Pourquoi la plupart des prompts vous donnent des réponses au lieu de pensée
Il y a une plainte que les gens formulent à propos de l'IA, du genre : « Elle me donne du contenu confiant, générique, légèrement faux. » L'instinct est de blâmer le modèle. La réponse honnête, c'est que la plupart des prompts demandent une sortie, et la sortie est ce que le modèle renvoie. Si vous demandez un résumé, vous obtenez un résumé. Si vous demandez une liste de cinq conseils, vous obtenez une liste de cinq conseils. Le résultat semble superficiel parce que la requête était superficielle.
Des chercheurs de Princeton ont étudié exactement cet écart dans leur article KDD 2024 sur le comportement de citation lié à la structure du prompt (Aggarwal et al.). Ce qu'ils ont constaté, c'est que la structure du prompt change ce à quoi le modèle prête attention, pas seulement ce qu'il dit. Un petit déplacement de cadrage change quelles sources sont citées, quels contre-arguments font surface, et quelles hypothèses sont rendues explicites. Autrement dit, le prompt n'est pas une requête de recherche. C'est un cadre.
Cet article est le catalogue des cadres. Huit patterns de prompt spécifiques, nommés, à copier-coller, pour des tâches de pensée spécifiques. Deux articles Glasp connexes l'accompagnent. Context engineering parle d'assembler la pièce dans laquelle votre IA travaille : les documents, les sources, les contraintes. The AI thinking trap parle du maintien de votre propre attitude critique quand l'IA commence à paraître trop fluide. Ce texte-ci est le catalogue de gestes lui-même. La pièce, l'attitude, les gestes.
Chaque pattern ci-dessous a la même structure. Quand l'utiliser, d'où il vient, le prompt exact, un exemple de ce qui revient, et pourquoi il fonctionne. Traitez-les comme un vocabulaire, pas comme une checklist.
Pattern 1 : Steel-Man
Steel-Man (l'Homme de Paille Inversé) est la discipline de construire la version la plus forte possible d'une vue opposée avant d'argumenter contre elle. C'est l'opposé de l'homme de paille : au lieu d'attaquer une caricature affaiblie, vous battez la version la plus solide.
Quand l'utiliser : avant de défendre une position, de publier un argument, ou de prendre une décision à fort enjeu sur laquelle vous êtes déjà presque décidé.
Origine : généralement attribué aux règles de débat constructif d'Anatol Rapoport dans les années 1960, qui exigent de reformuler la position d'un adversaire si bien qu'il dise « merci, j'aurais aimé l'exprimer ainsi ».
Prompt :
Steel-man the opposing view of [my position]. Make the strongest possible
case, including any evidence or framing I'm likely missing. Don't hedge.
Don't add a "but actually" at the end. Just make the case.
Exemple de sortie : Pour une position comme « nous devrions livrer le MVP cette semaine », une réponse en steel-man pourrait dire : « Livrer cette semaine échange un lancement réparable contre une première impression permanente. Les clients qui repartent dès la première semaine reviennent rarement. Le coût d'un retard de deux semaines est faible. Le coût d'un relancement contre une réputation abîmée est grand. »
Pourquoi ça marche : la plupart des gens ne perdent pas leurs arguments parce que leurs adversaires sont intelligents. Ils perdent parce qu'ils se sont préparés contre la version idiote. Steel-Man vous force à affronter la version intelligente avant d'être publiquement engagé sur votre camp.
Pattern 2 : Pre-Mortem
Pre-Mortem (Pré-Mortem) retourne un post-mortem dans le temps. Au lieu d'analyser pourquoi un projet a échoué, vous imaginez qu'il a déjà échoué et vous reconstruisez le chemin qui y a mené.
Quand l'utiliser : avant le lancement d'un plan, d'un projet ou d'une fonctionnalité, surtout quand l'équipe se sent déjà confiante.
Origine : Gary Klein, « Performing a Project Premortem », Harvard Business Review, 2007. Klein a constaté que les équipes généraient 30 % de raisons d'échec potentiel en plus lorsqu'elles supposaient que l'échec était déjà réel.
