La fin du prompting : le début des boucles d'IA

La plupart des gens cherchent encore le prompt parfait.

Ce n'est plus le bon jeu.

Les meilleurs utilisateurs d'IA ne progressent pas parce qu'ils ont trouvé une phrase magique. Ils progressent parce qu'ils ont arrêté de traiter l'IA comme une boîte de dialogue et ont commencé à la traiter comme un système capable de faire avancer le travail d'une étape à l'autre.

Voici le changement : le prompting consistait à obtenir une bonne réponse. Les boucles consistent à faire en sorte que le travail continue après la première réponse.

PARTIE 1 · L'ère du prompt arrive en bout de course

Tout le monde continue à collectionner des prompts plus performants, ce qui est aujourd'hui la manière la moins efficace d'utiliser l'IA. Ils continuent à chercher la phrase parfaite, le roleplay parfait, la configuration "agis comme" parfaite, puis s'étonnent que chaque tâche sérieuse se transforme en babysitting d'un onglet de chat pendant quarante minutes.

• Le vieux workflow IA ressemble à ceci :
• Ouvrir le chat → coller le contexte → demander une fois → corriger la sortie → redemander → recommencer
• Cela donne l'impression d'être productif parce qu'il se passe quelque chose.
• C'est toujours du travail manuel avec un autocomplétion plus rapide.

Le problème n'est pas que les prompts sont mauvais. Le problème est qu'un prompt n'est généralement qu'un seul mouvement, alors que le travail réel est une chaîne de mouvements. La recherche devient un plan, le plan devient un brouillon, le brouillon est vérifié, la vérification devient une réécriture, la réécriture devient une publication, et le résultat devrait enseigner la tentative suivante. La plupart des gens se forcent à pousser manuellement chaque étape, puis appellent ça un "workflow IA".

Ce n'est pas un workflow. C'est cliquer sur "continuer" sur une machine qui devrait déjà savoir ce qui vient ensuite.

1Tu n'es pas là pour répondre directement à ma tâche.
2
3Tu es là pour la transformer en une boucle IA reproductible.
4
5Tâche :
6[INSÉRER LA TÂCHE]
7
8D'abord, décompose la tâche en étapes qui se font normalement manuellement.
9
10Ensuite, conçois une boucle qui peut exécuter ces étapes avec un minimum de babysitting humain.
11
12La boucle doit inclure :
13- le contexte dont l'IA a besoin avant de commencer
14- ce qu'elle doit produire en premier
15- comment la sortie doit être vérifiée
16- ce qui se passe si la sortie est faible
17- ce qui est sauvegardé pour la prochaine exécution
18- quand la boucle doit s'arrêter
19- ce qui nécessite encore une approbation humaine
20
21Garde le système assez simple pour que je puisse l'exécuter tous les jours.

Tu ne réponds pas directement à ma tâche. Tu transformes cette tâche en une boucle IA reproductible.

La tâche est : [TÂCHE]

Conçois la boucle comme un système. Explique de quel contexte l'IA a besoin avant de commencer, ce qu'elle doit produire en premier, comment la sortie doit être jugée, ce qui doit se passer si la sortie est faible, ce qui doit être sauvegardé pour la prochaine exécution, et quand la boucle doit s'arrêter. Garde-la assez simple pour que je puisse l'exécuter tous les jours sans reconstruire toute la configuration.

PARTIE 2 · Karpathy a mis le doigt sur le vrai changement

L'idée de Software 3.0 de Karpathy a fait répéter à tout le monde la phrase facile : l'anglais devient un langage de programmation. Cette partie est vraie, mais ce n'est pas le véritable déblocage. Si l'anglais peut programmer un modèle, alors l'anglais peut aussi programmer un processus autour du modèle.

C'est là que la plupart des gens ont raté le coche. Ils ont utilisé le langage naturel pour demander des résultats, pas pour concevoir des systèmes. Le Vibe coding était la première version désordonnée : décrire ce que tu veux, laisser l'IA écrire du code, l'exécuter, se plaindre quand ça casse, répéter jusqu'à ce que quelque chose fonctionne. Le looping est la version plus propre de ce même instinct : donner un objectif à l'IA, lui donner des outils, lui donner une vérification, la laisser progresser, et s'assurer qu'elle sait quand s'arrêter.

"Le nouveau langage de programmation le plus en vogue, c'est l'anglais."

par Andrej Karpathy

Mais l'anglais comme langage de programmation ne signifie pas que tu dois écrire des prompts plus longs. Cela signifie que tu dois commencer à décrire la machine entière : ce qu'elle lit, ce qu'elle fait, comment elle se vérifie, ce dont elle se souvient, et ce qu'elle n'a pas le droit de toucher.

