Le prompt engineering est-il mort ? Ce qui l'a remplacé

Oui et non. Le métier de prompt engineer, celui qu'on payait 200 000 dollars en 2023, a quasiment disparu des offres d'emploi. Mais la compétence n'est pas morte : elle a été absorbée dans quelque chose de plus grand, le context engineering, l'art de donner à une IA tout ce qu'il lui faut pour réussir une tâche. Voici ce qui s'est passé, avec les données.

Le symptôme : on optimise encore des prompts en 2026

Cette semaine encore, je voyais passer sur Twitter un créateur expliquant avoir passé plus de 50 heures à tester GPT-5.6 pour trouver « comment le maximiser ». Cinquante heures. L'intention est bonne, la méthode date de 2023 : chercher la formule magique qui débloque le modèle. Pendant ce temps, ceux qui tirent le plus des mêmes modèles ne réécrivent pas leurs prompts. Ils construisent autour.

Pour comprendre le glissement, il faut revenir sur la trajectoire du métier le plus hype de l'ère ChatGPT.

2023-2025 : grandeur et disparition d'un métier

En 2023, prompt engineer était LE job. Anthropic affichait des postes jusqu'à 375 000 dollars. Sur Indeed, les recherches « prompt engineer » ont été multipliées par 70 entre janvier et avril 2023. McKinsey mesurait que 7 pour cent des organisations adoptant l'IA en avaient embauché un.

Deux ans plus tard, le Wall Street Journal titrait « le job IA le plus chaud de 2023 est déjà obsolète ». Les recherches Indeed sont retombées à un plateau résiduel, les offres sont devenues « minimales » selon la VP IA d'Indeed elle-même. Le Work Trend Index de Microsoft, mené auprès de 31 000 travailleurs dans 31 pays, a enfoncé le clou : prompt engineer arrive avant-dernier des rôles que les entreprises envisagent de créer. Jared Spataro, qui pilote le sujet chez Microsoft, l'a dit sans détour : « Il y a deux ans, tout le monde disait que prompt engineer serait le job en or. Ça ne se vérifie pas du tout. »

Pourquoi si vite ? Deux raisons qui se cumulent. Les modèles ont progressé au point de comprendre des instructions imparfaites : la formulation exacte pèse beaucoup moins qu'avant. Et la compétence s'est diffusée : savoir demander correctement quelque chose à une IA est devenu une aptitude de base attendue de tout le monde, pas une spécialité qui justifie un poste.

Juin 2025 : le mot qui a acté la bascule

Le 19 juin 2025, Tobi Lütke, le CEO de Shopify, écrit qu'il préfère « context engineering » à « prompt engineering », parce que ça décrit mieux la vraie compétence : « l'art de fournir tout le contexte pour que la tâche soit plausiblement résoluble par le modèle ». Six jours plus tard, Andrej Karpathy plussoie et précise : remplir la fenêtre de contexte avec exactement la bonne information, à chaque étape.

La nuance n'est pas cosmétique. Un prompt, c'est une instruction ponctuelle. Le contexte, c'est tout ce que le modèle voit au moment d'agir : les instructions permanentes, l'historique, les outils disponibles, les données récupérées, la mémoire. Anthropic en a donné la définition d'ingénierie quelques mois plus tard : curer et maintenir l'ensemble optimal de tokens pendant l'inférence, en traitant le contexte comme une ressource finie. Leur constat clé : plus le contexte grossit, moins le modèle rappelle bien, le « context rot ». L'attention d'un modèle est un budget qui se dépense.

Autrement dit : la question n'est plus « comment je formule ma demande » mais « qu'est-ce que mon agent sait, voit et peut faire au moment où il agit ». Si tu veux comprendre pourquoi ça change tout, la recherche sur la façon dont pense une IA éclaire ce qui se joue dans cette fenêtre de contexte.

Ce qui a concrètement remplacé les prompts

Les instructions persistantes. Le prompt réécrit à chaque fois a été remplacé par un fichier versionné que l'agent relit à chaque session (CLAUDE.md chez Anthropic, équivalents ailleurs). Tu n'optimises plus une formulation, tu entretiens un document qui s'améliore à chaque erreur constatée.

Les skills. Depuis octobre 2025, Anthropic pousse les Agent Skills : des dossiers d'instructions et de ressources que l'agent découvre et charge seulement quand la tâche le demande. C'est le contraire du méga-prompt : de la connaissance rangée, chargée à la demande.

La mémoire. Un agent avec des fichiers de mémoire n'a plus besoin qu'on lui répète le contexte : il le retrouve. C'est la brique centrale de tout assistant IA personnel sérieux, et c'est elle qui transforme un outil qu'on briefe en collaborateur qui sait.

