Aller au texte
DAVELI, accueil du site L’Équipe invisible

Partie 2. Semaine 2 : bien briefer

Chapitre 4. Rédiger un bon brief

Le mot juste. Prompt. La consigne écrite que l’on donne à un modèle. Ce livre emploie aussi le mot « brief », au sens où l’on briefe un prestataire : une consigne qui donne le contexte, la tâche et le résultat attendu.

Décider d’abord à quoi ressemble un bon résultat

Anthropic conseille une étape préalable à toute consigne : définir à quoi l’on reconnaîtra un bon résultat, et comment on le vérifiera1. Pour une relance de facture entre professionnels, par exemple :

Ces critères servent deux fois : ils entrent dans le brief, puis ils servent à contrôler ce que l’agent a produit.

Ce que contient un bon brief

La documentation de Claude Code recommande de déléguer à l’agent comme on déléguerait à un collègue compétent : donner le contexte et la direction, et le laisser trouver comment faire2. Un collègue qui arrive ne connaît ni vos clients ni vos habitudes. Le brief doit donc contenir :

  1. le contexte : qui vous êtes, à qui est destiné le résultat ;
  2. la tâche, formulée avec un verbe d’action ;
  3. les données, séparées des consignes ;
  4. le format attendu ;
  5. un ou deux exemples réels ;
  6. la conduite à tenir en cas de doute.

Comparez deux versions de la même demande. La première : « Écris une relance pour la facture de M. Durand. » Le modèle ne connaît ni le montant, ni l’échéance, ni le ton de la maison. Il produira une lettre plausible et inventera ce qui lui manque. La seconde :

Tu rédiges les relances de factures de la menuiserie Arnal,
une entreprise de trois personnes.

Tâche : rédige une relance pour la facture décrite dans <facture>.

<facture>
Client : Jean Durand, SCI Les Tilleuls
Facture n° 2026-118 du 3 septembre 2026 : 2 340,00 € TTC
Échéance : 3 octobre 2026. Aucun paiement reçu.
</facture>

Contraintes :
- ton courtois et ferme, dix lignes au plus ;
- rappelle le numéro, le montant et la date d'échéance ;
- rappelle les pénalités de retard et l'indemnité forfaitaire
  de 40 € pour frais de recouvrement ;
- n'écris aucun chiffre qui ne figure pas dans <facture>.

Si une information te manque, signale-la au lieu de l'inventer.

Voici une relance que nous avons déjà envoyée, pour le ton :
<exemple>
[coller ici une relance réelle]
</exemple>

Les balises entre chevrons (<facture>, <exemple>) séparent les données des consignes. Anthropic recommande cette pratique pour ses modèles3 ; les modèles locaux en profitent autant. Elle évite que le modèle confonde une phrase du courriel d’un client avec une instruction qui lui serait adressée.

La dernière consigne, « signale-la au lieu de l’inventer », répond au défaut que la préface décrit : un modèle à qui il manque une information a tendance à la compléter lui-même.

Laisser le modèle réfléchir avant de répondre

Pour une tâche qui demande du raisonnement (vérifier la cohérence d’un devis, comparer deux contrats), demandez au modèle d’analyser la situation avant de rédiger. Les modèles récents disposent d’un mode de réflexion réglable. OpenAI a doté gpt-oss de trois niveaux d’effort de raisonnement4 ; Mistral Small 4 se règle sur « aucun » ou « élevé »5. Plus de réflexion donne des réponses plus sûres, mais plus lentes et plus coûteuses. Pour une simple rédaction, le niveau bas suffit.

Découper les tâches longues

Une tâche complexe confiée en une seule consigne produit un résultat difficile à vérifier. Découpez-la en étapes dont chacune se contrôle. Pour un devis :

  1. extraire de la demande du client la liste de ses besoins ;
  2. faire correspondre chaque besoin à une ligne du tarif ;
  3. rédiger le devis à partir de cette correspondance.

Si l’étape 2 se trompe, vous le voyez avant l’étape 3. C’est la même logique que le plan du chapitre 3, appliquée à l’intérieur d’une tâche.

Les modèles locaux demandent des consignes plus explicites

Un modèle local de taille moyenne suit moins fidèlement qu’un grand modèle une consigne qui contient beaucoup de règles : il en oublie certaines. Avec lui, réduisez le nombre de règles, donnez des exemples complets du résultat attendu, et imposez une structure de sortie fixe (une liste, un tableau, des rubriques toujours dans le même ordre).

Le mot juste. Température. Un réglage qui fixe la part de hasard dans les réponses du modèle. Une température basse donne des réponses plus régulières d’une fois sur l’autre ; une température haute, des réponses plus variées. Ollama, LM Studio et Open WebUI permettent de la modifier.

Pour une tâche répétitive comme la relance ou le devis, une température basse limite les écarts d’une exécution à l’autre.

Même un brief précis ne garantit pas que le modèle s’y tienne. Certains modèles réécrivent un texte quand on leur demande seulement de le corriger ; le choix du modèle compte alors autant que la consigne (→ chapitre 13).

Côté Claude. Anthropic publie un guide des bonnes pratiques de rédaction des consignes pour ses modèles actuels, et un tutoriel interactif plus ancien (→ chapitre 11). Dans l’application, les consignes permanentes se placent dans les instructions d’un projet ; dans Claude Code, dans le fichier d’instructions (→ chapitre 5).

Côté local. Les mêmes principes s’appliquent. LM Studio et Open WebUI permettent d’enregistrer un « prompt système » (la consigne permanente) par modèle, et de régler la température.

La jauge. Pour une question ponctuelle, un brief en six rubriques est surdimensionné. Pour une tâche répétée chaque semaine, il est indispensable, et il vaut la peine de l’enregistrer une fois pour toutes (→ chapitres 5 et 8).

Exercice. Rédigez le brief de la tâche choisie au chapitre 3 selon les six rubriques. Testez-le sur cinq cas différents. Notez chaque erreur et ajoutez à la consigne la règle qui l’aurait évitée.

Notes

  1. Anthropic, « Prompt engineering overview » : https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview (consulté le 12 octobre 2026).↩︎

  2. Anthropic, « How Claude Code works », section « Delegate, don’t dictate » : https://code.claude.com/docs/en/how-claude-code-works.↩︎

  3. Anthropic, « Prompting best practices » : https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices.↩︎

  4. OpenAI, « Introducing gpt-oss », 5 août 2025 : https://openai.com/index/introducing-gpt-oss/.↩︎

  5. Simon Willison, « Introducing Mistral Small 4 », 16 mars 2026 (mis à jour le 23 mars) : https://simonwillison.net/b/9335.↩︎