PARTIE 3 · La boucle est le produit

Une boucle utile n'est pas un fantasme multi-agents géant. C'est généralement ennuyeux dans le meilleur sens du terme. L'IA reçoit un objectif, récupère le bon contexte, effectue une action, vérifie le résultat par rapport à un standard, stocke ce qui a fonctionné, et ne répète que si le résultat n'est pas encore assez bon.

Ce seul changement transforme l'IA d'un générateur de texte en un travailleur. Pas un travailleur parfait, pas un dieu autonome, pas un truc du genre "virez votre équipe". Juste un travailleur avec un processus, une checklist, et un manager qui surveille les parties risquées.

• Ce changement est déjà visible chez :
• Karpathy → Software 3.0
• Anthropic → workflows agents
• Meta/Llama → outils, évaluations, contrôle de déploiement

C'est pourquoi les patterns d'agents d'Anthropic sont importants. Les meilleurs systèmes d'agents ne sont pas construits en jetant dix bots dans un Discord en espérant que quelque chose d'intelligent se produise. Ils sont construits à partir de pièces simples : routage, outils, chaînes de prompts, boucles d'évaluation, et configurations orchestrateur-travailleur. La magie n'est pas que le modèle agisse intelligemment une fois. La magie, c'est que le modèle soit forcé de passer par un processus qui attrape le travail faible avant que tu ne le voies.

L'écosystème Llama de Meta pointe dans la même direction depuis l'autre côté. Modèles ouverts, couches de sécurité, évaluations, déploiement local, routage moins cher, différents modèles pour différents travaux. L'avenir n'est pas un seul modèle géant qui répond à tout. L'avenir, ce sont des systèmes où des modèles bon marché trient, des modèles puissants raisonnent, des modèles locaux gèrent le contexte privé, et des passes d'évaluation décident ce qui survit.

PARTIE 4 · La boucle d'écriture

La plupart des écrits IA sont mauvais parce que les gens demandent un article fini trop tôt. Ils sautent la partie où l'idée est testée sous pression, où l'accroche est notée, où les sections faibles sont attaquées, et où les preuves sont vérifiées.

Une vraie boucle d'écriture ne commence pas par "écris-moi un post". Elle commence par la sélection de l'angle. Ensuite, elle teste l'angle par rapport à la curiosité, la spécificité, la preuve et la tension émotionnelle. Puis elle rédige un brouillon. Puis elle juge le brouillon. Puis elle réécrit. Ce n'est qu'après cela que tu devrais le lire.

Une vraie boucle d'écriture a des couches :

Angle → Accroche → Brouillon → Critique → Réécriture → Idées d'images → Test suivant

La plupart des gens ne demandent que le brouillon.

C'est pour ça que le brouillon ressemble à celui de tout le monde.

1Tu es ma boucle d'écriture.
2
3Sujet :
4[INSÉRER LE SUJET]
5
6Public :
7[INSÉRER LE PUBLIC]
8
9Style :
10[INSÉRER LE STYLE]
11
12Objectif :
13[INSÉRER L'OBJECTIF]
14
15N'écris pas l'article immédiatement.
16
17D'abord, crée 5 angles possibles pour ce sujet.
18
19Pour chaque angle, juge :
20- à quel point il est cliquable
21- à quel point il est spécifique
22- à quel point il est utile
23- à quel point il se sent différent du contenu IA générique
24
25Choisis l'angle le plus fort et explique pourquoi il gagne.
26
27Ensuite, écris le premier brouillon.
28
29Après le brouillon, passe en mode éditeur et critique-le pour :
30- une ouverture faible
31- des affirmations génériques
32- un manque de preuves
33- des transitions ennuyeuses
34- un bénéfice peu clair
35- des sections qui sonnent comme de l'IA
36
37Ensuite, réécris l'article en utilisant cette critique.
38
39À la fin, donne-moi :
401. l'article final
412. l'accroche la plus forte
423. la section la plus faible restante
434. 3 idées d'images
445. ce que je devrais tester dans la version suivante

Commence par créer cinq angles possibles pour l'article. Note chaque angle pour la curiosité, la spécificité, l'utilité et la probabilité qu'il fasse cliquer quelqu'un. Choisis l'angle le plus fort et explique pourquoi il gagne.

Ensuite, écris le premier brouillon. Après le brouillon, deviens l'évaluateur et attaque-le pour les affirmations génériques, les preuves faibles, les transitions ennuyeuses, le bénéfice peu clair et les sections qui sonnent comme de l'IA. Réécris l'article en utilisant cette critique. À la fin, donne-moi le brouillon final, l'accroche la plus forte, la section la plus faible restante, et trois idées d'images qui rendraient l'article plus crédible.

