TL;DR
L'enchaînement de prompts découpe une tâche énorme en une séquence de petits prompts dépendants — chaque sortie devenant l'entrée de la suivante — au lieu d'exiger le produit fini en un souffle impossible. La qualité s'accumule le long de la chaîne : les erreurs sont attrapées à la station où elles sont bon marché, et chaque étape part d'un matériau vérifié plutôt que d'une supposition.
L'Analogie
Il y a deux façons d'obtenir une voiture.
La première est la Boîte Magique : un hangar avec une unique machine géante. Du minerai et du caoutchouc entrent d'un côté ; une voiture finie sort de l'autre. C'est une idée séduisante — une étape, zéro effort. C'est aussi pourquoi personne n'en a jamais construit. Une machine qui doit simultanément fondre l'acier, souffler le verre, coudre les sièges et régler les freins ne peut être optimisée pour aucune de ces choses, et quand elle produit une portière défectueuse, la voiture entière est de la ferraille — parce que le défaut est né à l'étape un et découvert à l'étape cinquante.
La seconde est la chaîne de montage : des dizaines de stations, chacune faisant exactement une chose suprêmement bien. L'acier est embouti ici, et inspecté avant d'avancer. Les portières sont soudées là, et vérifiées avant la peinture. Quand un défaut apparaît, il est attrapé à sa station — après quelques opérations, pas après toute la voiture. Le contrôle qualité n'est pas un pari final ; il est construit entre chaque paire d'étapes. Et ce n'est pas la faiblesse de la chaîne, d'« être plus lente » — c'est toute la raison pour laquelle les voitures sont devenues fiables et abordables.
Demander à l'IA un livrable complexe en un seul méga-prompt — « recherche mon marché, écris le rapport, conçois les diapositives et rédige l'e-mail d'annonce » — est une commande de Boîte Magique. Le modèle doit jongler avec quatre spécialités à la fois, et n'est optimisé pour aucune. Pire : une erreur commise pendant la phase invisible de « recherche » ne remonte qu'à l'e-mail final, déguisée en travail fini, chaque étape suivante construite sur l'erreur.
Enchaîner les prompts, c'est vous qui construisez la chaîne de montage à la place. Des stations petites. Une opération chacune. Une inspection entre les étapes. Le tapis roulant entre les stations existe déjà — c'est la conversation elle-même.
Comment Ça Marche
Toute chaîne productive suit la même colonne vertébrale en trois stations — Collecter → Transformer → Polir — étendue d'autant de stations intermédiaires que l'exige le travail.
| Station | Le travail | Prompt d'exemple |
|---|---|---|
| Collecter | Produire la matière première : faits, options, recherche | « Liste les 8 objections les plus courantes aux voitures électriques, une ligne chacune » |
| Transformer | Convertir le matériau en structure : plan, brouillon, squelette | « Regroupe ces objections en 3 thèmes et esquisse une section par thème » |
| Polir | Finaliser une sortie à la fois : style, compresser, auditer | « Écris uniquement la section 1, 150 mots, ton assuré » |
Trois mécaniques font fonctionner la chaîne :
1. Chaque station hérite de tout. Le modèle relit toute la conversation avant chaque réponse — c'est la fenêtre de contexte, le bureau de la leçon deux. L'étape trois n'a pas besoin que vous recolliez le plan de l'étape deux ; il est déjà sur le bureau, avec les objections de l'étape un. La mémoire de la chaîne est le tapis roulant. (C'est aussi pourquoi les chaînes vivent dans un chat par projet : le tapis ne relie que les stations d'une même ligne.)
2. Chaque station est assez petite pour être vérifiée. Une liste de huit objections se vérifie en dix secondes — la #6 est-elle une vraie objection ? Attrapez-la là, et le plan ne l'héritera jamais. C'est la magie qualité : les erreurs s'accumulent dans un méga-prompt, mais sont interceptées dans une chaîne. Vous avez déjà rencontré la version deux-stations de cette idée — le Prompt Auditor est exactement une chaîne : la station un rédige, la station deux attaque, la station trois corrige. L'enchaînement généralise ce rythme à n'importe quelle échelle.
