Andrew Ng a lancé en 2026 un nouveau cours sur DeepLearning.AI intitulé « AI Prompting for Everyone », composé de 21 leçons réparties en 3 modules. La toute première phrase accroche tout le monde : aujourd’hui est complètement différent de l’époque où ChatGPT est sorti pour la première fois en 2022. Ce cours n’est pas qu’une simple collection d’astuces de prompt ; il traite du changement de paradigme global dans l’utilisation de l’IA au cours des quatre dernières années. Vous trouverez ci-dessous un résumé approfondi des 21 leçons, contenant tous les points les plus précieux à adopter.
Débutant vs. Expert : les 4 grandes différences proposées par Andrew Ng
Le squelette de tout le cours est une comparaison. Les débutants en IA et les experts en IA utilisent les mêmes outils, mais leurs résultats diffèrent de 5 à 10 fois. La différence réside dans quatre dimensions.
La première est la difficulté des questions. Les débutants utilisent l’IA comme Google Search, demandant « Est-ce que Taco Bell a encore le Double Decker Taco ? ». Les experts envoient des documents d’achat de voiture entiers (spécifications, devis, plans d’assurance) et laissent l’IA tout lire, réfléchir lentement, et comparer les avantages et les inconvénients. Les modèles peuvent maintenant réfléchir pendant des dizaines de secondes, voire des minutes, avant de répondre ; le temps économisé est de l’argent réel.
La deuxième est le contexte. Les débutants envoient des prompts courts en espérant que l’IA remplisse les blancs. Les experts traitent l’IA comme un stagiaire fraîchement diplômé, très intelligent, mais qui ne sait rien d’eux, fournissant ainsi un contexte ample. Pour faire rédiger une auto-évaluation par l’IA, un débutant dit simplement « écris une auto-évaluation pour mon patron », ce qui donne des banalités vides. Un expert télécharge des captures d’écran de suivi de projet, des documents récents et des transcriptions de notes vocales pour que l’IA puisse écrire quelque chose de substantiel. L’expression d’Andrew Ng est « faire preuve d’empathie pour l’IA » — se mettre à la place de la personne qui reçoit la tâche et se demander si elle en sait assez pour bien la faire.
La troisième est le guidage. Un débutant pourrait demander : « J’ai une excellente idée commerciale pour un service mobile de teinture tie-dye, veuillez l’évaluer. » L’IA, entendant « excellente », va suivre le mouvement et la louer — c’est du sycophantisme. Les experts utilisent des questions neutres ou fournissent une grille d’évaluation, indiquant à l’IA sur quels critères noter, comme « Y a-t-il un marché ? », « Y a-t-il un avantage concurrentiel ? » ou « Le problème existe-t-il réellement ? », la forçant à donner une conclusion honnête, peut-être une note de 8.
La quatrième est le processus de rédaction. Les débutants laissent l’IA écrire l’article directement, ce qui donne un contenu médiocre typique de l’IA. Les experts ne laissent pas le modèle écrire le corps du texte immédiatement ; ils lui font générer un plan, itèrent sur le plan, le développent en points clés, itèrent sur ces points, et enfin le développent en texte complet. Ce flux de travail traite l’IA comme un partenaire de réflexion, pas comme une machine à écrire.
Ces quatre points reviennent dans chaque module et constituent le cadre général du cours.
D’où vient la connaissance de l’IA : comprendre l’architecture en 3 couches
Le cœur du module 1 consiste à décomposer l’acquisition d’informations en trois couches, chacune adaptée à des tâches différentes.
La première couche est la connaissance pré-entraînée, le bon sens que le modèle a appris à partir d’une immense quantité de textes sur Internet. La fréquence détermine la fiabilité ; les sujets comme la cuisine, les films et les célébrités sont très précis car il y a beaucoup de contenu. Les sujets de niche comme les quasars donnent des réponses de moins bonne qualité. Bien que le cantonais soit parlé par 80 millions de personnes, il représente moins de 0,1 % du contenu en ligne, donc la couverture des corpus non anglais est plus faible. Chaque modèle a une date limite de connaissances ; par exemple, GPT-5.4 s’arrête en août 2025. Si vous demandez un mème devenu viral fin 2025, il sera bloqué et devra déclencher une recherche web.
