Le méta-prompting : demander à l'IA d'écrire ton prompt.

Demander à l'IA d'écrire son propre prompt n'est pas un paradoxe. C'est une technique d'ingénieur.

Tu as appris à formuler tes prompts avec PTCF, à donner du bon contexte, à choisir les bons mots-clés. Tu maîtrises la formulation. Et pourtant, sur certains sujets, tu sens que tu n'arrives pas à exprimer correctement ce que tu veux. Tu connais le résultat attendu sans savoir comment le commander à l'IA.

C'est pour ces situations qu'existe le méta-prompting. Le principe est contre-intuitif : au lieu d'écrire toi-même le prompt parfait, tu demandes à l'IA « quel serait le meilleur prompt pour obtenir [résultat] ? ». L'IA, qui connaît son propre fonctionnement mieux que toi, te formule un prompt optimisé. Tu le récupères, tu l'envoies (à elle ou à une autre IA), et tu obtiens un résultat de qualité supérieure.

Cette technique paraît absurde au premier abord. Elle est pourtant utilisée tous les jours par les ingénieurs en prompt engineering pour produire les prompts qui tournent en production. Elle a sa place dans ta boîte à outils, à condition de savoir quand l'utiliser et — surtout — quand ne pas l'utiliser.

L'idée qu'une IA puisse écrire un meilleur prompt qu'un humain semble paradoxale. Voici pourquoi c'est rationnel.

Un prompt n'est pas un texte que tu adresses à un humain — c'est une séquence de tokens qui active certains comportements du modèle. La structure, le vocabulaire, l'ordre des éléments, les mots-clés activent des registres précis. Pour bien faire un prompt, il faut connaître ces déclencheurs. Tu n'as pas accès à cette connaissance — tu apprends par tâtonnement. L'IA, elle, est entraînée sur des millions de prompts et leurs résultats. Elle connaît empiriquement ce qui marche et ce qui ne marche pas.

Quand tu lui demandes « quel serait le meilleur prompt pour obtenir un résumé exécutif d'un rapport long ? », elle ne devine pas. Elle génère ce qu'elle a vu fonctionner dans son corpus d'entraînement. Le résultat est souvent mieux structuré, plus précis dans le vocabulaire, et plus complet que ce que tu aurais écrit toi-même.

Si tu n'es pas convaincu, fais l'expérience. Prends un prompt PTCF que tu utilises régulièrement. Demande à Claude ou ChatGPT : « voici un prompt que j'utilise. Améliore-le pour qu'il produise des résultats plus précis et mieux structurés ». Dans 8 cas sur 10, l'IA va te livrer une version qui a effectivement de meilleurs résultats à l'usage. Ce n'est pas magique — c'est qu'elle a vu mille variantes avant la tienne, et qu'elle sait ce qui pousse au-delà.

La forme la plus simple du méta-prompting tient en une phrase à insérer dans ta demande. Tu ne donnes pas à l'IA la tâche directement — tu lui demandes d'abord de formuler le meilleur prompt pour cette tâche, puis de l'exécuter.

Trois éléments font la force de cette structure. Premièrement, tu sépares la demande naturelle (ce que tu veux dire à l'IA en langage humain) du prompt optimisé (ce que l'IA va se dire à elle-même). Deuxièmement, tu demandes les deux étapes en une seule conversation, ce qui économise du temps. Troisièmement, tu obtiens en bonus le prompt optimisé, que tu peux réutiliser ensuite pour des demandes similaires.

Voici un cas concret. Tu veux préparer une présentation interne sur l'impact de l'IA dans ton équipe. Tu n'as jamais fait ce type de présentation. Tu compares les deux approches.

La version sans méta-prompting va produire un plan correct. La version avec méta-prompting va d'abord produire un prompt comme :

Puis l'IA va exécuter ce prompt, et te livrer une présentation calibrée précisément pour cet objectif. La différence avec la version directe est immédiate : structure plus claire, ton mieux ciblé, livrable directement utilisable.

Tu n'aurais probablement jamais pensé à « 12 slides, 3+7+5 minutes, 3 volontaires comme objectif quantifié » en formulant toi-même. L'IA, qui a vu mille présentations efficaces, le sait.

Pour les usages récurrents, tu peux aller plus loin que le méta-prompt en une fois. Tu peux créer un prompt-builder permanent — un assistant configuré dont la seule mission est de générer des prompts optimisés à partir de tes demandes naturelles. Tu lui parles en langage normal, il te livre le prompt prêt à l'emploi.

Tu utilises les fonctions de personnalisation des trois principaux outils 2026 :

ChatGPT — Custom GPT. Crée un GPT personnalisé avec un prompt système qui dit en substance : « Tu es un expert en prompt engineering. Quand l'utilisateur te donne une demande, tu produis le prompt optimisé pour obtenir cette demande, sans l'exécuter. Le prompt doit suivre la structure PTCF ou RISEN selon la complexité. ».

Claude — Project. Crée un Project avec une instruction système similaire. Les Projects gardent les instructions actives sur toute la durée de la conversation, ce qui est idéal pour itérer plusieurs prompts dans une même session.

Gemini — Gem. Même principe avec un Gem dédié au prompt-building. Gemini 3.1 Pro est particulièrement bon pour cet usage car il intègre nativement la structure des frameworks de prompt.

Une fois le prompt-builder configuré, ton flux de travail change. Tu lui parles en langage naturel comme à un collègue qui prendrait des notes : « il me faut un prompt pour rédiger des fiches produit pour un site e-commerce de bijoux artisanaux ». Il te livre le prompt optimisé. Tu le copies, tu l'utilises où tu veux.

Le méta-prompting est puissant. Il devient dangereux quand tu l'utilises systématiquement, sans plus jamais essayer de formuler tes prompts toi-même. Tu deviens dépendant d'un intermédiaire, et tu cesses de progresser dans la formulation directe — une compétence qui reste précieuse pour les itérations rapides et les conversations en mouvement.

La règle pratique : utilise le méta-prompting conscient des cas spécifiques (sujets que tu maîtrises mal, optimisation, industrialisation), pas comme béquille permanente. Pour 80 % de tes prompts quotidiens, ton PTCF rapide reste plus efficace que de passer par un méta-prompt.

Le prompt généré par l'IA suit ce qui marche statistiquement. C'est exactement ce que tu veux pour l'efficacité, et exactement ce que tu ne veux pas pour la créativité. Si tu cherches à produire quelque chose d'original — un angle marketing inattendu, un format pédagogique nouveau, un ton différent du marché —, le méta-prompting va te ramener vers la moyenne. C'est son défaut structurel.

Pour les sujets créatifs, écris ton prompt toi-même, dans tes mots, avec tes intuitions. C'est paradoxalement ton inexpérience qui peut produire un résultat singulier.

Pour les sujets très personnels (un mail délicat à un proche, une décision intime, une expression de toi qui doit te ressembler), le méta-prompting est contre-productif. L'IA va générer un prompt qui produit un livrable type, alors que tu cherches précisément ce qui te distingue.

Sur ces sujets, garde la formulation directe. Ton prompt sera peut-être moins technique, mais il sera plus toi. Et c'est exactement ce que tu cherches.

Le méta-prompting ajoute une étape. Une étape de plus, c'est 30-60 secondes de plus, et un échange supplémentaire qui consomme du quota. Sur une demande urgente (j'ai 3 minutes pour répondre à ce client), tu n'as pas le temps. Garde la technique pour les sujets où la qualité du livrable compte plus que la vitesse de production.