Prompt :
It's [date 6 months from now]. The plan I'm about to describe failed
badly. Walk me through the most likely sequence of events that led
to failure. Be concrete about what we missed, who pushed back too late,
and what early signal we ignored.
Plan: [paste plan here]
Exemple de sortie : « Au mois deux, le trafic de lancement avait chuté de 60 % d'une semaine sur l'autre. L'équipe avait supposé une croissance organique par parrainages, mais la boucle de parrainage exigeait une fonctionnalité livrée en retard. Au mois quatre, le champion d'origine chez l'entreprise partenaire était parti, et personne n'avait construit de relation avec son successeur. »
Pourquoi ça marche : le rétro-pronostic prospectif change la façon dont le cerveau cherche. Demander « qu'est-ce qui pourrait mal tourner ? » donne des réponses vagues. Demander « qu'est-ce qui a mal tourné ? » en donne des spécifiques. La certitude fictive débloque la spécificité réelle.
Pattern 3 : Load-Bearing Assumption
Load-Bearing Assumption (Hypothèse Porteuse) fait remonter les revendications silencieuses dont dépend votre argument. La plupart des arguments ont une ou deux hypothèses qui, si elles sont fausses, font s'effondrer toute la structure. La plupart des gens ne les nomment jamais.
Quand l'utiliser : quand vous êtes coincé sur une décision, avant d'engager un budget ou un effectif, ou quand un plan vous semble manifestement juste sans que vous puissiez dire pourquoi.
Prompt :
Identify the 3 load-bearing assumptions in this argument. For each, tell me:
1. What evidence would falsify it
2. How I could check in under a day
3. What changes if it turns out to be false
Argument: [paste argument]
Exemple de sortie : « Hypothèse 1 : que les utilisateurs toléreront un temps de chargement de 10 secondes à la première visite. Falsificateur : taux de rebond supérieur à 60 % sur la page d'atterrissage. Vérification en une journée : extraire les analytics de la semaine dernière pour l'URL du prototype. Si fausse : tout le flux d'onboarding nécessite un chemin rapide. »
Pourquoi ça marche : les hypothèses sont dangereuses à proportion de leur invisibilité. Les nommer à voix haute brise le sortilège. La contrainte « vérification en moins d'une journée » est ce qui maintient l'exercice honnête. Si vous ne pouvez pas le vérifier, vous ne pouvez pas le revendiquer.
Pattern 4 : Inversion
Inversion pose la question à l'envers. Au lieu de « comment réussir X ? », vous demandez « comment garantir la pire version possible de X ? ». Puis vous évitez ces choses.
Quand l'utiliser : quand un problème semble bloqué, quand les conseils sur le sujet sont remplis de platitudes, ou quand vous pouvez lister des choses à éviter plus vite que des choses à faire.
Origine : Charlie Munger l'a empruntée au mathématicien du XIXe siècle Carl Jacobi, dont le conseil était « Inversez, toujours inversez. » Munger l'a qualifiée de l'un des modèles mentaux les plus utiles qu'il avait.
Prompt :
Instead of solving [problem], list every action that would guarantee
the worst version of this outcome. Be specific and concrete. Then
we'll work backwards from your list to figure out what to actually do.
Exemple de sortie : Pour « comment écrire un excellent courriel d'onboarding ? », l'inversion produit : « Écrire 800 mots. Commencer par l'historique de l'entreprise. Enterrer le bouton d'action sous la ligne de flottaison. Utiliser deux fois "nous sommes ravis". Envoyer le vendredi à 17 h. Ne personnaliser que le prénom et oublier de tester. »
Pourquoi ça marche : les gens reconnaissent mieux l'échec qu'ils ne conçoivent le succès. L'inversion donne au cerveau une cible concrète qu'il sait réellement atteindre. Une fois la pire version sur la page, la meilleure version est essentiellement la négation.
