Louis LAURENT
Tester un prompt donne une impression de progrès rapide. Tu changes trois mots, la réponse paraît meilleure, et tu crois avoir gagné. Mais le lendemain, tu recommences.
Le problème
Un prompt isolé dépend trop de ton état du moment. Il faut se souvenir du contexte, retrouver la source, redire le format, corriger la sortie. C'est utile pour explorer, mais faible pour produire.
La décision Kryve
On ne commence pas par optimiser le prompt. On commence par nommer la boucle. Quelle source entre ? Quelle transformation se produit ? Quelle sortie doit exister ? Qui valide ? Où la sortie repart ?
:::callout Méthode
Si tu ne peux pas répéter le résultat demain avec la même qualité, tu n'as pas encore un système. Tu as une bonne conversation.
:::
Le système
Une boucle simple ressemble à ça : une note brute arrive, l'agent la reformule, il extrait les décisions, il propose une action, puis tu valides. Le prompt n'est qu'une pièce de cette boucle.
Exemple concret
Pour transformer une veille en article, ne demande pas seulement un brouillon. Fais passer la source par quatre étapes : signal utile, angle, plan, limites. Le texte vient après.
À tester
Prends ton meilleur prompt de la semaine et écris les trois choses autour : la source exacte, le format de sortie, le moment où tu le relances. Tu viens de commencer un système.
Un système garde le contexte utile
Un bon prompt peut produire une bonne réponse une fois. Un système garde aussi les règles, les exemples acceptés, les sources et le format de sortie. Tu n'as plus besoin de reconstruire la demande à chaque session. Le gain vient de cette continuité, pas d'une formule magique.
Commence avec un dossier simple. Place-y la consigne stable, deux exemples de qualité et la source à traiter. Quand l'agent travaille, il doit pouvoir citer ce qu'il a lu et signaler ce qui manque. Tu réduis les réponses inventées parce que le système sait où chercher et quand s'arrêter.
Séparer préparation, décision et action
La boucle devient plus fiable quand chaque étape a un rôle clair. L'agent prépare la matière, tu prends la décision, puis l'action part seulement si elle respecte les limites prévues. Cette séparation est particulièrement importante pour un email client, une publication ou une dépense.
Par exemple, un agent peut lire tes notes, proposer trois angles et préparer un brouillon. Il ne publie rien. Tu choisis l'angle, corriges le texte et valides la version finale. Quand cette routine fonctionne plusieurs fois, tu peux automatiser une petite partie supplémentaire, comme le classement des sources ou la création du brouillon.
Cette progression rejoint la logique des agents IA pour business : préparer d'abord, proposer ensuite, exécuter seulement quand les erreurs sont visibles et réversibles.
Mesurer le temps jusqu'à une sortie utile
Le nombre de réponses générées ne dit rien sur la qualité du système. Mesure plutôt le temps nécessaire pour obtenir une sortie que tu peux utiliser. Si tu passes vingt minutes à corriger un brouillon produit en dix secondes, la vitesse affichée ne vaut rien.
Note aussi les erreurs qui reviennent. Une source oubliée devient une règle de lecture. Un ton trop vague devient un exemple rejeté. Une sortie trop longue devient un format imposé. Chaque correction doit renforcer la boucle au lieu de rester dans ta tête.
Un protocole de test en vingt minutes
Choisis une tâche que tu répètes chaque semaine.
Donne une source unique et une sortie précise.
Ajoute un exemple accepté et un exemple rejeté.
Lance la même boucle sur trois cas différents.
Transforme chaque erreur répétée en règle.
À la fin, tu dois pouvoir relancer la tâche sans réexpliquer tout le contexte. Si ce n'est pas le cas, réduis le périmètre. Une petite routine fiable vaut mieux qu'un agent spectaculaire qui dépend encore de ton improvisation.
Quand garder un prompt isolé
Tout ne mérite pas un système. Une question ponctuelle, une exploration ou une reformulation rapide peut rester une conversation simple. Construis une boucle seulement quand la tâche revient, consomme de l'attention et possède un résultat vérifiable.
Le bon seuil est concret : si tu as reformulé la même demande plusieurs fois cette semaine, documente-la. Commence avec les sources, la sortie attendue et le contrôle humain. L'outil vient après.
Rendre la sortie inspectable
Le système doit montrer ce qu'il a utilisé. Demande une liste courte des sources, des hypothèses et des points incertains avec chaque livrable. Tu peux alors corriger une règle précise au lieu de relire toute la conversation pour deviner d'où vient l'erreur.
Garde aussi une trace des versions acceptées. Deux ou trois exemples réels donnent un standard bien plus clair qu'une longue consigne abstraite. Quand la qualité baisse, compare la nouvelle sortie avec ces références et identifie l'écart : source manquante, format oublié, décision ambiguë ou contexte dépassé.
Enfin, définis une condition d'arrêt. L'agent doit savoir quand demander une information, quand produire un brouillon incomplet et quand refuser une action. Un système fiable ne masque pas ses limites. Il les rend visibles assez tôt pour que tu gardes le contrôle.
Continuer avec
Pars d’une vraie tâche de ton poste. Kryve t’aide à la cadrer, la confier à l’IA et contrôler le résultat.
