#
Comprendre l’IA
Mis à jour le 12 octobre 2026 : offres d’emploi de septembre 2026, skills devenues un standard ouvert, bonnes pratiques de Claude Fable 5.1.
En bref. Le métier de prompt engineer a presque disparu : en septembre 2026, seules 5 % des offres d’emploi IA analysées par Square1 AI citent encore le prompt engineering, contre 39 % pour les agents. La compétence, elle, a survécu dans le context engineering : donner à l’IA les bonnes instructions, la bonne mémoire, les bons outils et les bonnes données au moment où elle agit. Bien formuler une demande reste utile, mais c’est le système autour du modèle qui fait la différence.
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
Cet été, 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.
Septembre 2026 : ce que disent les offres d’emploi
Les chiffres récents vont dans le même sens. Square1 AI a relevé 315 offres d’emploi en IA le 19 septembre 2026 et compté les mots-clés qu’elles contiennent.
Compétence citée dans l’offre | Nombre d’offres | Part |
|---|---|---|
Agents | 123 | 39 % |
Évaluations (evals) | 73 | 23 % |
Anthropic ou Claude | 49 | 16 % |
Prompt engineering | 17 | 5 % |
L’échantillon reste petit et penche vers les startups et l’Europe, mais le signal est net : les employeurs demandent des gens capables de faire travailler un agent et de vérifier son résultat. Le prompting fait partie du travail, sans être un poste à lui seul.
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 compte. 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 : avant de reformuler ta demande, demande-toi ce que ton 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. Le format est devenu un standard ouvert le 18 décembre 2025, lu aujourd’hui par Codex, Cursor ou GitHub Copilot. Notre guide pour créer une skill pour ton agent IA montre un exemple complet. 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 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 reste 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 consiste à communiquer l’intention avec précision, avant même d’écrire du code. 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. Ça s’apprend, comme la rédaction d’un brief.
Les éditeurs publient d’ailleurs toujours des conseils de formulation pour leurs nouveaux modèles. Pour Claude Fable 5.1, sorti le 1er septembre 2026, nos bonnes pratiques tirées des recommandations d’Anthropic conseillent de demander des points d’étape, de grouper les actions indépendantes et de demander des modifications ciblées. Ce sont des réglages de prompt, mis au service d’un agent qui travaille longtemps.
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. Pour les bases qui servent toujours, lis comment faire un bon prompt. 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.
En 2026, la compétence qui se paie consiste à construire le système autour des modèles. C’est précisément ce qu’on apprend à faire dans Kryve : des systèmes qui travaillent pour toi.
FAQ
Le métier de prompt engineer existe-t-il encore ?
En poste dédié, quasiment plus : les offres sont marginales selon Indeed, seules 5 % des 315 offres IA relevées par Square1 AI en septembre 2026 citent le prompt engineering, 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.
Un email pour te l’envoyer. Pas de spam, désinscription en un clic.
