ChatGPT : Comment Rédiger un bon Prompt en 2026 ?

Item: ChatGPT : Comment Rédiger un bon Prompt en 2026 ?
Rating: 4
Author: PostSingularity Institute

Sciences appliquées & ingénierie IA — Modèles & Recherche UYQIntelligence artificielle (IA)UYQFIntelligence artificielle générative

🎙 Ludo Salenne 👥 267K 📅 17 février 2025 ⏱ 32 min 👁 135K 📄 tutoriel 🧭 2026-08-21

Disponible en : Français (actuel) English

Mots-clés

promptChatGPTtokenisationimpact carboneoptimisation

Résumé

Dans cette vidéo, Ludo Salenne propose un tutoriel complet sur la rédaction de prompts efficaces pour ChatGPT et autres IA génératives. Il commence par une démonstration comparative : un prompt optimisé sur un modèle plus ancien (GPT-4o) donne de meilleurs résultats qu’un prompt vague sur le modèle le plus puissant (o1 pro). Il explique ensuite le fonctionnement technique des modèles de langage (tokenisation, vectorisation, calcul de probabilités) pour justifier l’importance de la précision des prompts. Il aborde également l’impact environnemental de l’IA, en soulignant que des prompts bien rédigés réduisent la consommation énergétique. Il présente l’outil gouvernemental Comparia pour comparer les modèles et leur coût énergétique, ainsi que le tokenizer d’OpenAI. Il critique les conseils contradictoires circulant sur les réseaux sociaux et propose une structure de ‘prompt parfait’ en sept étapes, testée et validée. Enfin, il mentionne sa formation payante et donne un avertissement sur les limites de l’IA.

149 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur principale de la vidéo réside dans sa démonstration pratique et comparative, qui illustre concrètement l’impact de la qualité du prompt sur la réponse. L’argumentation est solide : l’auteur s’appuie sur des exemples réels, des captures d’écran et des tests en direct. Il explique le fonctionnement des LLM de manière vulgarisée mais correcte, ce qui renforce la crédibilité de ses conseils. Il introduit également une dimension environnementale peu souvent abordée, ce qui apporte une valeur ajoutée. Cependant, certaines affirmations (comme la courbe de performance exponentielle) sont simplifiées et mériteraient d’être nuancées. La critique des ‘charlatans’ est pertinente mais reste superficielle.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est correcte : l’auteur cite des sources institutionnelles (Comparia, OpenAI) et un article sur l’impact environnemental. Il utilise des outils officiels pour étayer ses propos. Cependant, il ne fournit pas de références précises pour les chiffres avancés (paramètres des modèles, consommation énergétique), ce qui limite la vérifiabilité. Le titre mentionne ‘2026’ alors que la vidéo date de 2025, ce qui est une légère inexactitude. Le contenu est bien en adéquation avec le titre, même si l’accent est mis sur l’aspect pratique plutôt que sur une analyse approfondie. Les commentaires sont très positifs, soulignant la clarté et la pédagogie, sans critique majeure.

220 mots

Adéquation titre / contenu

Le titre est légèrement trompeur (mention '2026' alors que la vidéo date de 2025), mais le contenu correspond bien à la promesse de fournir une méthode pour rédiger des prompts efficaces.

Qualité & fiabilité

7/10

Le contenu est globalement fiable : il s'appuie sur des démonstrations pratiques et des sources institutionnelles (Comparia, OpenAI). Cependant, certaines explications techniques sont simplifiées et quelques chiffres (paramètres, consommation) sont approximatifs, sans référence précise.

Chapitres

Sources citées

Comparia - Comparateur d'IA du gouvernement français — Outil présenté pour comparer les modèles d'IA et leur impact énergétique.
Tokenizer OpenAI — Outil utilisé pour illustrer la tokenisation des prompts.
Article sur l'impact environnemental des LLM dans le secteur de la santé — Source citée pour étayer l'impact énergétique des IA.
Playground OpenAI — Outil mentionné pour tester les modèles.
Formation Automatiser ChatGPT — Lien vers la formation payante de l'auteur.
Ressources IA gratuites — Lien vers des ressources gratuites proposées par l'auteur.

Sources concordantes

Article sur l'impact environnemental des LLM — Confirme l'importance de la rédaction de prompts pour réduire la consommation énergétique.

Références externes

Apport & nouveautés

L’apport principal est la démonstration pratique que la qualité du prompt peut compenser la puissance du modèle, avec une dimension environnementale. La structure de ‘prompt parfait’ proposée est un outil directement opérationnel. La mise en avant de l’outil Comparia est également une nouveauté utile.

Pour aller plus loin :

Prompt engineering - Wikipedia — Pour une vue d’ensemble des techniques de prompt engineering.
Tokenization (NLP) - Wikipedia — Pour approfondir le concept de tokenisation.
Impact environnemental du numérique - ADEME — Pour des données sur l’empreinte carbone du numérique.

89 mots

Profil radar

Le profil radar montre une vidéo équilibrée, avec une bonne quantité d'informations et une qualité correcte. Le niveau technique est modéré, adapté à un public large. La fiabilité est bonne, mais pourrait être améliorée avec des sources plus précises.

Fiabilité 7/10

💬 Très positif. Sur les 30 commentaires analysés, les spectateurs expriment une grande satisfaction, saluant la clarté, la pédagogie et l'aspect environnemental. Aucune critique négative n'est relevée.