Formulation de requêtes
La formulation de requêtes consiste en la rédaction d'une instruction textuelle, afin d'utiliser un système d'intelligence artificielle générative. La qualité et la pertinence des contenus qui seront générés sont influencées par la qualité de la requête formulée.
Le rôle des requêtes
Les agents conversationnels, tels que Copilot, ChatGPT, Claude, etc., sont des systèmes de dialogue qui fonctionnent grâce à des grands modèles de langage capables de générer du texte, des images ou d’autres contenus. Leur fonctionnement repose sur l’analyse des requêtes (ou « prompts ») formulées par l’utilisatrice ou l’utilisateur, afin de générer le contenu le plus plausible selon le contexte fourni.
Le fait de formuler des requêtes complètes, claires et structurées permet d’obtenir des résultats potentiellement plus satisfaisants lors de l’utilisation d’agents conversationnels. La qualité des contenus générés dépend largement de la façon dont la requête est formulée.
Structure proposée pour la formulation de requêtes
La rédactique consiste en un "ensemble [de] techniques de rédaction orientées vers la formulation précise de requêtes envoyées à un système d'intelligence artificielle, en particulier à un grand modèle de langage, en vue d'en améliorer le fonctionnement ou d'en exploiter efficacement les capacités pour obtenir des résultats plus pertinents" (OQLF, 2023).
Il existe plusieurs manières de structurer une requête claire, complète et efficace. La structure proposée dans cette page est la suivante : le rôle, la tâche, le contexte et les contraintes, et le format.
| Rôle | |
| Indiquez la posture, le rôle ou le point de vue à adopter. | «Adopte le point de vue de…» |
| Tâche | |
| Précisez quel est le livrable attendu, ce que vous voulez atteindre comme résultat (assurez-vous d’être spécifique). | «Génère un courriel / une introduction...» |
| Contexte et contraintes | |
| Pour obtenir une réponse satisfaisante, ajoutez toute autre information pertinente : les objectifs visés, le contexte de votre demande, le contenu plus spécifique attendu, etc. Mentionnez aussi les contraintes qui doivent être respectées. | Contexte : Objectifs visés / Public-cible / Spécificités géographiques ou culturelles / Cadre temporel Contraintes : Langue / Nombre de mots / Utilisation d’exemples / Sujets à éviter / Contraintes thématiques / Perspective ou point de vue à adopter / Niveau de difficulté / Références spécifiques à ajouter |
| Format | |
| Concluez en précisant le format de réponse souhaité (ex : nombre de mots, tableau, liste, texte continu, code, etc.), en incluant le ton désiré (plus ou moins formel, humoristique, neutre, etc.). Il est possible de joindre à la requête un modèle de ce que vous recherchez. | Tableau / Liste / Texte continu / Code / Instructions (pour un graphique, un organigramme) / Dialogue / Script / FAQ / Résumé / Chronologie / Plan / Analyse SWOT / Fiche de lecture Ton : Neutre / Formel / Amical / Informel / Encourageant / Empathique / Humoristique / Professionnel / Didactique / Persuasif / Critique / Inspirant / Cérémonieux / Technique / Délibératif / Analytique / Optimiste |
Processus itératif
L’utilisation d’un agent conversationnel n’est pas un processus linéaire. Après la formulation d’une première requête et l’obtention d’un premier contenu généré, il est suggéré de se poser plusieurs questions pour évaluer la qualité du premier contenu généré:
- Pertinence: Le contenu généré correspond-il au besoin exprimé?
- Clarté: Est-ce que le contenu généré est clair et facile à comprendre?
- Complétude: Le contenu généré couvre-t-il tous les aspects de la requête?
- Exactitude: Les informations fournies sont-elles exactes et vérifiables?
- Personnalisation: Le contenu généré correspond-il au contexte spécifique de votre travail (ex. : niveau des personnes étudiantes, matière enseignée)?
- Éthique: Le contenu généré comporte-t-il des biais (ex : racistes ou sexistes) ou d’autres éléments de contenu contraires à l’éthique?
