Donnez des exemples à l’IA : le geste qui cadre le ton et le format de ses réponses
« Professionnel mais chaleureux », « court et clair » : ces consignes produisent des textes génériques que chacun réécrit ensuite. Montrer à l’IA quelques réalisations que vous jugez réussies, trois à cinq selon Anthropic, est l’un des moyens les plus fiables de cadrer ses réponses, et Google juge les consignes sans exemple probablement moins efficaces. Voici comment faire, sans exposer de données clients.
Écouter le résumé
0:44 · Voix de synthèse
Lire la transcription du résumé
Daily AI. Vous demandez à l’IA un ton professionnel mais chaleureux, et vous obtenez un texte que tout le monde réécrit ? Le problème, c’est la description. Le geste du jour : montrez plutôt que décrire. Collez dans votre demande trois à cinq exemples de réponses que vous jugez réussies, anonymisées, variées et bien séparées de la consigne. Anthropic présente les exemples comme l’un des moyens les plus fiables de cadrer le ton et le format, et Google recommande d’en mettre systématiquement. Attention au piège : avec un seul exemple, l’outil risque de recopier sa longueur, ses formules, parfois ses chiffres. Variez les situations, et dites clairement ce qui ne doit pas être repris. Rangées dans un espace partagé, ces consignes aident toute l’équipe à parler d’une même voix. Le détail est juste en dessous.
En bref : au lieu de décrire le ton ou le format attendus, collez dans votre demande trois à cinq exemples réels, anonymisés et variés de ce que vous jugez réussi, bien séparés de la consigne. Anthropic les présente comme l’un des moyens les plus fiables de cadrer une réponse, et Google recommande d’en mettre systématiquement.
Sommaire
Le problème au bureau
Dans beaucoup d’équipes, la demande type ressemble à ceci : « Rédige une réponse à ce client, ton professionnel mais chaleureux, pas trop long. » Le résultat est correct, mais il ne ressemble pas à votre entreprise. Les formules sont convenues, la structure change d’une fois à l’autre, et chacun passe ensuite plusieurs minutes à reprendre le texte pour qu’il sonne « comme nous ».
La raison est simple : des adjectifs comme « chaleureux » ou « clair » n’ont pas le même sens pour vous, pour votre collègue et pour l’outil. Vous avez une idée précise de la bonne réponse en tête, mais vous la décrivez au lieu de la montrer. L’IA comble alors le flou avec ce qu’elle a vu le plus souvent, donc avec du texte moyen.
Ajouter des consignes ne règle pas le problème. Une liste de dix règles de style finit souvent par se contredire, et personne dans l’équipe ne l’écrit de la même façon.
Le geste : montrer plutôt que décrire
Le geste consiste à placer dans votre demande quelques exemples de ce que vous attendez : des réponses déjà envoyées, des comptes rendus, des fiches produit que vous jugez réussis. Les spécialistes parlent de « multishot prompting », autrement dit une consigne accompagnée de quelques exemples.
Les éditeurs le documentent noir sur blanc. Dans son guide des bonnes pratiques de consigne, Anthropic écrit que les exemples sont l’un des moyens les plus fiables d’orienter le format, le ton et la structure des réponses de Claude, et recommande d’en fournir trois à cinq. Le guide précise qu’ils doivent être pertinents (proches de votre cas réel), variés (pour que l’outil ne retienne pas un détail par erreur) et clairement séparés des instructions.
Google va dans le même sens pour Gemini : son guide de rédaction des consignes recommande d’inclure systématiquement des exemples, juge les consignes qui n’en ont pas probablement moins efficaces, et note qu’on peut même retirer des instructions quand les exemples suffisent à montrer la tâche.
Le principe n’est donc pas propre à un outil. Il est documenté pour Claude et pour Gemini, et devrait valoir pour les autres assistants : faites l’essai sur vos propres demandes.
Un exemple pas à pas : répondre aux demandes de devis
Prenons une PME de services qui reçoit chaque semaine des demandes de devis par email. Voici la démarche, exemple théorique à adapter à votre activité.
- Choisissez trois réponses envoyées dont vous êtes satisfait, dans des situations différentes : un client pressé, une demande incomplète, un refus poli.
- Anonymisez chaque réponse. Retirez noms, adresses, montants et tout détail qui permettrait de reconnaître un client. Vérifiez aussi que vous travaillez dans un compte professionnel adapté, comme nous l’expliquions dans notre édition sur le choix entre compte personnel et compte professionnel.
- Séparez nettement les exemples de la consigne. Annoncez chaque exemple par un titre (Exemple 1, Exemple 2, Exemple 3). Pour Claude, Anthropic recommande de les encadrer par des balises <example>. Quel que soit le séparateur choisi, gardez le même pour chaque exemple.
- Écrivez une consigne courte qui dit ce qu’il faut reprendre et ce qu’il ne faut pas reprendre.
- Comparez le résultat à vos exemples. S’il ne convient pas, changez un exemple plutôt que d’ajouter des adjectifs.
