Comment devenir prompt engineer : compétences, portfolio et vrais débouchés
Prompt engineer est devenu un métier presque du jour au lendemain. Voici en quoi consiste vraiment le travail, les compétences qui font recruter et un regard honnête sur les postes disponibles aujourd'hui.
En 2023, « prompt engineer » est passé du statut d'expression un peu bizarre à celui d'intitulé de poste vedette, presque du jour au lendemain, avec des articles enflammés sur ces gens payés pour discuter avec des chatbots. Les postes dédiés sont devenus plus rares depuis, parce que les entreprises ont intégré ce travail à des métiers existants. Mais la compétence, elle, n'a pas disparu. Elle s'est même diffusée : équipes produit, développeurs, responsables de contenu et managers du support ont tous besoin de quelqu'un capable de faire travailler un modèle de langage de manière fiable. Si vous vous demandez comment devenir prompt engineer, la réponse honnête est donc la suivante : vous apprenez un ensemble de compétences qui vous rend précieux dans de nombreux métiers, et qui a parfois droit à son propre intitulé.
Ce que fait vraiment un prompt engineer au quotidien
Le travail ressemble davantage à du test produit qu'à un exercice de style.
- Concevoir des prompts et des prompts système. Rédiger les instructions permanentes qui définissent le comportement d'un modèle dans une application : rôle, ton, limites, format de sortie.
- Construire des jeux d'évaluation. Rassembler des entrées réalistes, y compris les plus tordues, et définir pour chacune ce qu'est une bonne réponse.
- Tester les cas limites. Entrées vides, utilisateurs hostiles, demandes ambiguës, documents très longs, autres langues.
- Itérer avec des preuves. Modifier un seul élément, relancer le jeu de tests et comparer les résultats, plutôt que de se fier à son intuition.
- Collaborer avec le produit et la technique. Traduire « rends-le plus sympathique » en instructions concrètes, et expliquer aux développeurs pourquoi un prompt échoue sur certaines entrées.
Un bon prompt engineer passe plus de temps à lire les réponses du modèle qu'à écrire des prompts. Le plus dur, c'est de savoir si ça a vraiment marché.
L'état réel du marché de l'emploi
Cherchez l'intitulé exact sur les sites d'offres d'emploi et vous trouverez bien moins d'annonces que ce que l'emballement laissait espérer. Cherchez la compétence, et le tableau change. Le prompting et l'évaluation des LLM apparaissent dans les prérequis de postes comme ceux-ci :
- AI product manager ou spécialiste produit IA, qui façonne le comportement d'un modèle au sein d'une fonctionnalité.
- Développeur d'applications LLM, qui construit des fonctions de chat, de recherche documentaire et d'agents à partir des API des modèles.
- Opérations de contenu, pour piloter des workflows assistés par l'IA en marketing, documentation ou localisation.
- AI trainer ou annotateur de données, qui rédige et note des réponses servant à entraîner et à évaluer les modèles.
- Ingénieur solutions ou consultant IA, qui aide les clients à mettre les modèles au service de leurs propres problèmes.
La rémunération varie énormément selon le poste, l'entreprise et la région, et quiconque vous annonce un chiffre unique devine. Consultez les annonces actuelles dans votre zone et sur les marchés en télétravail pour voir ce que les employeurs proposent réellement pour les postes qui vous intéressent.
Les compétences essentielles
- Une écriture claire. Si vous n'arrivez pas à expliquer précisément une tâche à un humain, vous n'y arriverez pas avec un modèle. Être précis vaut toujours mieux qu'être astucieux.
- Une pensée structurée. Savoir découper un objectif flou en étapes, en contraintes et en format de sortie.
- Un réflexe d'évaluation. Se demander « comment saurais-je que c'est faux ? » avant de se demander « est-ce que ça a l'air bien ? ».
- Les bases des LLM. Les tokens, la fenêtre de contexte, la température, et la raison pour laquelle les modèles produisent des hallucinations. Un compteur de tokens rend les limites de contexte très concrètes, très vite.
- Un peu de scripting. Assez de Python ou de JavaScript pour appeler l'API d'un modèle, boucler sur des cas de test et enregistrer les résultats.
- Les sorties structurées. Obtenir d'un modèle un JSON valide qu'un autre système pourra lire. Un générateur de prompts JSON montre les modèles qui tiennent la route.
Votre expertise métier est votre atout caché. Une infirmière, un juriste, une comptable ou un enseignant qui apprend le prompting saura juger la qualité des réponses dans son domaine bien mieux qu'un généraliste. Cette combinaison est beaucoup plus difficile à remplacer que le prompting seul.