Pattern 5 : Devil's Audit
Devil's Audit (Audit du Diable) est le geste que vous exécutez sur votre propre ébauche avant que quiconque ne la voie. Vous demandez au modèle de jouer le relecteur hostile, et vous lui demandez d'être précis.
Quand l'utiliser : après avoir rédigé une ébauche, terminé un argument, ou assemblé un deck. Avant d'envoyer, de publier, ou de présenter.
Prompt :
Audit this draft as a hostile but smart reviewer. List specifically:
1. The weakest claim
2. The most unfair generalization
3. The part where I'm assuming the reader agrees with me
4. The part most likely to be cut by an editor
Be specific. Quote the exact sentences.
Draft: [paste draft]
Exemple de sortie : « Affirmation la plus faible : "la plupart des équipes échouent à cause de la culture" (paragraphe 3) manque de citation et est contredite par l'étude McKinsey 2023 que vous citez plus loin. Généralisation la plus injuste : "les ingénieurs ne lisent pas la documentation". Accord supposé : le paragraphe 5 traite le travail asynchrone comme manifestement supérieur ; beaucoup de lecteurs ne le verront pas ainsi. »
Pourquoi ça marche : l'écart entre ce que vous avez écrit et ce qu'un inconnu lit est énorme. La plupart des écrivains ne voient pas leurs propres hypothèses parce que ces hypothèses leur paraissent comme l'air qu'ils respirent. Un relecteur hostile rend l'air visible. La contrainte « citez les phrases exactes » force la spécificité, qui est là où vit la valeur.
Pattern 6 : Pre-Reading Brief
Pre-Reading Brief (Brief de Pré-Lecture) prépare votre esprit avant que vous ne consommiez un contenu. Au lieu de lire passivement, vous lisez comme quelqu'un qui sait déjà quoi chercher.
Quand l'utiliser : avant un long article, un article dense, une vidéo importante, ou un chapitre de livre que vous devez réellement retenir.
Prompt :
Before I read this, give me:
1. Three questions I should hold in mind while reading
2. The strongest counterargument I should look out for
3. The three sentences I should remember if I forget the rest
Source: [paste or link]
Exemple de sortie : « Gardez ces questions en tête : (1) Quelle est la pièce de preuve la plus solide de l'auteur ? (2) Où la chronologie des événements devient-elle floue ? (3) Quelle perspective manque ? Contre-argument à surveiller : l'auteur traite la corrélation comme causalité dans la deuxième étude citée. Trois phrases à retenir : [...] »
Pourquoi ça marche : c'est de l'amorçage cognitif. La Cognitive Theory of Multimedia Learning de Mayer montre que les apprenants qui obtiennent un aperçu structurel retiennent environ 30 % de plus de ce qu'ils lisent ou regardent, parce qu'ils peuvent rattacher l'information entrante à un échafaudage au lieu de la maintenir à froid en mémoire de travail. Le brief est l'échafaudage.
Pattern 7 : Synthesis-from-N
Synthesis-from-N est le pattern pour quand vous avez collecté plusieurs sources sur un sujet et que vous devez extraire la structure qui les traverse. Pas un résumé de chacune. Une synthèse qui fait apparaître consensus, conflit, et angles morts partagés.
Quand l'utiliser : après avoir lu plusieurs articles, papiers, ou transcriptions sur un sujet. Particulièrement utile lorsque vous avez une bibliothèque Glasp de surlignages que vous avez accumulés.
Prompt :
Synthesize these N sources into:
1. The core consensus (what they all agree on)
2. The loudest disagreement (where they explicitly contradict each other)
3. The assumption all sources share that nobody questions
Sources: [paste highlights, links, or quotes]
Exemple de sortie : « Consensus central : les cinq sources s'accordent sur le fait que la mémoire de travail est le goulot d'étranglement de l'apprentissage. Désaccord le plus bruyant : les sources 2 et 4 divergent sur la question de savoir si la répétition espacée surpasse l'entrelacement. Hypothèse partagée non remise en question : chaque source traite la motivation comme exogène et ignore comment le format lui-même façonne l'engagement. »
Pourquoi ça marche : la plupart des gens lisent N sources et finissent avec N résumés. Synthesis-from-N force une carte unique. Le troisième point, l'hypothèse non remise en question, est généralement là où vit l'insight réel, parce que c'est la question que personne dans le domaine ne se pose encore. Pour un traitement plus long du cycle lire-surligner-synthétiser, voir the synthesis loop.
