Prompting Avancé : Workflows, Agents IA et Multimodal

Du prompt isolé au workflow agentique

Un prompt isolé suffit pour une tâche courte : résumer, reformuler, générer une idée ou structurer un brouillon. Dès que la tâche implique plusieurs étapes, des outils, des données externes, des validations ou des actions à effectuer, il faut raisonner en workflow plutôt qu’en simple prompt.

Un workflow agentique décrit qui fait quoi, dans quel ordre, avec quelles sources, quels outils et quels points de contrôle. L’objectif n’est pas de laisser l’IA agir sans cadre, mais de transformer une tâche complexe en étapes observables, vérifiables et corrigibles.

Quand passer au workflow

• La tâche nécessite plusieurs sous-tâches dépendantes les unes des autres.
• Le modèle doit consulter des documents, rechercher des informations ou utiliser un outil.
• Le résultat doit être validé avant publication, envoi, modification ou décision.
• Le même processus doit être répété régulièrement par une personne ou une équipe.
• Une erreur peut avoir un impact client, financier, juridique, sécurité ou réputationnel.

Structure minimale d’un workflow IA

1. Définir l’objectif final et le critère de réussite.
2. Découper la tâche en étapes courtes avec une sortie attendue pour chacune.
3. Identifier les sources et outils autorisés pour chaque étape.
4. Définir les limites : données interdites, actions interdites, sujets à escalader.
5. Ajouter un contrôle après les étapes critiques : vérification, relecture ou validation humaine.
6. Documenter la version du workflow, les prompts utilisés et les erreurs observées.

Conseil: avant de créer un agent, écrivez le workflow à la main. Si vous ne pouvez pas expliquer les étapes, les outils et les validations, l’agent sera difficile à contrôler.

---

Prompting multimodal : documents, images et captures

Le prompting moderne ne se limite plus à une question écrite dans une fenêtre de chat. Les assistants IA peuvent travailler avec des documents, tableaux, images, captures d’écran, schémas ou présentations. La compétence clé consiste alors à guider l’analyse de la source, pas seulement à formuler une demande générale.

Un prompt multimodal doit préciser ce que le modèle doit regarder, ce qu’il doit ignorer, le niveau de détail attendu et la forme de la réponse. Plus la source est riche, plus il faut cadrer la tâche : résumer, extraire, comparer, vérifier, transformer ou proposer une action.

Structure d’un prompt multimodal efficace

• Objectif : indiquez la décision ou le livrable attendu.
• Source : nommez le document, l’image, la capture ou le tableau à analyser.
• Zone d’attention : précisez les pages, colonnes, éléments visuels ou passages importants.
• Critères : expliquez ce qui rendra la réponse utile ou exploitable.
• Format : demandez une synthèse, un tableau, une checklist, un plan d’action ou une liste d’anomalies.
• Limites : demandez au modèle de signaler ce qu’il ne peut pas confirmer depuis la source fournie.

Exemple d’exercice

Prenez une capture d’écran, un extrait de document ou un tableau métier. Demandez d’abord une simple description, puis demandez une analyse orientée action : points à corriger, risques, priorités et questions à poser. Comparez les deux résultats pour comprendre comment le cadrage transforme la valeur de la réponse.

Conseil: dans un prompt multimodal, ne dites pas seulement “analyse cette image” ou “résume ce fichier”. Dites ce que vous cherchez, pourquoi vous le cherchez et comment vous voulez utiliser la réponse.

---

Tester un prompt sur plusieurs modèles IA

Un prompt de qualité ne doit pas seulement fonctionner dans un outil précis. ChatGPT, Claude, Gemini, Copilot ou un modèle interne peuvent réagir différemment au même niveau de contexte, aux mêmes contraintes ou au même format de sortie. Une formation de référence doit donc apprendre à tester la portabilité d’un prompt.

La bonne approche consiste à séparer ce qui est stable de ce qui dépend du modèle. L’objectif, le contexte, les critères de réussite et les données utiles doivent rester clairs. En revanche, la longueur des instructions, la façon de demander le raisonnement, le niveau de structure et les consignes de style peuvent nécessiter des variantes.

Protocole de test multi-modèles

1. Choisissez une tâche réelle et définissez le résultat attendu avant de tester les modèles.
2. Écrivez une version de base du prompt avec objectif, contexte, contraintes, format et critères.
3. Testez le même prompt sur deux ou trois modèles, sans modifier la demande initiale.
4. Comparez les réponses sur cinq critères : exactitude, clarté, structure, utilité et risques.
5. Identifiez ce qui doit devenir une variante propre à chaque modèle.
6. Documentez la version de référence et les adaptations nécessaires dans votre dossier de prompts.

Ce qu’il faut comparer

• Le modèle respecte-t-il le format demandé ou faut-il renforcer la contrainte de sortie ?
• Demande-t-il plus de contexte pour produire une réponse exploitable ?
• Répond-il trop long, trop court ou avec un niveau d’assurance excessif ?
• Gère-t-il bien les exemples fournis ou les mélange-t-il avec la tâche réelle ?
• Signale-t-il ses incertitudes ou invente-t-il des détails absents du contexte ?

Conseil: gardez une version canonique du prompt, puis ajoutez de petites variantes par modèle. Cela évite de maintenir trois prompts totalement différents pour la même tâche.

---

Pour aller plus loin

Ces compétences se travaillent à la pratique. Reprenez le parcours structuré dans la formation prompting gratuite, et entraînez-vous avec les exercices interactifs : chaînage de prompts, méga-prompt, chain of thought.