Les prompts d'IA disparaîtront

Auteur : Zhang Feng

I. Mot-clé : le « brise-glace » pour converser entre humains et IA

Au cours de ces deux années où l’intelligence artificielle générative a déferlé à travers le monde, « les prompts » sont passés d’un terme technique jusque-là marginal à une matière incontournable pour le travail. Les tutoriels « Ingénierie des prompts : du débutant au maître » pullulent sur le marché ; sur les réseaux sociaux, on voit partout des partages du type « Apprenez ces dix prompts, et la production de votre IA sera multipliée par deux ». Les gens débattent sérieusement de la mise en scène de rôles, de la réflexion pas à pas, de la chaîne de pensée, de l’apprentissage en peu d’exemples, etc., comme s’ils maîtrisaient une formule magique de prompts extrêmement raffinée, capable de faire surgir la puissance profonde de l’IA.

Cependant, qu’est-ce qu’un prompt, exactement ?

Fondamentalement, un prompt est un « média de traduction » entre les humains et les grands modèles de langage. Les humains décrivent à l’IA leurs intentions en langage naturel ; l’IA transforme alors ces mots en une recherche dans un espace latent et en un échantillonnage d’une distribution de probabilités, pour finalement générer une réponse. L’existence des prompts s’explique par le fait que, pour l’instant, l’interaction homme-machine n’en est qu’au stade primaire : « vous demandez, l’IA répond ». L’IA ne lit pas dans les pensées, ne prévoit pas, et ne questionne pas d’elle-même ; elle ne fait qu’attendre passivement une entrée, puis exécuter mécaniquement une sortie.

Le rôle des prompts consiste à « cadrer » et à « activer ». Ils cadrent les limites de la tâche, le format de sortie et le style des réponses ; ils activent dans le modèle des zones de connaissances spécifiques et des modules de capacités acquis pendant la phase de préentraînement. Un bon prompt peut réveiller avec précision, depuis l’état « endormi », un modèle de plusieurs centaines de milliards de paramètres, comme si un artisan expérimenté se voyait remettre l’outil qu’il lui faut. En ce sens, les prompts sont pour l’instant la bride grâce à laquelle les humains maîtrisent l’IA : le brise-glace qu’il nous faut utiliser quand nous dialoguons avec une intelligence fondée sur le silicium.

Mais la mission du brise-glace n’a jamais été de naviguer éternellement.

II. Produit transitoire : le destin des prompts

Toute forme d’interaction technique qui exige que l’utilisateur apprenne un « langage intermédiaire » pour communiquer avec le système est, par nature, transitoire. Pensez à l’époque DOS : la ligne de commande obligeait l’utilisateur à mémoriser des instructions et des paramètres complexes pour faire fonctionner l’ordinateur. Après l’apparition des interfaces graphiques, la ligne de commande a été reléguée dans un coin plus spécialisé. Pensez aussi aux premiers écrans tactiles qui nécessitaient un stylet : Steve Jobs disait pourtant « Dieu nous a donné dix doigts pour le toucher » — et l’interaction par les doigts est alors devenue la norme. Les prompts se trouvent justement à une position de transition semblable.

Les prompts sont condamnés à disparaître pour trois raisons.

Premièrement : l’essence des prompts consiste à « transférer la charge cognitive à l’utilisateur ». L’utilisateur doit réfléchir à la façon d’exprimer ses intentions pour que l’IA comprenne ; il doit retoucher plusieurs fois les formulations ; il doit maîtriser des techniques comme « la mise en scène de rôles » et « le raisonnement pas à pas ». En soi, c’est déraisonnable : comme si, au restaurant, le chef vous demandait d’abord d’apprendre à décrire « la réaction de Maillard », « le degré de caramélisation » et « l’état d’émulsion des lipides » avant de commander. Un système réellement intelligent devrait s’adapter aux personnes, pas faire en sorte que les personnes s’adaptent au système.