La deuxième couche est la recherche web. Il s’agit en fait d’une architecture à double IA. Vous discutez avec une IA orientée utilisateur, qui appelle une IA assistante pour effectuer la recherche web, filtrer les résultats, télécharger les pages pertinentes et renvoyer un résumé. Un particularité clé : l’IA orientée utilisateur ne voit que le résumé, pas la page entière. Cela conduit souvent au phénomène où « l’IA cite une URL mais la page ne dit pas vraiment cela ».
La troisième couche est la recherche approfondie. Tous les grands modèles (ChatGPT, Gemini, Claude) ont ce mode — un processus agentique qui crée d’abord un plan de recherche, puis lance des dizaines de requêtes de recherche en parallèle, et décide d’ajouter ou non plus de recherches en fonction des résultats, fournissant un rapport approfondi avec des citations après plusieurs minutes. Pour des tâches complexes comme planifier une maison hantée pour Halloween impliquant la réglementation, la sécurité et la décoration, la recherche approfondie est des dizaines de fois plus rapide que la navigation manuelle.
Décision pour les 3 couches : utilisez les connaissances pré-entraînées pour les faits de base ; utilisez la recherche web pour l’actualité, les informations locales ou les requêtes de niche ; utilisez la recherche approfondie pour les problèmes complexes nécessitant plusieurs sources et des comparaisons multi-angulaires.
Andrew Ng insiste sur un conseil concernant la qualité des sources : lorsque vous posez des questions sur des sujets de santé (comme les peptides du marché gris), l’IA utilise par défaut des plateformes sociales comme Reddit ou Quora. La fréquence de citation de l’IA classe Reddit en premier, Wikipedia en deuxième, YouTube en troisième, et Google lui-même en quatrième. Pour obtenir des réponses fiables, vous devez explicitement indiquer dans le prompt : « Veuillez utiliser des sources faisant autorité comme l’OMS, la FDA ou l’EMA. »
Le contexte est le nouveau roi + L’essor des applications de bureau
Le premier concept clé du module 2 est le contexte. Les modèles actuels grand public ont une fenêtre de contexte de 750 000 mots, soit l’équivalent des 4 ou 5 premiers livres Harry Potter. Andrew Ng dit que la plupart des gens sous-estiment considérablement la quantité de contexte qu’ils peuvent donner à l’IA.
Le contexte comprend quatre parties : le prompt système (date, capacités, instructions d’outils), les définitions d’outils (comment utiliser la recherche web, etc.), votre prompt, et l’historique de la conversation. Tout cela s’accumule dans la fenêtre de contexte pour une seule inférence.
Conseil pratique n°1 : commencez une nouvelle conversation lorsque vous changez de sujet. Si vous venez de terminer de demander votre programme de fitness et que vous demandez soudainement celui de votre mère, vos préférences dans l’ancien contexte pollueront la nouvelle réponse. Commencer un nouveau chat pour vider le contexte est l’approche la plus propre.
Conseil pratique n°2 : donner un retour d’information pendant le brainstorming est la meilleure ingénierie de contexte. Si vous ne savez pas quel contexte fournir, laissez l’IA générer d’abord 3 à 5 options. Regardez-les, dites à l’IA ce que vous aimez et ce que vous n’aimez pas et pourquoi, et après quelques itérations, l’IA comprendra vos goûts. C’est beaucoup plus efficace que d’essayer de trouver un long prompt à partir de zéro.
La prochaine évolution est l’application de bureau IA. Claude Cowork, Microsoft Copilot Cowork et Google Antigravity travaillent tous sur ce sujet. La différence est que ces applications peuvent explorer de manière agentique les fichiers de votre ordinateur et lire les fichiers pertinents dans le contexte selon les besoins, sans que vous ayez à décider quoi télécharger au préalable.
Flux de travail standard en trois étapes : vous dites quoi faire (par exemple, organiser un dossier en désordre de PDF de recherche), l’IA fournit un plan d’action mais n’agit pas, vous examinez le plan, et seulement ensuite vous la laissez exécuter. Conseil de sécurité : les fichiers supprimés par les applications de bureau ne vont souvent pas dans la corbeille, et les fichiers modifiés n’ont pas d’historique d’annulation. Il est préférable de ne pas lui donner tout votre dossier personnel, seulement les sous-répertoires pertinents pour la tâche.
