, Claude peut même déléguer à des sous-agents spécialisés quand la tâche le justifie. Surveillez toutefois : Opus 4.6 a une forte tendance à spawner des sous-agents même quand une approche directe suffirait.

Gestion de l’incertitude

Ajoutez systématiquement une règle d’incertitude dans vos prompts :

Si les données sont insuffisantes pour conclure, dis-le plutôt que de deviner. Si tu n'es pas sûr d'un fait, indique « Information non vérifiée » et suggère comment la vérifier.

Cette simple addition réduit significativement les hallucinations. Claude répond bien aux instructions explicites de « ne pas deviner » et peut signaler ses limites de manière fiable quand on lui en donne la permission.

Les outils de prompting d’Anthropic

La Console Anthropic (console.anthropic.com) propose trois outils intégrés pour vous aider à construire et affiner vos prompts.

Prompt Generator : décrivez ce que vous voulez accomplir et l’outil génère un prompt structuré comme point de départ. Idéal pour les débutants ou quand vous explorez un nouveau cas d’usage.

Prompt Improver : soumettez un prompt existant et l’outil propose des améliorations basées sur les bonnes pratiques d’Anthropic. Il identifie les ambiguïtés, les contraintes manquantes et les opportunités de structuration.

Templates et Variables : créez des prompts réutilisables avec des variables (comme {topic}, {audience}) que vous pouvez remplir dynamiquement. Utile pour les workflows répétitifs où seul le contenu change.

Anthropic propose aussi un tutoriel interactif de prompt engineering en 9 chapitres avec exercices pratiques. C’est la meilleure ressource pour apprendre les techniques spécifiques à Claude de manière progressive.

Les 5 erreurs de prompting les plus courantes

1. Tout mettre dans un seul paragraphe non structuré. Contexte, contraintes, format et tâche mélangés dans un bloc de texte. Claude peut les démêler, mais la qualité baisse. Séparez avec des balises XML ou au minimum des sections clairement identifiées (INSTRUCTIONS, CONTEXTE, TÂCHE, FORMAT).

2. Des prompts longs mais sans contraintes. Ajouter du texte n’améliore pas les résultats si ce texte est vague. Un prompt de 500 mots sans critères de succès ni format de sortie produit des résultats imprévisibles. Ajoutez de la structure, pas de la longueur.

3. Demander « le meilleur » sans définir les critères. « Écris le meilleur article possible » ne dit rien à Claude. « Écris un article de 1 200 mots optimisé pour le mot-clé X, avec 3 exemples concrets et un CTA vers une démo » lui dit tout ce qu’il doit savoir.

4. Ne pas donner d’exemples quand le format est non standard. Si vous voulez un format spécifique (tableau avec des colonnes précises, JSON avec une structure particulière, style de rédaction distinctif), un exemple vaut dix descriptions. Claude imite ce qu’il voit, pas ce qu’il imagine.

5. Ignorer les Projects pour les tâches récurrentes. Si vous écrivez le même contexte dans chaque prompt, vous gaspillez des tokens et du temps. Placez le contexte permanent dans les instructions d’un Project, et vos prompts quotidiens deviennent des instructions courtes et ciblées.