Deuxièmement : l’évolution des capacités des grands modèles dissout la nécessité des prompts. Le GPT-3 des débuts était très « bête » et nécessitait des prompts soigneusement conçus pour produire du contenu utile. Mais le GPT-4 a déjà montré de solides capacités de suivi d’instructions et de compréhension des intentions : même avec une expression très orale, les utilisateurs obtiennent des réponses raisonnables. À mesure que le modèle évolue vers le GPT-5 et au-delà, le modèle aura de plus en plus de tolérance et de capacités de complétion face à des expressions humaines floues, incomplètes, voire contradictoires. Quand le modèle devient suffisamment « intelligent », les prompts n’auront plus besoin d’être « industrialisés » : ils pourront revenir à l’expression quotidienne la plus naturelle.

Troisièmement : le paradigme d’interaction passe d’« un seul tour de questions-réponses » à « une collaboration multi-tours ». Les prompts sont essentiellement le produit d’une interaction en un seul tour : l’utilisateur regroupe une demande en un seul bloc de texte, et l’IA renvoie une réponse en un seul bloc. Mais un travail réellement valable n’est jamais figé d’un seul coup. Écrire demande de réviser encore et encore ; programmer nécessite un débogage progressif ; la recherche exige d’aller toujours plus loin. À l’avenir, l’interaction avec l’IA sera un dialogue continu, une co-création itérative — et non pas un aller-retour mécanique « un prompt, une réponse ».

Il faut alors mentionner un type d’interaction IA qui est en train d’émerger : OpenClaw. En tant que framework open source d’agent IA intelligent, OpenClaw a pour caractéristiques centrales « une mémoire persistante » et « une perception de l’environnement ». Il ne traite plus chaque conversation comme un événement isolé ; il donne à l’IA une capacité de mémoire trans-session, lui permettant de percevoir l’environnement de travail actuel (fichiers, code, onglets du navigateur, etc.), puis de faire progresser la tâche de façon proactive. Lorsque vous utilisez un workflow construit avec OpenClaw, vous n’avez plus besoin, à chaque fois, de réexpliquer « qui je suis », « quel est le contexte du projet » ou « à quelle étape j’en étais » — l’IA a déjà « retenu » tout cela. Dans ce mode, « le prompt » commence à se désagréger en paroles naturelles, fragmentaires et intégrées dans une interaction continue, plutôt qu’en une unité d’entrée distincte, qui exige d’être soigneusement construite.

III. L’IA du futur : un professeur, et aussi un assistant

Quand les prompts disparaîtront, sous quelle forme l’IA existera-t-elle ? La réponse est : l’IA deviendra le professeur de l’humain, mais aussi son assistant. Ces deux rôles semblent contradictoires, mais ils s’unifient autour d’un même noyau : l’IA va évoluer d’« un outil passif » vers « un collaborateur actif ».

En tant que professeur,AI assumera la fonction de « renforcement de la cognition ». Elle ne se contentera pas de donner des réponses : elle guidera l’humain à penser. Quand vous butez sur le code, elle ne vous collera pas directement un bout de code ; elle vous demandera : « Quel est le problème fondamental que vous voulez résoudre ? Quelles solutions avez-vous envisagées ? Quels sont les compromis de chaque solution ? » Elle vous aidera à clarifier votre démarche par des questions, comme le ferait Socrate. Quand vous apprenez une nouvelle connaissance, elle construira un parcours d’apprentissage personnalisé selon votre niveau de connaissances actuel et vos préférences d’apprentissage ; elle planifiera des révisions au moment où vous seriez sur le point d’oublier, et changera l’angle d’explication quand vous rencontrerez un blocage. Elle sait où vous êtes faible et où vous êtes fort : elle connaît mieux que vous-même vos limites cognitives.

En tant qu’assistant,AI assumera la fonction de « renforcement de l’exécution ». Elle n’aura plus besoin que vous donniez des instructions une par une ; elle comprendra vos objectifs à long terme et les décomposera activement en une séquence de tâches exécutables. OpenClaw a déjà montré cette possibilité : il peut naviguer de manière autonome sur le web, manipuler des fichiers, appeler des API, envoyer des messages — et, une fois l’autorisation obtenue, accomplir une série d’opérations complexes comme le ferait un stagiaire fiable. Et surtout : quand elle rencontre une situation incertaine, elle vous demandera activement conseil, au lieu d’agir de sa propre initiative. Ce mode de « exécution proactive + demande d’arbitrage au bon moment » est précisément la caractéristique d’un assistant idéal.

