La règle d'or : entrée vague = sortie vague.

Tu peux apprendre cent techniques de prompt. Si tu ne maîtrises pas celle-ci, les autres ne te serviront à rien.

Cette règle existe depuis les années 1960 dans le monde de l'informatique. Elle s'appelait « Garbage In, Garbage Out ». L'idée : un programme qui reçoit des données pourries produit des résultats pourris. Pas de magie, pas de filtrage automatique, pas de récupération possible.

En 2026, avec les IA conversationnelles, elle revient sous une forme nouvelle et radicale. Pas parce que l'IA est mauvaise. Parce qu'elle est excellente : elle te donne exactement ce que tu lui demandes, ni plus ni moins. Et la plupart du temps, ce que tu lui demandes est moins précis que tu ne le penses.

Ce premier article du Niveau II pose la règle qui sous-tend tous les autres. Cinq exemples avant/après. Aucune théorie superflue. À la fin, tu auras une grille pour relire tes propres prompts et identifier où tu perds en qualité.

Une IA conversationnelle ne lit pas dans tes pensées. Elle lit ce que tu écris. Si ta demande peut être interprétée de dix manières, elle choisit la plus probable et la plus générique — celle qui est statistiquement la moins risquée pour elle. C'est-à-dire la plus banale pour toi.

Imagine que tu donnes une mission à un nouveau collègue avec ces mots : « écris un mail pour un client ». Tu obtiendrais quoi ? Quelque chose de générique. Parce qu'il ne sait pas quel client, pour quoi faire, dans quel ton, avec quelle longueur. Il devine, et il devine au plus probable.

L'IA fait pareil. Elle est juste plus rapide, et plus polie quand elle te livre un résultat moyen. Mais le mécanisme est identique.

Avec les modèles de raisonnement (Claude Opus, GPT-5.5 Thinking, Gemini Deep Think), l'IA est devenue beaucoup plus intelligente. Mais cette intelligence amplifie la règle au lieu de la désactiver.

Une IA puissante avec une demande vague va te livrer une réponse longue, élégante, et complètement à côté de ton vrai besoin. Tu vas lire ça, te dire « c'est bien écrit », et passer à autre chose sans te rendre compte que tu n'as pas obtenu ce que tu cherchais. C'est plus dangereux que d'obtenir une réponse manifestement mauvaise — au moins là, tu sais qu'il faut recommencer.

Plus l'IA est capable, plus elle peut combler les vides à ta place. Mais elle les comble selon ses propres priorités, pas les tiennes. Donc plus elle est puissante, plus la règle compte.

Cinq cas concrets, dans cinq domaines différents. Pour chacun, le même besoin formulé deux fois : la version vague (celle qu'on écrit par défaut) et la version précise (celle qui marche).

La version vague te donne un mail générique avec des formules toutes faites (« Nous tenons à vous informer », « Nous vous prions de bien vouloir »). La version précise te donne un mail que tu peux envoyer après une seule relecture.

La version vague te donne un plan d'introduction générale style Wikipédia (« historique de l'IA », « définitions », « grandes catégories »). La version précise te donne une présentation directement utilisable, calibrée pour ton public.

La version vague te donne un résumé fluide mais lisse, qui survole tout sans rien creuser. La version précise te donne une fiche de lecture stratégique. Le même document, des résultats radicalement différents.

La version vague te donne une fonction générique qui ne gère rien des cas particuliers. Tu vas passer 30 minutes à corriger les bugs un par un. La version précise te donne du code qui marche du premier coup.

La version vague te donne 10 idées génériques applicables à n'importe quel compte (« Présente-toi », « Partage tes coulisses », « Fais un avant/après »). La version précise te donne 10 idées spécifiques à ton métier, ton audience et ton format.

Avant d'envoyer n'importe quel prompt à une IA, pose-toi trois questions de cinq secondes chacune.

Si la réponse est non, l'IA non plus. C'est le test le plus simple et le plus puissant. Un brief qui ne marche pas avec un humain ne marche pas avec une IA, parce que les deux ont besoin des mêmes informations pour produire un travail utile.

Si oui, ton prompt est trop générique. Un bon prompt produit un résultat spécifique à ton contexte. Si ton voisin, qui ne connaît rien à ta situation, peut envoyer le même prompt et obtenir un résultat tout aussi pertinent pour lui — c'est que le prompt ne contient pas assez d'informations sur toi.

Si oui, c'est mauvais signe. Si tu peux écrire à l'avance les trois premières phrases de la réponse (« L'intelligence artificielle est un domaine en pleine expansion qui... »), c'est que ton prompt va générer du contenu prévisible et générique. Reformule pour amener l'IA dans un terrain plus spécifique.

La règle a une exception. Il existe un seul cas où être vague est utile : quand tu cherches à élargir ton champ de pensée, pas à obtenir un livrable.

Si tu es bloqué sur un sujet et que tu veux explorer des angles auxquels tu n'avais pas pensé, un prompt large peut être utile : « quels sont les 10 angles différents sous lesquels on peut aborder le sujet du burn-out chez les indépendants ? ». Ici, la vague est volontaire. Tu cherches à diverger, pas à converger.

Mais c'est une étape. Une fois que tu as identifié l'angle qui t'intéresse, tu reviens à un prompt précis pour produire le livrable. Ne reste jamais en mode vague pour un travail final.