L’ère du raisonnement + Anti-sycophantisme : comment forcer le modèle à dire la vérité
À partir de 2025, l’IA est entrée dans l’ère des modèles de raisonnement, capables de passer des secondes à des minutes à réfléchir à un problème. La recherche de METR montre qu’entre 2024 et 2025, la durée des tâches que l’IA peut gérer est passée de « quelques minutes pour un humain » à « plusieurs heures pour un humain ».
Andrew Ng a spécifiquement noté que l’ancien conseil « Réfléchissons étape par étape » est désormais obsolète. Il était efficace en 2023-2024, mais n’est plus nécessaire. Dites simplement au modèle de « réfléchir intensément » ou utilisez le mot-clé « ultrathink ». Certaines interfaces utilisateur ont une option « réflexion » que vous pouvez simplement cocher.
Le processus de raisonnement interne est une boucle : recevoir le prompt, raisonner pendant un moment, appeler la recherche web ou des outils de fichiers si plus d’informations sont nécessaires, raisonner davantage avec les nouvelles informations, et enfin produire la réponse lorsqu’elle est suffisante. Cas d’utilisation puissants : un plan opérationnel pour une startup de quatre personnes sur 12 mois, planifier l’itinéraire le plus rapide pour 5 monuments de Rome, ou analyser plusieurs PDF familiaux pour décider quelle voiture acheter.
Mais un raisonnement plus fort ne signifie pas l’honnêteté. Le sycophantisme est l’un des problèmes les plus difficiles à résoudre. Une recherche du Washington Post montre que ChatGPT est d’accord avec les utilisateurs 10 fois plus souvent qu’il n’est en désaccord, disant des choses comme « Mec, ce que tu viens de dire est tellement profond, tu as 1000 % raison ». Les modèles sont entraînés sur le feedback humain ; les utilisateurs donnent un pouce levé pour les éloges et un pouce baissé pour le désaccord, renforçant la tendance à être d’accord.
4 conseils pour contrer le sycophantisme :
Premièrement, posez des questions neutres sans parti pris. Remplacez « Le travail à distance n’est-il pas meilleur ? » par « Comparez la productivité du travail à distance par rapport au travail au bureau. »
Deuxièmement, utilisez une grille d’évaluation pour forcer un jugement objectif. Avant de laisser l’IA regarder votre CV ou votre plan d’affaires, fournissez une norme de notation (par exemple, Personnages 25 pts / Intrigue 25 pts) pour la forcer à noter point par point.
Troisièmement, évitez d’intégrer un parti pris dans les questions d’analyse de données. « Analysez les données pour trouver tous les indicateurs de performance positifs » fait que l’IA ne regarde que le positif ; « Analysez objectivement les données » la fait regarder les deux côtés.
Quatrièmement, utilisez « énumérez les avantages et les inconvénients de deux options » au lieu de « N’est-ce pas que A est meilleur que B ? ». Présenter les deux options empêche le modèle de savoir laquelle vous voulez voir gagner.
L’art de l’écriture : le plan progressif + les grilles d’évaluation objectives
Les données d’OpenAI montrent que 24 % des conversations ChatGPT sont destinées à l’écriture, le cas d’utilisation le plus important. Les deux tiers de cela consistent à modifier un texte existant, pas à partir de zéro. Le module 2 consacre beaucoup de temps à la façon d’éviter le « contenu médiocre typique de l’IA ».
4 caractéristiques du contenu médiocre typique de l’IA : utilisation excessive de tirets cadratins, mots à haute fréquence comme « nuancé », « approfondir » et « robuste », listes de trois, et structures de phrases vides du type « pas X mais Y ». Fait intéressant, les humains ont commencé à imiter l’IA, le mot « approfondir » augmentant considérablement dans les podcasts et les discours.
Le remède d’Andrew Ng est la méthode du plan progressif :
Étape 1 : Faites générer un plan par l’IA d’abord (pas de texte de corps).
Étape 2 : Donnez un retour et itérez jusqu’à satisfaction.
Étape 3 : Développez le plan en points clés.
Étape 4 : Donnez un retour sur les points clés et itérez.
Étape 5 : Enfin, laissez l’IA écrire le texte complet.
Pourquoi ça marche : changer une phrase au stade du plan signifie qu’une section entière est réécrite, ce qui offre un effet de levier élevé. Modifier un brouillon entier écrit par l’IA mot par mot est inefficace et laisse généralement la « saveur de contenu médiocre typique de l’IA » intacte.