L’exploration de Rotifer pointe vers un autre axe : uneAI qui évolue en continu. Rotifer est un projet open source qui met l’accent sur « la mémoire à long terme » et « l’apprentissage autonome ». Il permet à l’IA d’accumuler constamment de l’expérience et d’optimiser ses stratégies dans des interactions prolongées avec les utilisateurs. Plus vous l’utilisez longtemps, plus il vous comprend : vos habitudes de travail, votre façon de penser, vos préférences de valeur. Ce n’est pas un « modèle général » qui repartirait à zéro à chaque fois ; c’est plutôt un « modèle dédié » qui grandit progressivement avec vous. Cette évolution continue permet d’approfondir, et non de rester en surface, les rôles d’enseignant et d’assistant de l’IA.

Imaginez un scénario comme celui-ci : vous êtes un développeur indépendant et vous travaillez sur un nouveau projet. Le matin, à votre réveil, votre assistant IA (basé sur la mémoire persistante d’OpenClaw et l’apprentissage continu de Rotifer) a déjà mis à jour votre dépôt de code, vos rendez-vous du calendrier et votre historique de chat, puis a préparé une liste de tâches pour aujourd’hui. Il a remarqué que vous étiez bloqué hier sur un module ; donc, pendant que vous vous reposiez la nuit, il a étudié la documentation technique concernée et les discussions de la communauté, préparant trois solutions possibles, avec une analyse des avantages et des inconvénients de chacune ainsi qu’une estimation de la quantité de travail à prévoir. Vous prenez votre café, vous regardez le rapport qu’il a organisé, puis vous dites en passant : « Je pense que la solution deux est plus appropriée, mais il faut encore optimiser les performances. » Il comprend immédiatement votre intention, commence à implémenter, et vous rend compte de l’avancement à chaque sous-tâche terminée. Ce n’est pas seulement votre assistant : il vous enseigne, sans même que vous vous en rendiez compte, une meilleure pensée d’architecture — parce que vous découvrez que les patterns de conception dissimulés dans ses propositions sont précisément ceux que vous vouliez apprendre depuis longtemps, mais pour lesquels vous n’aviez jamais eu le temps d’approfondir.

IV. La tâche des humains : revenir à l’expression des besoins

LorsqueAI prend en charge le raisonnement complexe sur « comment faire » et la décomposition des tâches pour « quoi faire », la tâche centrale des humains revient à un endroit plus fondamental : exprimer les besoins.

Cela semble simple, voire un peu ironique. Nous sommes habitués à piloter l’IA avec des prompts précis ; pourtant on dit que les humains n’ont besoin d’exprimer que « un besoin » ? Mais distinguez bien : exprimer un besoin et rédiger un prompt présentent une différence essentielle.

Rédiger un prompt, c’est apprendre une « grammaire de machine ». Vous devez savoir quel type de formulation déclenche quel type de sortie ; vous devez maîtriser des techniques comme « chaîne de pensée » et « mise en scène de rôles » ; vous devez retoucher et déboguer à répétition les paramètres et le format. C’est un processus où « la personne s’adapte à la machine ».

Exprimer un besoin, c’est revenir à la « grammaire humaine ». Vous pouvez dire votre objectif, vos contraintes et vos préférences de la manière la plus naturelle possible. Vous pouvez dire : « Je veux créer une application similaire à Xiaohongshu, mais destinée aux passionnés de jardinage. Les fonctions principales sont la reconnaissance des plantes et un journal d’entretien. Budget limité : je veux utiliser un stack technologique le plus léger possible, et lancer un MVP en deux mois. » Dans ce passage, il y a beaucoup d’ambiguïté : « similaire », « léger » et « MVP » ne sont pas définis avec précision, mais une IA suffisamment intelligente vous posera activement des questions de clarification, proposera des options à choisir, puis exécutera automatiquement après votre décision.

