Une frustration courante parmi les équipes qui passent à des LLM plus récents et plus puissants est que les résultats ne s'améliorent pas comme prévu. La cause n'est souvent pas le modèle mais le prompt. Les anciens prompts étaient conçus pour des modèles plus faibles, décomposant les tâches en séquences d'étapes rigides : vérifier ce module, modifier cette fonction, éviter ces fichiers, etc. Les modèles plus puissants n'ont pas besoin de cet accompagnement ; en fait, ces contraintes peuvent limiter leur raisonnement et leur flexibilité.
L'approche émergente consiste à traiter les prompts comme des contrats de tâches. Au lieu de prescrire le chemin exact, définissez l'objectif, les limites (ce qu'il ne faut pas toucher), les critères d'acceptation (comment vérifier le succès) et les ambiguïtés à clarifier avant de continuer. Cette approche exploite la capacité du modèle à planifier et à s'adapter, conduisant à de meilleurs résultats et à moins d'itérations.
Pour les équipes d'ingénierie, ce changement nécessite un changement de mentalité : passer du micro-management du modèle à la délégation avec des attentes claires. Cela signifie également mettre à jour les bibliothèques de prompts et les stratégies de test. Le gain est significatif – les modèles plus puissants peuvent fournir des solutions plus créatives et robustes lorsqu'on leur donne le bon cadre.