Un parcours d'apprentissage étape par étape
Voici comment devenir prompt engineer sans perdre des mois dans des tutoriels éparpillés :
- Les fondamentaux. Apprenez le rôle, le contexte, la tâche, les contraintes et le format. Commencez par les fondamentaux du prompt engineering.
- Les techniques. Exemples few-shot, prompting chaîne de pensée, décomposition et autocritique. Passez ensuite au prompt engineering avancé pour l'enchaînement de prompts et les astuces de fiabilité.
- Les prompts système. Étudiez comment des instructions permanentes façonnent tout un produit. Le guide des prompts système en détaille l'anatomie, et un générateur de prompts système vous fournit des brouillons à décortiquer.
- Les évaluations. Construisez un petit jeu de tests et une grille de notation, puis notez les réponses de façon cohérente. C'est l'étape que la plupart des autodidactes sautent, et celle qui compte le plus pour les employeurs.
- Les API. Appelez un modèle depuis du code, réglez la température et lancez un jeu de tests automatiquement.
- Un vrai projet. Construisez quelque chose de bout en bout : un bot de support, un extracteur de documents ou un workflow simple. Une fois les prompts isolés maîtrisés, se renseigner sur les agents IA est une bonne suite.
Voici un brouillon de prompt système à adapter pour un projet d'entraînement :
Construire des évaluations qui prouvent votre travail
Les évaluations, c'est ce qui sépare une carrière en prompt engineering du simple bricolage. Il vous faut deux choses : des entrées de test qui couvrent les cas réalistes comme les cas épineux, et une façon cohérente de noter les résultats. Un modèle peut vous aider à produire les deux.
Un générateur de cas de test :
Un prompt de grille d'évaluation pour noter les réponses :
Vérifiez vous-même le correcteur sur une poignée de cas. Un modèle qui note un modèle peut partager les mêmes angles morts : votre jugement doit rester dans la boucle. Passer vos brouillons dans un analyseur de prompts permet de repérer rapidement les consignes vagues avant de lancer une évaluation complète.
Construire un portfolio qui retient l'attention
Un portfolio vaut mieux qu'un certificat, parce qu'il apporte des preuves. Visez trois ou quatre études de cas documentées, qui répondent toutes aux mêmes questions :
- Le problème. Ce que le modèle devait faire, et pour qui.
- Avant et après. Le premier prompt, le prompt final et des exemples de réponses pour chacun.
- Les résultats des tests. Combien de cas vous avez lancés, les scores avant et après, et les échecs qui subsistent.
- Ce que vous avez appris. Les changements qui ont compté et ceux qui n'ont rien donné.
Publiez les prompts, les jeux de tests et les scripts sur GitHub, avec un README clair pour chaque projet. Variez les problèmes : une tâche d'extraction avec sortie JSON, un assistant conversationnel avec prompt système, un workflow de contenu et, idéalement, un projet dans votre propre domaine d'expertise. Admettre « ça échoue encore sur les entrées sarcastiques » paraît plus crédible que de prétendre à la perfection.
Où trouver du travail et comment vous présenter
Comme l'intitulé dédié est rare, élargissez vos recherches : « LLM », « IA générative », « contenu IA », « évaluation IA », « AI trainer » et « IA appliquée » font tous remonter des postes pertinents. D'autres pistes fonctionnent bien :
- Dans votre poste actuel. Proposez de régler un processus de votre équipe grâce à l'IA, mesurez le temps gagné et faites-en votre première étude de cas.
- Les missions freelance. Les petites entreprises ont besoin d'aide pour construire des assistants, des workflows de contenu et des outils internes. Cadrez serré et livrez les résultats des tests avec les prompts.
- Les plateformes d'annotation et d'évaluation. Pas très glamour, mais vous y gagnez une vraie expérience de l'évaluation.
- Les communautés et l'open source. Contribuer des jeux de prompts ou des outils d'évaluation à des projets publics donne de la visibilité à votre travail.
Quand vous vous présentez, mettez en avant les résultats, pas les techniques. « J'ai réduit les mauvaises réponses de notre bot de support sur un jeu de 50 cas de test » porte bien plus que « expert en few-shot et en chaîne de pensée ».
Quelques mises en garde honnêtes si vous hésitez encore sur comment devenir prompt engineer. Les certificats comptent beaucoup moins que les preuves que vous pouvez montrer. Méfiez-vous de toute formation qui promet un emploi garanti ou un salaire précis : aucune formation ne peut tenir cette promesse. Et attendez-vous à ce que les outils continuent d'évoluer : les compétences durables sont la clarté de pensée, la rigueur des tests et la connaissance de votre domaine, et c'est précisément pour cela qu'elles valent la peine d'être développées. Tout prompt engineer qui les entretient restera utile bien après que les astuces d'aujourd'hui seront dépassées.
