Prompts ChatGPT pour formateur : ceux qui servent et ceux qui font perdre du temps

D'où vient ce retour de terrain

Les observations qui suivent viennent du déploiement d'un outil d'IA chez une consultante en bilan de compétences, sur plusieurs mois et sur ses dossiers réels. L'outil sert à préparer des documents de synthèse, des supports d'atelier et des comptes rendus d'entretien. Une contrainte technique a été posée dès le départ : chaque nom, chaque employeur et chaque commune sont remplacés par des jetons avant l'appel au modèle, puis rétablis après coup.

Cette contrainte a eu un effet inattendu sur la qualité des prompts. Le modèle travaille sur une matière anonymisée, donc il ne peut plus s'appuyer sur ce qu'il croit savoir d'une entreprise, d'un secteur ou d'une région. Tous les prompts qui reposaient sur cette connaissance implicite se sont effondrés d'un coup. C'est ce qui a permis de trier, beaucoup plus vite qu'en comparant des sorties de qualité moyenne sur des sujets généraux.

Les prompts qui produisent une matière exploitable

Reformuler une matière que vous fournissez

Le prompt le plus rentable est aussi le plus modeste. Vous collez vos notes de séance, votre trame d'exercice ou votre brouillon, et vous demandez une reformulation pour un public précis, avec une longueur cible et un registre imposé. Le modèle ne produit alors aucune information nouvelle, il redistribue celle que vous avez apportée. Le taux de correction en relecture est descendu à quelques phrases par page dans le déploiement observé, contre une réécriture complète quand la demande partait d'une page blanche.

Extraire une structure depuis vos propres livrables

Plutôt que de demander un plan type, il est plus efficace de fournir trois ou quatre de vos anciens livrables et de demander au modèle d'en extraire la structure commune : ordre des rubriques, longueur relative de chaque partie, formulations récurrentes. Vous obtenez une trame qui vous ressemble et que vous pouvez réutiliser en gabarit. Dans le déploiement, cette étape a produit une trame de document de synthèse en sept blocs, directement dérivée des livrables de la consultante, là où les plans générés sans matière ressemblaient à des sommaires de manuel.

Demander la contradiction plutôt que la production

Le prompt de critique donne des résultats plus stables que le prompt de création. Vous fournissez votre support ou votre séquence, et vous demandez la liste des points où un stagiaire risque de décrocher, des passages qui supposent un prérequis non annoncé, ou des objectifs annoncés qui ne sont couverts par aucune activité. Le modèle est bon pour repérer une incohérence interne dans un texte que vous lui donnez. Il reste sous votre contrôle puisque vous arbitrez chaque remarque.

Convertir un format en un autre

Transformer une trame d'animation en fiche apprenant, une liste d'objectifs en grille d'observation, un compte rendu en courrier de suivi : ces conversions fonctionnent bien parce que le contenu existe déjà et que le travail demandé est une mise en forme. C'est le cas d'usage qui a fait gagner le plus de temps mesurable dans le déploiement, autour de trente à quarante minutes par dossier.

Les prompts qui font perdre du temps

La demande de production totale

« Crée-moi une formation de deux jours sur la gestion du temps » renvoie un livrable propre en apparence. En pratique, la relecture prend plus longtemps que la rédaction. Le modèle produit la moyenne de son corpus d'entraînement, donc un contenu que n'importe quel concurrent obtiendra avec la même demande. Sur un support de formation, ce contenu se repère immédiatement par les apprenants qui ont déjà croisé les mêmes formulations ailleurs.

La demande de sources et de chiffres

Demander à un modèle de citer des textes, des statistiques sectorielles ou des références bibliographiques reste le prompt le plus coûteux. Dans le déploiement, une génération sur un sujet réglementaire a produit un numéro d'article de code plausible, correctement formaté, qui ne correspondait à rien. Le contrôle a pris plus de temps que la recherche directe sur Légifrance. La règle retenue a été simple : aucune référence normative n'est produite par le modèle, elles sont saisies à la main par la consultante et le modèle a seulement le droit de les recopier.

La demande de vérification de conformité

« Est-ce que mon programme est conforme Qualiopi ? » produit une réponse structurée et rassurante qui ne vaut rien devant un auditeur. Le modèle ignore votre certificateur, la version du référentiel appliquée à votre audit et les preuves que vous détenez. Il a tendance à valider ce que vous lui montrez, parce que la demande contient implicitement l'attente d'une validation. Sur ce type de question, la seule sortie utile a été la liste des points à vérifier vous-même.

La demande d'interprétation sur une personne

Sur des notes d'entretien, un modèle produit volontiers un portrait psychologique assuré à partir de trois phrases. C'est le prompt qui a été interdit en premier dans le déploiement. Un document remis à un bénéficiaire engage la responsabilité de la consultante, et une interprétation produite par un modèle statistique n'a aucune assise clinique.

La règle qui a le plus amélioré les résultats

La consigne qui a eu le plus d'effet porte sur l'autorisation de ne pas savoir, avant toute question de formulation. Les instructions imposent au modèle de n'écrire que ce qui figure dans la matière fournie, et de sortir la mention « non renseigné » quand l'information manque. Sans cette autorisation explicite, un modèle comble les trous, parce qu'un texte complet ressemble davantage à un bon texte qu'un texte troué.

Le second garde-fou est un contrôle de traçabilité. Chaque affirmation du brouillon doit pouvoir être rattachée à un passage des notes. Dans le déploiement, ce contrôle a été rendu systématique après un incident précis : un brouillon de synthèse mentionnait une expérience d'encadrement d'équipe que la bénéficiaire n'avait jamais évoquée. Le modèle l'avait déduite d'un intitulé de poste. La phrase était crédible, valorisante, et fausse.

Ce qu'aucun prompt ne réparera

Un prompt améliore la mise en forme d'une matière. Il ne crée pas la matière. Les formateurs qui obtiennent des résultats sont ceux qui alimentent le modèle avec leurs notes, leurs exercices, leurs cas rencontrés en salle. Ceux qui repartent d'une consigne courte obtiennent un texte lisse dont ils devront de toute façon vérifier chaque ligne.

Il reste aussi une part du travail que le modèle ne voit pas. La progression pédagogique qui vient de deux cents accompagnements, la connaissance du moment où un exercice bloque un groupe, l'ajustement au cours d'une séance : rien de tout cela ne figure dans le texte que vous fournissez, donc rien de tout cela ne peut sortir du modèle. C'est aussi la raison pour laquelle les supports produits sans intervention humaine se ressemblent tous.

Vos documents de formation, sans passer par un modèle

Pour la partie administrative de votre activité, un générateur déterministe reste plus fiable qu'une génération de texte. Nos guides pratiques détaillent les mentions attendues sur les documents obligatoires d'un organisme de formation, et les outils du site produisent ces documents à partir de vos données, sans reformulation automatique.