Exprimer un besoin, c’est essentiellement la capacité de « définir le problème », et non celle de « décrire une solution ». Dans le développement logiciel traditionnel, le chef produit est responsable de la définition du problème, tandis que les ingénieurs conçoivent et implémentent des solutions. Dans la collaboration future avec l’IA, chacun deviendra « chef produit » : il vous suffit de définir clairement ce que vous voulez, pourquoi vous le voulez, et quelles contraintes existent ; l’IA se charge ensuite de concevoir et d’implémenter. Cela ne signifie pas que les humains deviennent paresseux ou dégénèrent — au contraire : cela libère l’humain des détails pénibles de « comment implémenter », afin que nous puissions nous concentrer sur un travail plus créatif : définir des problèmes qui ont de la valeur.

C’est aussi pourquoi des projets comme OpenClaw et Rotifer sont si importants. Ils construisent justement l’infrastructure de « expression du besoin → décomposition de la tâche → exécution autonome ». La capacité de perception de l’environnement d’OpenClaw permet à l’IA de comprendre votre contexte actuel, sans que vous ayez besoin de répéter le background à maintes reprises ; la mémoire à long terme de Rotifer permet à l’IA d’accumuler sa compréhension de vous, sans qu’à chaque fois vous ayez besoin de vous présenter à nouveau. Quand ces deux éléments se combinent, l’IA peut, lorsque vous exprimez un besoin flou, compléter automatiquement les informations implicites que vous n’avez pas dites — parce que, d’après sa connaissance de vous, elle sait comment vous allez choisir.

Plus important encore : exprimer un besoin est une capacité qui peut s’apprendre et s’améliorer. Un excellent « exprimant des besoins » sait délimiter clairement les frontières du problème, distinguer les besoins essentiels des préférences secondaires, et anticiper l’effet domino qu’une décision peut provoquer. Ces capacités constituent précisément l’avantage fondamental des humains par rapport à l’IA : nous avons une expérience incarnée réelle, nous avons des émotions et des valeurs, nous avons le jugement sur « ce qui est bon » et « ce qui a du sens ». L’IA peut nous aider à calculer, exécuter et optimiser, mais la question de « ce qui mérite d’être fait » appartiendra toujours aux humains.

V. Adieu aux formules, place à la co-symbiose

La disparition des prompts n’est pas uneAI qui décline ; c’est uneAI qui mûrit. Tout comme nous n’avons plus besoin de mémoriser les commandes DOS pour utiliser l’ordinateur, ni d’apprendre les gestes du stylet tactile pour utiliser le téléphone, nous n’aurons finalement plus besoin d’apprendre « l’ingénierie des prompts » pour dialoguer avec l’IA.

Quand OpenClaw donne à l’IA une perception persistante de l’environnement, quand Rotifer permet à l’IA une évolution de soi continue, et que ces deux forces se rassemblent, l’IA se transforme d’une « outil qui obéit » en un « partenaire qui comprend l’intention ». Elle sera votre professeur, allumant pour vous un phare de la cognition quand vous serez perdu ; elle sera votre assistant, vous partageant la charge d’une exécution complexe lorsque vous êtes occupé. Et vous, en tant qu’humain, n’aurez qu’à faire ce pour quoi vous êtes le plus doué : ressentir le monde, former votre jugement, exprimer vos besoins.

Les prompts sont le professeur d’initiation à l’ère de l’IA : ils nous enseignent comment dialoguer avec une intelligence basée sur le silicium. Mais la mission d’un professeur d’initiation est d’amener les élèves à se dépasser finalement. Le jour où les prompts disparaîtront, nous ne les regretterons pas : comme nous ne regrettons pas les commandes de la ligne de commande que nous avons apprises. Nous entrerons dans une relation homme-machine plus naturelle et plus profonde : non pas « l’humain donne des instructions à la machine », mais « l’humain et la machine créent ensemble ».

Ce sera une époque où l’on n’aura plus besoin de « formules ».