En fonction des réponses à ces questions, le contenu généré peut être utilisé ou intégré tel quel, il peut être révisé (si des éléments doivent être améliorés ou corrigés) ou laissé de côté. De nouvelles requêtes peuvent aussi être utilisées pour poursuivre l’utilisation de l’agent conversationnel et procéder à la génération de nouveaux contenus. Ces requêtes, appelées requêtes d’affinage, visent à obtenir des contenus générés qui répondent davantage au besoin de départ.
Exemples de requêtes d’affinage
- Les termes utilisés sont trop complexes. Génère à nouveau en considérant que le public-cible est débutant et en utilisant un vocabulaire plus simple.
- Génère un nouvel exemple dans chaque sous-partie de la séance de cours.
- Génère le tout sous forme de liste de points.
- Génère une nouvelle version qui tiendra compte du fait que le cours se déroule au Québec.
- Génère une nouvelle version qui se base sur une autre manière de voir/présenter les choses.
![]()
«Utilisation d’un agent conversationnel : un processus itératif», © Marie-Ève Vachon-Savary et Martin Morissette, 2025, est sous licence CC BY-NC 4.0, sauf indications contraires. /Adapté de : «Processus d’utilisation d’un agent conversationnel», © Mathieu Plourde, 2025, sous licence CC BY-NC 4.0.
/Adaptations effectuées: modification d’éléments de terminologie, de contenu et du visuel.
Quelques astuces et conseils…
Voici d’autres requêtes à tester, soit au moment de formuler une première requête ou au moment de formuler des requêtes d’affinage.
« Génère 3 questions avant de me répondre pour que je clarifie ma requête. »
Cette requête vise à vous aider à clarifier des éléments de votre requête d’origine, notamment les aspects liés au contexte et aux contraintes.
« Ce qui diffère de la première version doit être en caractères gras.»
Dans le cas de la génération de texte, cette requête vous permet d’identifier rapidement et facilement les aspects du texte modifiés par rapport au premier contenu textuel généré. Certains agents conversationnels génèrent un contenu très différent à la suite des requêtes d’affinage, ce qui rend difficile l’analyse de la nouvelle version de texte. Cette requête permet de mieux circonscrire la génération d’un nouveau texte.
« Quelle requête pourrais-je formuler pour que tu génères…?»
Cette technique est celle de la requête inversée. Il s’agit d’utiliser l’agent conversationnel pour générer une première version de requête, que vous pourrez améliorer par la suite.
Ne pas oublier
- La formulation de requêtes complètes et efficaces peut prendre un certain temps. Afin de ne pas perdre les requêtes qui ont bien fonctionné et qui vous semblent utiles, copiez-les sauvegardez-les pour les réutiliser facilement et les modifier en fonction de vos besoins.
- Les grands modèles de langage ne comprennent pas le sens du langage : il s’agit de systèmes informatiques probabilistes, qui peuvent générer des contenus textuels convaincants, mais parfois inexacts, biaisés ou incohérents. La validation des contenus générés revient à la personne qui les utilise et elle seule est imputable de l’utilisation de ceux-ci.
Aller plus loin
Catalogue de requêtes pour soutenir les études
Collection de requêtes requêtes structurées et optimisées pour interagir efficacement avec les outils d'intelligence artificielle de type LLM (Copilot, ChatGPT, Claude, Gemini, etc.). HEC Montréal
Supercharge your ChatGPT prompts
26 principes pour plus d’efficacité. There's an IA for That.
Prompts pour l’éducation : Améliorer la productivité et l’apprentissage grâce à l’IA
Réserve de requêtes pour des scénarios pédagogiques. Sébastien Place, spécialiste éducation numérique chez Microsoft Belgique.
Livre blanc, IA générative et ingénierie pédagogique
L’IA générative pour l’ingénierie pédagogique. OpenClassrooms.
12 requêtes à utiliser avec le modèle ADDIE
Guide pour mobiliser l’IA générative en conception pédagogique. Collimateur. UQAM.
Allouch, B. (2023a). Les 4 erreurs à éviter avec ChatGPT
Allouch, B. (2023b). Structure modèle d’un prompt ChatGPT
Beaupré, J. et Joly, É. (2025). 23 requêtes pour les personnes conseillères pédagogiques
Government technology (2023). 50 ChatGPT Prompts for State and Local Government
UQÀM (2023). L’art du prompt 101. Guide pour les personnes enseignantes