Il y a une expression qui circule dans les milieux marketing depuis que les outils de génération de texte ont rendu l’IA accessible : le « bon prompt ». Comme si quelque part existait une formule, un sésame, un code d’invocation qui ferait surgir le texte parfait d’une machine indifférente.

Cette croyance est, au sens propre, magique. Et elle révèle quelque chose d’important sur notre rapport à l’écriture.

Ce qu’un prompt ne peut pas faire

Un prompt, dans sa définition la plus honnête, est une instruction. Une séquence de tokens qui conditionne la distribution de probabilité du modèle sur les tokens suivants. Ce n’est pas une conversation. Ce n’est pas une intention. Ce n’est pas une voix.

Ce que la plupart des gens cherchent quand ils « optimisent leur prompt », c’est en réalité à externaliser le travail de clarification qu’ils auraient dû faire avant d’écrire quoi que ce soit. Définir l’audience. Choisir l’angle. Décider du ton. Identifier la tension centrale.

Ce travail-là ne se délègue pas à une instruction. Il se fait avant.

La prière et la structure

Quand quelqu’un écrit « Rédige-moi une page de vente percutante pour mon logiciel de gestion de projets », il espère que le modèle va deviner :

  • Qui achète ce logiciel et pourquoi
  • Quel problème exact il résout
  • Pourquoi ce logiciel plutôt qu’un autre
  • Quel ton convient à cette audience
  • Quelle structure narrative servira la conversion

Le modèle ne devine pas. Il génère ce qui ressemble statistiquement à une page de vente pour un logiciel de gestion de projets. Ce qui ressemble à — ce n’est pas la même chose que ce qui convertit.

Le résultat est souvent techniquement correct et narrativement vide. Des mots bien assemblés autour d’une absence de point de vue.

Ce que le prompt révèle

Ce qui est intéressant dans l’illusion du prompt magique, c’est ce qu’elle révèle du rapport à l’écriture de ceux qui y croient.

L’écriture, dans sa conception courante, est vue comme un acte de mise en forme. On a les idées — floues, bien sûr, mais on les a — et il s’agit de les « mettre en mots ». L’IA est alors parfaite pour ça : elle met en mots. Mieux que vous, plus vite, sans fatigue.

Sauf que les idées floues ne deviennent pas claires en changeant de contenants. Un brief mal posé donne un texte mal orienté, que ce soit vous qui l’écriviez ou un modèle à 200 milliards de paramètres.

L’écriture n’est pas une mise en forme. C’est un acte de clarification. On ne sait pas ce qu’on pense avant d’avoir essayé de l’écrire. La résistance de la langue — trouver le mot juste, construire la phrase, choisir l’ordre des arguments — est le travail même de la pensée.

Le prompt utile

Ce n’est pas qu’un prompt ne serve à rien. C’est qu’un prompt utile ressemble beaucoup moins à une incantation qu’à un brief.

Un prompt qui produit quelque chose de valable contient généralement :

— Une définition précise de l’audience (pas « les PME » mais « les directeurs financiers de PME industrielles de 20 à 50 salariés qui utilisent encore Excel pour leurs prévisions »)

— Un angle clairement identifié (pas « parler des avantages » mais « montrer que le problème n’est pas Excel mais le temps passé à réparer les fichiers partagés »)

— Des contraintes de ton énoncées explicitement (pas « professionnel » mais « direct, sans jargon, comme si on expliquait à un collègue »)

— Un exemple de ce qu’on cherche à produire

En d’autres termes : un prompt utile suppose que vous ayez déjà fait la moitié du travail éditorial. Ce que le modèle fait alors, c’est une première ébauche à partir de votre direction — pas une création ex nihilo à partir de votre espoir.

Ce que ça change pour le copywriter

La tâche du copywriter n’a pas disparu avec les modèles de langage. Elle s’est déplacée.

Avant : le travail était de clarifier l’intention du client, de construire la structure argumentative, et d’écrire le texte.

Maintenant : le travail est de clarifier l’intention du client, de construire la structure argumentative, de rédiger le prompt qui en découle, d’évaluer la production du modèle, et de réécrire ce que le modèle n’a pas su faire — c’est-à-dire le ton, la tension, et le détail singulier qui fait qu’un texte ressemble à quelqu’un plutôt qu’à personne.

Ce n’est pas moins de travail. C’est un travail différent, qui valorise encore plus la capacité à clarifier, à structurer et à juger — et un peu moins la capacité à taper vite.

Ce n’est pas une mauvaise nouvelle si vous écrivez pour de vraies raisons.

Ce texte est le premier d’une série sur l’écriture à l’âge des modèles. La suite traitera des frameworks narratifs — et de pourquoi PASTOR résiste mieux à l’IA que la plupart des approches.