Les outils. Via MCP, l'agent va chercher lui-même l'information fraîche au lieu qu'on la colle dans le prompt. Le travail se déplace : définir quels outils donner, avec quelles permissions, plutôt que quelle donnée copier.

Les boucles et les sous-agents. Les systèmes sérieux découpent : un agent orchestre, des sous-agents travaillent chacun avec leur propre contexte propre et remontent une synthèse. Ajoute une boucle de feedback pour que le système apprenne de ses erreurs, et tu obtiens quelque chose qu'aucun prompt, aussi parfait soit-il, ne produira jamais.

Mon cas concret : je fais tourner un agent qui écrit, publie et gère ma veille tous les jours. Je ne lui écris presque jamais de « prompt » au sens 2023. Ce que j'entretiens, c'est son fichier d'instructions, sa mémoire, ses skills et ses accès. Quand un résultat est mauvais, je ne cherche pas une meilleure formulation : je cherche quelle information lui manquait, et je la range là où il la trouvera la prochaine fois. C'est un changement de métier complet par rapport à 2023.

Ce qui reste vrai (et que les enterrements oublient)

D'abord, le prompt engineering survit comme sous-ensemble. Harrison Chase, le fondateur de LangChain, l'a dit dès juin 2025 : assembler et formater ce qui entre dans le contexte reste du travail de formulation. La clarté, les exemples, le format de sortie demandé : tout ça fonctionne toujours. Ce qui est mort, c'est l'idée que la bonne formulation SEULE suffit.

Ensuite, la compétence de fond n'a jamais été le prompt : c'est la précision d'intention. Sean Grove, qui travaille sur l'alignement chez OpenAI, l'a formulé mieux que personne à l'été 2025 : la compétence la plus précieuse n'est pas d'écrire du code, c'est de communiquer l'intention avec précision. Une spécification claire de ce que tu veux, avec les critères de réussite et les cas limites, bat n'importe quelle astuce de formulation. Et ça, ça se travaille, que tu sois développeur ou pas.

Anthropic donne le même conseil pour les instructions d'agents : viser la bonne altitude. Ni du micro-management fragile qui casse au premier cas imprévu, ni du vague qui laisse l'agent deviner. Le minimum d'information qui décrit entièrement le comportement attendu. C'est de la rédaction de brief, pas de la magie.

Ce que ça veut dire pour toi

Si tu passais des heures à collectionner des « prompts parfaits » : arrête, cette époque est finie, et c'est une bonne nouvelle. Le levier a bougé vers des choses plus durables : apprendre à écrire des instructions claires une fois, donner de la mémoire à tes outils, brancher les bonnes sources d'information. Si tu débutes, le plan pour apprendre l'IA en 2026 intègre déjà cet ordre d'apprentissage, et la marche d'après c'est de comprendre ce qu'un agent change par rapport à un chatbot.

La compétence qui se paie en 2026 n'est plus « savoir parler aux modèles ». C'est savoir construire le système autour d'eux. Et c'est précisément ce qu'on apprend à faire dans Kryve Hub : pas des prompts, des systèmes qui travaillent.

FAQ

Le métier de prompt engineer existe-t-il encore ?

En poste dédié, quasiment plus : les offres sont marginales selon Indeed et le rôle arrive avant-dernier des recrutements envisagés dans le Work Trend Index de Microsoft. La compétence, elle, s'est fondue dans des rôles plus larges : AI trainer, spécialiste données, et surtout dans le socle attendu de tout le monde.

Context engineering et prompt engineering, quelle différence ?

Le prompt engineering optimise une instruction ponctuelle. Le context engineering gère tout ce que le modèle voit au moment d'agir : instructions permanentes, mémoire, historique, outils, données. Le premier est un sous-ensemble du second.

Apprendre à prompter sert-il encore à quelque chose ?

Oui, comme socle : formuler une demande claire avec des critères précis reste utile tous les jours. Ce qui ne vaut plus rien, c'est la collection de formules magiques. Investis plutôt dans la clarté d'intention et la construction de systèmes.

Par quoi remplacer ma bibliothèque de prompts ?

Par trois choses : un fichier d'instructions persistant pour ce que tu répètes, des skills ou documents de référence chargés à la demande pour tes tâches récurrentes, et une mémoire en fichiers pour ton contexte. C'est l'architecture de base d'un assistant personnel.

Avant de partir

Si cet article t'a donné envie de construire au lieu de juste lire : j'ai condensé le démarrage en un guide d'une soirée. Ton premier agent qui produit du travail réel, étape par étape, sans code. Gratuit, contre ton email. Tu recevras aussi Kryve Weekly quand elle sortira : le condensé hebdo de ce qui compte en IA, sans le bruit.

Recevoir le guide

Un email pour te l'envoyer. Pas de spam, désinscription en un clic.