3. Chaque station reçoit l'attention complète. Un modèle à qui l'on demande une seule chose donne à cette chose tout ce qu'il a. Le même modèle à qui l'on demande quatre choses à la fois négocie en interne un budget entre elles — et la station polissage est toujours la première victime du méga-prompt. Dans une chaîne, chaque station est le seul travail du modèle.
La règle de travail :
Une station, une opération, une inspection. Si la sortie d'une étape ne peut pas être vérifiée en moins d'une minute, la station est trop grande — divisez-la.
Avant / Après (Les Prompts)
Exemple 1 — le rapport de marché
Recherche le marché du fitness à domicile et écris un rapport complet de 1.500 mots avec résumé exécutif, analyse concurrentielle, trois opportunités de croissance argumentées et une conclusion. Rends-le professionnel et persuasif.
La Boîte Magique. Ce qui revient a la forme d'un rapport, mais le raisonnement est invisible — impossible de savoir quelle « opportunité de croissance » repose sur un fait que le modèle a inventé sous toute cette charge simultanée. Quand l'opportunité #2 se révèle creuse, vous ne savez pas si c'est la recherche ou la rédaction qui a failli. Reconstruisez depuis zéro.
Étape 1 : Liste les 5 principaux concurrents du fitness à domicile avec leur prix et un différenciateur chacun, en tableau. Si tu n'es pas sûr d'un chiffre, marque-le [VÉRIFIER].
Vérifiez le tableau. Deux minutes. Corrigez l'unique [VÉRIFIER] qui compte, et la matière première est maintenant connue comme bonne — chaque station suivante s'appuie dessus.
Étape 2 : À partir de ce tableau, esquisse un rapport en 4 sections : une section par opportunité de croissance défendable avec ces données, plus un résumé exécutif. Titres de sections uniquement, une ligne d'argument chacune.
Vérifiez le plan. L'opportunité #3 est-elle vraiment défendable depuis le tableau, ou est-ce une vibration ? Tuez-la maintenant — avant qu'existe une prose pour la faire paraître plus intelligente qu'elle n'est.
Étape 3 : Écris uniquement le résumé exécutif — 120 mots, assuré, sans affirmation au-delà du tableau ci-dessus.
Une station d'attention complète, construite sur une structure vérifiée. Poursuivez le long de la chaîne, une section par prompt, dans l'ordre que vous voulez. Le rapport final n'est pas de la chance ; c'est la dernière station d'une ligne où chaque station précédente a passé l'inspection.
Exemple 2 — l'itinéraire de voyage
Planifie un voyage parfait de 7 jours au Portugal pour une famille avec deux enfants, incluant villes, hôtels, restaurants et activités quotidiennes.
Un méga-prompt, cinq spécialités (logistique, budget, compatibilité enfants, rythme, nourriture), zéro intermédiaire vérifiable.
Étape 1 : Nous sommes une famille avec des enfants de 6 et 9 ans, première fois au Portugal, 7 jours, budget moyen. Pose-moi jusqu'à 5 questions — une à la fois — sur tout ce qui changerait le plan.
L'entrevue comme station un : la station de collecte pour les faits que seul vous possédez. Puis :
Étape 2 : Étant donné mes réponses, propose 3 squelettes d'itinéraire — des séquences de villes et de rythmes différents. Format tableau, une ligne par jour, sans détails encore.
Trois squelettes bon marché, vérifiables en une minute : la route Algarve-d'abord meurt à cause de la chaleur de juin mentionnée à l'étape un — attrapée sur le squelette, pas au jour quatre des vacances. Alors seulement l'étape trois détaille la gagnante, jour par jour, une station par jour.
Exemple 3 — la candidature
Écris une lettre de motivation pour ce poste de product manager en t'appuyant sur mon CV.
La demande classique en un souffle — et la raison pour laquelle la plupart des lettres d'IA sonnent comme la lettre d'IA de tout le monde.
Étape 1 : De l'offre ci-dessous, extrais les 5 exigences qui comptent le plus, classées. Cite l'offre pour chacune. Étape 2 : De mon CV, relie ma preuve la plus forte à chaque exigence — une ligne par exigence, en citant mon CV. Étape 3 : Écris la lettre en utilisant uniquement les cinq paires ci-dessus. 250 mots, sans clichés, ouvre sur ma meilleure correspondance.