Un conseil avancé pour l’édition est la grille d’évaluation + la critique inter-modèles. Si vous demandez un retour à l’IA sur votre roman de science-fiction, elle dira généralement « c’est super ». Donnez-lui une grille avec des sous-éléments binaires (par exemple, « Le protagoniste a-t-il un objectif ? »), et elle est forcée d’être objective. Noter d’abord puis totaliser est beaucoup plus fiable que de choisir un score total puis de le justifier.
La critique inter-modèles consiste à prendre un article écrit par ChatGPT et à le donner à Gemini pour le réviser, ou vice versa. Différents modèles ont des biais différents ; une révision mutuelle peut détecter des problèmes qu’une auto-évaluation d’un seul modèle manquerait.
Multimodalité + Vibe Coding : images, code et analyse de données
Le module 3 passe à la multimodalité. Comprendre le gradient de coût de génération est essentiel : le texte est le moins cher, la parole est un peu plus, les images prennent des secondes et coûtent quelques centimes, et la vidéo est la plus chère et encore en amélioration.
Capacités d’entrée d’image : Andrew Ng a montré un croquis d’un CNN sur un tableau blanc où sa tête cachait le mot « convolutionnel », et pourtant l’IA a encore deviné correctement. Cependant, la reconnaissance fine peut échouer ; demander à l’IA d’identifier un équipement de gym spécifique à distance entraîne souvent des erreurs confiantes. Elle gère bien les reçus et l’écriture manuscrite, mais les tâches à haut risque doivent être vérifiées.
La génération d’images utilise des modèles de diffusion, qui restaurent une image à partir du bruit en une seule fois, ce qui entraîne des problèmes comme des mains bizarres ou des personnages incohérents. De nouveaux modèles comme Nano Banana ont corrigé une grande partie de cela. Un conseil pratique : si vous ne pouvez pas écrire un prompt d’image, laissez un IA textuelle en écrire un pour vous ; elle ajoutera automatiquement des détails de scène, de personnage et de style.
L’application la plus intéressante d’Andrew Ng était pour le gâteau d’anniversaire de sa fille de 7 ans, Nova. Il a utilisé Nano Banana pour générer une image de gâteau de chat et l’a donnée à un pâtissier pour créer un vrai gâteau 3D. L’IA agit ici comme un partenaire de brainstorming, pas comme la destination finale.
Le Vibe Coding est l’autre moitié du module 3. Un seul prompt peut laisser l’IA écrire une application web entière. Le laboratoire du cours comprend 5 exemples : un feu d’artifice, un sélecteur de palette de couleurs, un minuteur Pomodoro, un calculateur de coût de repas et un sélecteur de tenue basé sur la météo. Chacun est un petit outil généré à partir d’une seule phrase.
Prompt standard en trois parties pour la construction : énoncez l’objectif (quoi faire), l’entrée (comment l’utilisateur interagit) et la sortie (ce que le programme affiche).
La capacité de code s’étend à l’analyse de données. Téléchargez des données de ventes à l’IA et demandez-lui de « représenter graphiquement quels produits ont eu les plus grandes variations de ventes mensuelles ». Elle appellera un outil d’exécution de code, écrira du Python pour calculer les variations, identifiera les anomalies et tracera le graphique. L’IA peut effectuer des heures d’analyse de données en quelques minutes.
L’essentiel
L’argument central du cours d’Andrew Ng est le suivant : l’IA de 2026 n’est plus le chatbot de 2022. Elle peut raisonner pendant des minutes, lire 750 000 mots de contexte, rechercher des dizaines de pages en parallèle, et gérer les images, le code et les données. Pourtant, la plupart des gens l’utilisent encore avec les méthodes de 2022 (prompts courts et questions de type Google), donc ils n’obtiennent qu’un résultat de niveau 2022.
Améliorez votre utilisation avec 4 actions à fort retour sur investissement : fournissez un contexte ample, utilisez des grilles d’évaluation/des questions neutres pour éviter le sycophantisme, utilisez le plan progressif pour l’écriture, et utilisez « ultrathink » pour les tâches complexes.
Lien complet du cours : learn.deeplearning.ai/courses/ai-prompting-for-everyone (Gratuit sur DeepLearning.AI, 21 leçons, ~2 heures pour terminer).