Pattern 8 : Failure-Mode Hunter
Failure-Mode Hunter (Chasseur de Modes de Défaillance) est le pattern de pensée systémique. Vous listez les façons dont la chose peut casser, vous les classez par probabilité et gravité, et vous demandez ce qui détecterait chacune tôt.
Quand l'utiliser : lors de la conception de systèmes, processus, produits ou outils où la fiabilité importe plus que la nouveauté.
Prompt :
List the top 7 failure modes for [system]. For each, give me:
1. Probability (low / medium / high)
2. Severity (low / medium / high)
3. The cheapest detection mechanism that would catch it within an hour
System: [describe system]
Exemple de sortie : « Mode de défaillance 1 : pool de connexions à la base de données épuisé sous pic de trafic. Probabilité : moyenne. Gravité : élevée. Détection : alerte sur temps d'attente de connexion supérieur à 200 ms. Mode de défaillance 2 : API tierce limitant silencieusement le taux sans renvoyer d'erreur. Probabilité : élevée. Gravité : moyenne. Détection : vérification synthétique qui compare la charge utile de réponse à un fixture connu toutes les 5 minutes. »
Pourquoi ça marche : les modes de défaillance sont en général connus de quelqu'un. La question est de savoir s'ils vous sont connus, à vous, avant qu'ils ne se produisent. Forcer probabilité, gravité, et un mécanisme de détection peu coûteux transforme une inquiétude vague en checklist priorisée. La contrainte « en moins d'une heure » est ce qui sépare la vraie supervision du théâtre.
Une fiche aide-mémoire d'une page (et comment mémoriser les patterns)
Voici tout le catalogue en un seul endroit.
| Pattern | Quand | Phrase déclencheur |
|---|---|---|
| Steel-Man | Avant de défendre une vue | « Présente le meilleur argument contre moi. » |
| Pre-Mortem | Avant de lancer un plan | « Il a déjà échoué. Que s'est-il passé ? » |
| Load-Bearing Assumption | En blocage ou avant d'engager | « Quelles 3 hypothèses portent ceci ? » |
| Inversion | Quand le succès paraît vague | « Comment garantir le pire ? » |
| Devil's Audit | Après avoir rédigé une ébauche | « Sois le relecteur hostile. » |
| Pre-Reading Brief | Avant de consommer du contenu | « Quelles 3 questions garder en tête ? » |
| Synthesis-from-N | Après avoir lu plusieurs sources | « Consensus, conflit, angle mort partagé. » |
| Failure-Mode Hunter | Lors de la conception d'un système | « Top 7 modes de défaillance, classés. » |
L'astuce pour les mémoriser, c'est de les nommer dans votre propre travail. La prochaine fois que vous demandez le contre-argument le plus solide à votre position, ne le tapez pas simplement. Dites « je passe un Steel-Man là-dessus ». Quand vous terminez une ébauche, dites « je lance le Devil's Audit ». Nommer le geste le transforme d'un prompt ponctuel en outil que vous pouvez prendre en main de manière constante.
Un rythme pratique qui fonctionne bien avec le surligneur web Glasp : surligner d'abord, pattern ensuite. Pendant que vous lisez, sauvegardez les passages qui vous semblent importants. Puis exécutez des patterns sur votre bibliothèque de surlignages : Steel-Man de votre position en utilisant des surlignages provenant de sources avec lesquelles vous êtes en désaccord, Devil's Audit d'une ébauche contre des surlignages que vous avez collectés, et Synthesis-from-N à travers un cluster thématique. Les surlignages sont la matière première. Les patterns sont les gestes que vous faites sur la matière. La fonctionnalité de chat IA de Glasp est construite autour de ce rythme. Vos surlignages sont déjà dans le contexte, donc les patterns opèrent sur ce que vous avez réellement lu, pas sur ce que le modèle devine.