Consigne type : « Voici trois réponses que nous avons envoyées à des demandes de devis. Elles montrent notre ton, notre structure et notre façon de poser les questions. [Exemple 1] [Exemple 2] [Exemple 3]. Rédigez la réponse à la demande suivante dans le même esprit, sans reprendre leurs phrases ni leurs chiffres. Si une information manque pour établir le devis, posez la question au lieu de l’inventer. [Demande du client] »
Une fois la consigne au point, enregistrez cette consigne et ses exemples dans l’espace partagé de l’équipe, à côté de votre fiche contexte. Toute l’équipe part alors de la même base, et les réponses se ressemblent sans que chacun ait à réinventer la demande.
Le piège à éviter : l’IA qui recopie
Le piège classique est l’excès de fidélité. Avec un seul exemple, l’outil risque de reprendre la même longueur, la même formule d’ouverture, parfois un chiffre ou un nom qui n’a rien à faire dans la nouvelle réponse. Le risque existe aussi dans l’autre sens : Google signale dans son guide qu’avec trop d’exemples, le modèle peut se caler à l’excès sur eux. Anthropic insiste de son côté sur la variété des exemples, pour que l’outil ne retienne pas un motif que vous n’aviez pas voulu.
Trois réflexes limitent ce risque :
- variez les situations et les longueurs, pour que l’outil retienne le ton et non un modèle unique ;
- gardez la même présentation d’un exemple à l’autre, comme le recommande Google, sinon la réponse risque de ne pas prendre le format voulu ;
- écrivez explicitement ce qui ne doit pas être repris : les chiffres, les noms, les conditions propres à un client.
Dernier point, souvent oublié : un mauvais exemple est imité aussi fidèlement qu’un bon. Une réponse envoyée un jour de rush, avec une faute ou une promesse que vous ne tiendriez plus, n’a rien à faire dans la sélection. Et chaque affirmation factuelle produite reste à vérifier, comme pour toute réponse d’IA (voir notre conseil sur la citation exacte).
Aller plus loin avec votre équipe
Pris isolément, le geste fait gagner en qualité. À l’échelle d’une équipe, il change davantage les choses : les exemples deviennent un actif de l’entreprise. Une équipe formée constitue une petite bibliothèque d’exemples validés pour ses tâches récurrentes (réponses aux devis, relances, comptes rendus, fiches produit), désigne une personne qui la tient à jour, et retire un exemple dès qu’une offre ou une règle change.
C’est aussi là que se joue la différence entre un usage individuel et un usage maîtrisé : savoir quels documents peuvent servir d’exemple, comment les anonymiser, et comment vérifier qu’un nouvel exemple améliore vraiment les réponses. Ces réflexes s’apprennent mieux sur les documents réels de l’équipe que dans un tutoriel général.
Notre lecture
Décrire le style attendu est une façon très répandue, et peu efficace, de travailler avec l’IA. Les éditeurs recommandent eux aussi de montrer plutôt que de décrire. Pour une PME, le vrai gain n’est pas une réponse mieux tournée de temps en temps, c’est une voix cohérente sur tous les échanges, construite à partir de ce que l’équipe fait déjà bien.
Questions fréquentes
Combien d’exemples donner à l’IA ?
Anthropic recommande trois à cinq exemples pour Claude. Un seul exemple risque d’être recopié, et Google prévient qu’un trop grand nombre peut aussi conduire le modèle à coller à ses exemples. Trois exemples variés sont un bon point de départ.
Ce geste marche aussi avec Gemini ou Copilot ?
Le principe ne dépend pas de l’outil. Google recommande d’inclure des exemples dans les consignes adressées à Gemini, Anthropic fait de même pour Claude, et la méthode vaut en principe pour tout assistant qui reçoit une consigne écrite.
Des emails de clients peuvent servir d’exemples ?
Oui, à condition de les anonymiser : retirez noms, coordonnées, montants et tout détail permettant de reconnaître le client, et travaillez dans un compte professionnel dont les conditions d’utilisation des données vous conviennent.
Où ranger les exemples validés ?
Dans l’espace partagé où l’équipe garde ses consignes, par exemple un projet partagé dans votre outil d’IA ou un document commun, à côté de votre fiche contexte. Désignez une personne qui les met à jour quand une offre ou une règle change.
Formez votre équipe aux bons réflexes
Exemples, contexte, vérification : nos formations IA en entreprise travaillent ces gestes sur les tâches réelles de vos équipes.
Daily AI, la quotidienne de l’IA par AR Digital : chaque jour, une actualité IA et ce qu’elle change pour votre entreprise. Pour ne rien manquer, recevez Daily AI par email ou suivez Radu Ulea sur LinkedIn.
Sources
- Anthropic, Prompting best practices, section « Use examples effectively », documentation Claude, consultée le 29 octobre 2026.
- Google, Prompt design strategies, passages sur les exemples dans la consigne et sur la cohérence de leur présentation, documentation de l’API Gemini, consultée le 29 octobre 2026.
