How to Prompt Claude and ChatGPT effectively | Good vs Bad examples

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée pour un public souhaitant améliorer son utilisation des IA génératives. Les exemples sont concrets, variés et directement applicables. L’argumentation est solide : l’auteur explique systématiquement pourquoi un prompt échoue et comment la reformulation corrige le problème, en s’appuyant sur des principes logiques (manque de contexte, ambiguïté, surcharge de tâches, etc.). La démonstration est progressive et bien structurée, chaque exemple renforçant le modèle mental proposé au début. La vidéo évite les promesses exagérées et reconnaît les limites des rôles et des techniques, ce qui renforce sa crédibilité.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est modérée : la vidéo ne cite aucune source externe, ni études, ni références académiques. Elle repose sur l’expérience pratique de l’auteur et des principes généraux de prompt engineering qui sont largement reconnus dans la communauté. La qualité des sources est donc limitée, mais le contenu est cohérent et les conseils sont pratiques. L’adéquation entre le titre et le contenu est bonne : le titre annonce clairement le sujet et la vidéo le traite intégralement. Aucun commentaire n’a été fourni pour analyse.

Le titre correspond bien au contenu : la vidéo présente effectivement des exemples de bons et mauvais prompts pour ChatGPT et Claude.

7/10

Le contenu est pratique, basé sur des exemples concrets, mais ne cite pas de sources académiques ou de références externes. La méthode proposée est cohérente avec les principes généraux du prompt engineering, mais repose sur l'expérience personnelle de l'auteur.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction : présentation du concept de prompting et du plan de la vidéo (13 exemples).
• 01:00Modèle mental : l'IA comme un collègue sans contexte, besoin de contexte, spécificités, exemples, itération.
• 03:00Exemple 1 : prompt sans contexte vs prompt avec contexte, audience, angle, longueur, ton.
• 05:00Exemple 2 : 'Make it better' vs feedback spécifique avec coupes, conservations et changements.
• 07:00Exemple 3 : politesse inutile vs prompt direct avec toutes les informations nécessaires.
• 09:00Exemple 4 : tout en un vs une seule tâche à la fois, avec contexte et planification des étapes.
• 11:00Exemple 5 : format non spécifié vs demande de tableau avec colonnes et limite de longueur.
• 13:00Exemple 6 : description de style vs exemples concrets de la voix de marque.
• 15:00Exemple 7 : résumé sans contexte vs résumé orienté vers un lecteur spécifique et une décision.
• 17:00Exemple 8 : abandon après un premier essai vs itération avec des notes éditoriales.
• 19:00Exemple 9 : demande de critique vague vs rôle de consultant sceptique avec objections précises.
• 21:00Exemple 10 : question biaisée vs demande de contre-arguments et d'identification des faiblesses.
• 23:00Exemple 11 : analyse de données sans contexte vs hypothèse et question spécifique avec demande de contre-preuves.
• 25:00Exemple 12 : règles de codage non communiquées vs définition des règles en début de conversation.
• 27:00Exemple 13 : vérification des faits : demander les sources et les incertitudes.
• 29:00Conclusion : modèle de prompt en six questions et encouragement à appliquer une technique.

• Site officiel de Dr. Asif's Mol. Biology — Lien vers les cours et ressources de l'auteur mentionné dans la description de la vidéo.

• Prompt Engineering Guide — Ce guide en ligne couvre les principes de base du prompt engineering, en accord avec les conseils de la vidéo.
• Anthropic's Prompt Engineering Documentation — Documentation officielle d'Anthropic qui recommande des pratiques similaires, comme fournir du contexte et des exemples.
• OpenAI's Prompt Engineering Guide — Guide officiel d'OpenAI qui souligne l'importance de la spécificité et de l'itération, en phase avec le contenu de la vidéo.