PARTIE 5 · La boucle de recherche

La même chose s'applique à la recherche. La plupart des gens demandent à l'IA de "rechercher un sujet", puis obtiennent un résumé flou qui ressemble à tous les articles de blog de la deuxième page de Google. Une boucle de recherche ne doit pas collecter des faits au hasard. Elle doit chasser la tension.

Les articles les plus forts dans ce créneau font tous la même chose : ils trouvent un ancien comportement, montrent pourquoi il est désormais cassé, introduisent une nouvelle catégorie, puis donnent au lecteur un système qu'il peut voler. C'est pour ça que "Loop Engineering" frappe plus fort que "10 prompts Claude". L'un sonne comme un nouveau modèle opérationnel. L'autre sonne comme un aimant à prospects PDF.

1
2Recherche ce sujet comme si j'écrivais un article X à fort impact, pas un article de blog SEO.
3
4Sujet :
5[INSÉRER LE SUJET]
6
7Ne me donne pas un résumé générique.
8
9Trouve la tension derrière le sujet.
10
11Je veux savoir :
12- quel ancien comportement les gens continuent d'avoir
13- quel nouveau comportement le remplace
14- pourquoi l'ancien comportement se casse
15- quelles preuves ou exemples montrent que le changement est réel
16- quel angle contradictoire ferait arrêter les gens de défiler
17- quelles affirmations semblent surfaites et devraient être évitées
18
19Ensuite, transforme-le en brief créateur avec :
20- titre
21- thèse
22- accroche d'ouverture
23- structure de l'article
24- exemples les plus forts
25- idées d'images
26- ce que le lecteur devrait croire en partant

PARTIE 6 · La boucle de mémoire

La partie que presque personne ne construit, c'est la mémoire. Sans mémoire, chaque workflow IA souffre d'amnésie. Il peut t'aider aujourd'hui, mais demain il recommence comme un stagiaire premier jour.

Une boucle de mémoire change cela. Après chaque projet, l'IA doit extraire ce qui a fonctionné, ce qui a échoué, quel style a performé, quels exemples étaient les plus forts, quelles affirmations semblaient faibles, et ce qui devrait être réutilisé la prochaine fois. C'est ainsi que le système commence à capitaliser.

Ton second cerveau est inutile s'il ne fait que stocker des notes. Le véritable déblocage, c'est quand il se maintient tout seul, trouve des idées récurrentes, remarque les pensées inachevées, et repousse le bon contexte dans la tâche suivante avant même que tu ne le demandes.

1Après la fin de cette tâche, extrais la leçon réutilisable du travail.
2
3Sauvegarde ce qui suit :
4
5Quelle était la tâche.
6Quelle approche a fonctionné.
7Qu'est-ce qui sonnait générique.
8Quels exemples étaient les plus forts.
9Quelle structure a le mieux fonctionné.
10Ce qui devrait être réutilisé la prochaine fois.
11Quelle erreur ne devrait pas être répétée.
12
13Avant de commencer la prochaine tâche connexe, vérifie d'abord cette mémoire.
14
15Si je suis sur le point de répéter une ancienne erreur, signale-la.
16
17Si un ancien modèle s'applique, réutilise-le.
18
19Si un contexte important manque, demande-le avant de produire la réponse finale.

Après la fin de cette tâche, extrais la leçon réutilisable du travail.

Sauvegarde ce qu'était la tâche, quelle approche a fonctionné, ce qui sonnait générique, quels exemples étaient utiles, ce qui devrait être réutilisé la prochaine fois, et quelle erreur je devrais éviter de répéter. Avant de commencer la prochaine tâche connexe, vérifie d'abord cette mémoire et dis-moi si je suis sur le point de répéter une ancienne erreur ou de manquer un modèle qui a déjà fonctionné.

PARTIE 7 · La vraie compétence maintenant

Le prompting était l'interface pour débutants. Il a appris aux gens que le langage peut contrôler les modèles, mais il les a aussi entraînés à penser trop petit. Ils imaginent encore l'IA comme une boîte qui répond, alors que la véritable opportunité est de construire des systèmes qui font avancer le travail.

Le prochain avantage est de savoir quelles tâches méritent des boucles. Tout n'en a pas besoin. Une question rapide peut rester une question rapide. Mais tout ce que tu fais tous les jours, toutes les semaines, ou chaque fois que tu publies, vends, codes, recherches, échanges, édites ou organises des connaissances ne devrait probablement pas vivre dans un seul chat.

Ce travail a besoin d'une boucle.

Une boucle ne rend pas l'humain inutile. Elle déplace l'humain vers la partie qui compte vraiment : définir l'objectif, définir le goût, approuver les décisions risquées, et améliorer le système après chaque exécution.

Les gens qui collectionnent encore des listes de prompts optimisent la phrase.

Les gens qui construisent des boucles optimisent la machine.