L’intelligence artificielle est un outil puissant, mais son utilisation n’est pas neutre : la façon dont sont formulées les requêtes (“le prompting”) influence directement la qualité des résultats, les risques associés (biais, erreurs, fuites de données) et même l’empreinte environnementale des modèles.

Pour les organisations d’intérêt général, maîtriser cette compétence représente un double enjeu : limiter les risques (juridiques, éthiques ou opérationnels) tout en réduisant l’impact écologique de leurs usages numériques.

Chaque requête adressée à un modèle d’IA consomme des ressources énergétiques et génère une empreinte carbone. Un prompting mal optimisé peut ainsi multiplier inutilement les calculs et alourdir le coût environnemental de l’opération.

Bonnes pratiques pour un prompting efficace

1. Poser le contexte : attribuer un rôle spécifique à l’IA. Par exemple : « Vous êtes un consultant en collecte de fonds très expérimenté, avec 30 ans d’expérience dans l’obtention de subventions auprès de trusts et de fondations britanniques. »
2. Faire preuve de précision : indiquez clairement ce que vous attendez de l’IA. Décomposez les demandes complexes en tâches plus petites et plus faciles à gérer. Évitez les demandes vagues ou trop générales qui peuvent conduire à des réponses imprécises ou génériques.
3. Fournissez du contexte, des exemples et intégrer des garde-fous éthiques et juridiques dès la formulation : donnez des informations générales pertinentes et, si possible, de bons exemples du type de résultat que vous recherchez (ou de mauvais exemples).
4. Alléger l’empreinte environnementale : en ciblant les requêtes, en évitant les redondances, et en privilégiant des outils adaptés à ses besoins réels et qui limitent la surconsommation de ressources. (un outil de calcul de votre empreinte carbone des LLMs utilisés existe sur github : https://mlco2.github.io/impact/)
5. Capitaliser sur ses connaissances internes et standardiser les prompts : Garder un journal de prompt en interne sur lequel ses collaborateurs peuvent aller réutiliser des prompts existants et prendre exemple des bonnes pratiques de prompting. Créez des templates pour les demandes récurrentes (ex. : « Analyse ce jeu de données en excluant les colonnes [X] et [Y] pour respecter le RGPD »).

Il est important de former ses équipes au prompting pour toutes les raisons évoquées précédemment, comme par des ateliers en interne pour partager les bonnes pratiques (ex. : « Comment demander une synthèse sans biais ? »).

Pour aller plus loin

Méthodes et conseils dans un dossier paru sur le site FRANCE NUM « Comment créer des prompts efficaces : guide du débutant » : ICI