Générateur de prompt système pour LLM
Renseignez rôle, contexte, objectif, contraintes, format de sortie, ton et exemples few-shot dans un formulaire guidé : le prompt système structuré en Markdown est assemblé instantanément, avec une estimation du nombre de tokens.
L'estimation de tokens est une approximation (le tokenizer exact de Claude n'est pas public) : le nombre réel peut varier.
Pourquoi structurer un prompt système ?
Un prompt système sert à cadrer le comportement d'un assistant IA avant même la première question de l'utilisateur : il fixe le rôle que le modèle doit incarner, le contexte métier dans lequel il opère, l'objectif à atteindre, les règles à respecter et le format de réponse attendu. Un prompt écrit d'un seul bloc, sans séparation claire entre ces intentions, est plus difficile à relire, à maintenir et à faire évoluer au fil des itérations. Découper le prompt en sections nommées (Rôle, Contexte, Objectif, Contraintes, Format de sortie, Ton, Exemples) aide autant le rédacteur humain que le modèle lui-même : la plupart des LLM actuels comprennent bien les structures Markdown avec titres et listes, et s'appuient dessus pour hiérarchiser les instructions.
Les exemples few-shot (paires entrée/sortie) sont particulièrement utiles quand une description textuelle des attentes reste ambiguë : montrer deux ou trois cas concrets de ce qui est attendu réduit souvent les erreurs d'interprétation, notamment pour un format de sortie précis (structure JSON, gabarit de réponse, style rédactionnel particulier). Un bon exemple few-shot vaut souvent plusieurs phrases d'explication : il montre la longueur attendue, le niveau de détail, le registre de langue et la structure exacte de la réponse, là où une consigne purement textuelle laisse encore de la place à l'interprétation.
Séparer les contraintes du reste du prompt présente aussi un intérêt pratique : une liste à puces dédiée est plus facile à faire relire par une autre personne de l'équipe, à versionner au fil des itérations, et à compléter au fur et à mesure que de nouveaux cas limites sont découverts en production (une règle de sécurité oubliée, un format de date imposé, une langue de réponse à respecter systématiquement). Rédiger ce type de gabarit à la main, section par section, dans un simple éditeur de texte, reste possible mais expose à des oublis de cohérence : titres qui changent de nom d'une version à l'autre, sections vides laissées dans le prompt final, absence de retour sur la longueur réelle du texte envoyé au modèle. Un formulaire guidé, avec un aperçu assemblé en temps réel, limite ce type d'erreur.
Limites à connaître
Cet outil assemble du texte selon un gabarit : il ne vérifie pas que le prompt obtenu respecte les conventions spécifiques d'un fournisseur de modèle en particulier (balises XML pour certains usages avancés, rôles système séparés de l'API, etc.), et il ne teste pas le comportement réel du prompt face à un modèle. Le compteur de tokens est une approximation, pas un décompte garanti : vérifiez toujours le nombre de tokens réel via l'outil officiel du fournisseur si vous devez dimensionner précisément un appel d'API proche d'une limite de contexte.
Non. Le formulaire et l'assemblage du prompt s'exécutent entièrement dans votre navigateur en JavaScript. Rien n'est transmis à un serveur, ce qui permet de décrire librement un contexte confidentiel ou une règle métier interne.
Le format Markdown avec sections (## Rôle, ## Contexte, etc.) est une convention lisible et largement compatible, mais chaque fournisseur (OpenAI, Anthropic, Mistral...) a ses propres recommandations de mise en forme pour les prompts système. Ce gabarit est un bon point de départ généraliste, pas une spécification officielle d'un fournisseur en particulier.
Une section vide (champ non rempli, ou liste de contraintes/exemples sans contenu) est automatiquement omise du prompt final pour éviter des titres sans contenu utile.
Non, c'est une approximation. Anthropic ne publie pas de tokenizer exact pour Claude, donc le nombre affiché est une estimation basée sur la longueur du texte et sert d'ordre de grandeur, pas de valeur garantie pour facturer ou dimensionner un appel API.
Non, tout reste en mémoire du navigateur le temps de la session. Un rechargement de page ou une fermeture de l'onglet efface le contenu du formulaire : copiez le prompt généré avant de partir si vous voulez le conserver.
Autant que nécessaire, sans limite fixée par l'outil. En pratique, un nombre élevé d'exemples très longs augmente fortement le nombre de tokens du prompt final, ce qui peut peser sur le coût ou la fenêtre de contexte disponible selon le modèle utilisé.