La station un vérifie : sont-ce vraiment les exigences principales, ou les évidentes ? La station deux vérifie : ai-je la preuve, ou suis-je sur le point de promettre trop ? Alors seulement la station trois écrit — contrainte, étayée, et méconnaissable du brouillon par défaut.
Erreurs Courantes
- Enchaîner trop vite — ne jamais inspecter les intermédiaires. Une chaîne dont les stations ne sont jamais vérifiées n'est qu'un méga-prompt lent avec des étapes en plus. La valeur n'est pas la séquence ; ce sont les points d'inspection entre les stations. Marquez une pause à chaque sortie : dix secondes maintenant, ou une reconstruction entière plus tard.
- Des stations qui sont des méga-prompts secrets. « Étape 2 : écris les sections 1 à 4 » est la Boîte Magique cachée dans votre chaîne. Une station, une opération — si vous ne pouvez pas vérifier sa sortie en une minute, divisez la station.
- Laisser la chaîne s'étaler. Douze stations pour un e-mail de deux paragraphes, c'est de la cérémonie, pas de l'artisanat. Les chaînes sont pour le travail vraiment multi-étapes ; les petites tâches veulent un unique prompt one-shot bien visé. Construisez une chaîne quand le produit a des parties ; ne la construisez pas quand il a une phrase.
- Éparpiller la chaîne sur plusieurs chats. Le tapis roulant est la mémoire de la conversation — ouvrez un nouveau chat pour « l'étape 3 » et le bureau est vide : pas de plan, pas de réponses d'entrevue, rien. Un projet, un chat, de bout en bout.
- Relancer toute la chaîne après une station ratée. Un plan raté à l'étape deux ne vous renvoie pas au minerai brut. Corrigez la sortie de cette station (« régénère le plan, retire la section 3 ») et poursuivez — la chaîne reprend depuis la dernière bonne station. C'est précisément la vitesse de réparation que la Boîte Magique n'offre jamais.
Questions Fréquentes
Qu'est-ce que l'enchaînement de prompts ?
L'enchaînement de prompts est la décomposition d'une grande tâche d'IA en une séquence de petits prompts dépendants — collecter, transformer, polir — où la sortie de chaque étape devient l'entrée de la suivante au sein de la même conversation. Au lieu d'un méga-prompt produisant une masse inauditable, vous obtenez des stations que vous pouvez inspecter et corriger individuellement — les erreurs sont attrapées là où elles sont bon marché, et la qualité s'accumule le long de la ligne.
Pourquoi l'enchaînement donne-t-il de meilleurs résultats qu'un prompt géant ?
Trois raisons qui se cumulent : chaque étape reçoit l'attention complète du modèle au lieu d'une part ; chaque sortie intermédiaire est assez petite pour être vérifiée, donc les erreurs sont interceptées à leur station au lieu d'être découvertes dans le produit final ; et chaque étape suivante est construite sur du matériau inspecté. Le Prompt Auditor — rédiger puis attaquer — en est la preuve en deux stations.
Combien d'étapes doit compter une chaîne de prompts ?
Autant de stations que le travail a de parties vérifiables, et pas une de plus. Un rapport peut en nécessiter cinq ; une lettre de motivation, trois ; une phrase, une. Le test n'est pas un compte — c'est si chaque station exécute une opération unique dont vous pouvez vérifier la sortie en moins d'une minute. Dans le doute, divisez la station qui semble trop grande et supprimez la station que personne n'inspecte.
Leçon Suivante
L'enchaînement contrôle la séquence — l'ordre dans lequel l'IA travaille. Mais il existe une seconde dimension que la chaîne ne touche pas : le style. Comment faire en sorte que la sortie du modèle ressemble exactement à la sortie que vous avez en tête ? Pas en la décrivant — en la montrant. Un exemple résolu dans le prompt verrouille un motif plus fermement que n'importe quelle instruction jamais écrite.
Passez à la leçon suivante : Few-Shot Prompting
Exercice pratique avant de partir : prenez le prochain gros livrable de votre liste et écrivez uniquement la station un — l'étape de collecte — avant de toucher à l'IA. Définissez à quoi ressemble sa sortie, envoyez-la, et inspectez ce qui revient. Sentez la différence entre espérer que le produit final soit bon et savoir que les fondations le sont.