La plupart des personnes qui deviennent bonnes à ce jeu n'utilisent jamais les huit patterns dans une même semaine. Elles en choisissent deux ou trois qui correspondent à leur façon de penser, et elles deviennent fluides. C'est ça l'objectif. Pas huit patterns mémorisés. Deux ou trois patterns en pilotage automatique.
Foire aux questions
Ces patterns fonctionnent-ils dans n'importe quel LLM ?
Oui. Ils ont été testés sur GPT-5, Claude 4.6 et Gemini 2.5, et ils tiennent parce qu'ils portent sur la structure de prompt, pas sur des astuces propres à un modèle. Les exemples de sorties ci-dessus ont été générés avec les trois, avec une qualité similaire. Les modèles plus petits produiront des versions plus superficielles de la même forme, mais la forme tient.
Devrais-je mémoriser les 8 ?
Non. Commencez avec deux. Les deux à plus fort levier pour la majorité du travail de connaissance sont Steel-Man et Pre-Mortem. Steel-Man vous évite de défendre des positions que vous n'avez pas réellement mises sous pression. Pre-Mortem vous évite de lancer des plans dont le mode de défaillance est déjà évident en rétrospective. Ajoutez les autres au gré des situations. Inversion est le troisième que la plupart des gens finissent par adopter.
Est-ce simplement du prompt engineering ?
C'est lié, mais l'objectif est différent. Le prompt engineering optimise la sortie du modèle : meilleures réponses, moins d'hallucinations, mise en forme plus propre. Les patterns de pensée optimisent votre cognition : repérer vos propres angles morts, faire émerger vos propres hypothèses, aiguiser vos propres arguments. La sortie est un effet secondaire. L'enjeu, c'est ce qui se passe dans votre tête quand vous exécutez le pattern.
Et le chain-of-thought ou les prompts pas à pas ?
Le chain-of-thought est un méta-pattern qui peut s'empiler sur ceux-ci. Vous pouvez ajouter « think step by step » à n'importe lequel des huit patterns ci-dessus et obtenir généralement une réponse plus rigoureuse, surtout dans les modèles qui ne raisonnent pas par défaut. Mais le CoT seul tend à produire une pensée verbeuse visant aucune cible particulière. Les huit patterns ci-dessus pointent la pensée vers quelque chose de spécifique. Utilisez-les ensemble quand les enjeux justifient les tokens supplémentaires.
Conclusion
La plainte selon laquelle l'IA est « superficielle » est surtout une plainte au sujet de prompts superficiels. Les patterns ci-dessus ne rendent pas le modèle plus intelligent. Ils rendent votre requête plus intelligente, et c'est là que se trouve réellement le levier.
Huit gestes nommés. Steel-Man pour les vues opposées. Pre-Mortem pour les plans. Load-Bearing Assumption pour les décisions. Inversion en blocage. Devil's Audit sur les ébauches. Pre-Reading Brief sur les contenus. Synthesis-from-N à travers les sources. Failure-Mode Hunter sur les systèmes. Les noms comptent parce que ce sont eux dont vous vous souviendrez réellement sur le moment. « Lance un Steel-Man là-dessus » est une phrase que vous pouvez vous dire à vous-même. « Utilise un cadrage plus critique dans ton prompt » ne l'est pas.
Si vous ne devez retenir qu'une chose de ce catalogue, retenez ceci : l'objectif n'est pas d'obtenir de meilleures réponses de l'IA. L'objectif est d'aiguiser votre propre pensée, avec l'IA comme partenaire qui pose les questions que vous avez oublié de vous poser. Les huit patterns sont huit manières fiables de faire fonctionner ce partenariat. Choisissez-en deux. Devenez fluide. Ajoutez-en d'autres quand le travail le demande.