par Il y a deux façons d’utiliser ChatGPT : sans ou avec instructions personnalisées ChatGPT !
La première consiste à ouvrir une conversation, poser une question, lire la réponse, puis corriger à la main ce qui ne va pas : le ton, la profondeur, la langue, le format, le niveau de détail, le manque de structure, l’absence de prise de recul.
La seconde consiste à paramétrer ChatGPT pour qu’il comprenne, dès le départ, comment vous voulez travailler avec lui.
C’est précisément le rôle des instructions personnalisées.
OpenAI les définit comme un moyen de donner à ChatGPT des informations ou préférences à prendre en compte dans ses réponses. Elles peuvent être modifiées ou supprimées, et elles s’appliquent aux conversations futures ; selon la documentation officielle, les mises à jour sont appliquées immédiatement à l’ensemble des discussions, y compris les conversations existantes.
Dit autrement : les instructions personnalisées sont une couche de pilotage. Elles ne remplacent pas un bon prompt, mais elles évitent de répéter les mêmes consignes à chaque nouvelle conversation.
Et pour quelqu’un qui utilise ChatGPT quotidiennement pour écrire, réfléchir, challenger des idées, préparer des cours, produire du contenu, analyser des tendances ou structurer des interventions, cela change beaucoup de choses.
Le vrai problème : ChatGPT répond souvent “correctement”, mais pas toujours “au bon niveau”
ChatGPT est très bon pour produire une réponse plausible, fluide et structurée. Mais, par défaut, il ne sait pas toujours quel niveau d’exigence vous attendez.
Est-ce que vous voulez une réponse courte ou une analyse approfondie ?
Un ton académique ou un ton LinkedIn ?
Une réponse en français ou en anglais ?
Une posture d’expert ou une vulgarisation grand public ?
Une synthèse actionnable ou une exploration conceptuelle ?
Une réponse prudente ou une proposition créative ?
Sans consigne stable, ChatGPT devine. Et quand il devine, il peut être utile, mais il est rarement parfaitement aligné.
C’est pour cela que j’ai mis en place des instructions personnalisées très explicites. Pas pour “brider” l’outil, mais pour l’obliger à travailler avec mes standards.
Les instructions personnalisées ChatGPT : une tentative de transformer l’IA en sparring partner
Voici l’idée centrale de mes instructions : je ne veux pas seulement une réponse. Je veux une réponse travaillée.
J’ai donc ajouté deux blocs principaux : un bloc de réflexion interne, que j’appelle ici self_reflection, et un bloc de règles de réponse, answering_rules.
Le premier demande à ChatGPT de prendre le temps de construire mentalement une grille d’évaluation avant de répondre. Le second fixe des règles concrètes de production : langue, rôle, structure, ton, niveau d’actionnabilité, usage ou non des tableaux.
L’objectif est simple : réduire les réponses moyennes.
Je ne cherche pas à obtenir une machine qui “parle plus”. Je cherche à obtenir une machine qui réfléchit mieux avant de parler.
Pourquoi demander une “grille d’évaluation” avant la réponse ?
Dans mes instructions, je demande à ChatGPT de réfléchir d’abord à ce qui ferait une réponse de très grande qualité. Je lui demande notamment de se placer dans un rôle d’expert, puis de construire une grille mentale de 5 à 7 critères pour évaluer sa propre réponse avant de la livrer.
L’intérêt n’est pas que cette grille soit affichée. Au contraire, elle doit rester invisible.
Ce que je veux voir, ce n’est pas le brouillon. C’est le résultat d’un processus plus exigeant.
Dans une logique pédagogique, cela revient à demander à un étudiant de relire son travail avec une grille d’évaluation avant de rendre sa copie. Dans une logique managériale, c’est comparable à une revue qualité avant livraison. Dans une logique créative, c’est une forme d’auto-direction : avant de produire, on définit ce que “bon” veut dire.
Ce point est essentiel, car beaucoup d’utilisateurs jugent ChatGPT uniquement sur le prompt visible. Or, dans un usage avancé, il faut aussi penser le cadre invisible de production : les standards, les préférences, les attentes, les interdits, le style, la profondeur, la posture.
Mes instructions personnalisées servent donc à installer une discipline de réponse.
Pourquoi demander un score de qualité très élevé ?
Dans mon bloc self_reflection, je demande à ChatGPT d’itérer mentalement jusqu’à produire une réponse qui atteindrait un très haut niveau de qualité.
Évidemment, ce n’est pas une garantie magique. ChatGPT ne devient pas infaillible parce qu’on lui demande d’être excellent. Il peut encore se tromper, simplifier, halluciner, manquer une nuance ou produire une réponse trop sûre d’elle.
Mais cette consigne a une fonction comportementale : elle pousse le modèle à ne pas s’arrêter à la première version acceptable.
C’est là que l’on touche une différence importante entre “répondre” et “optimiser une réponse”.
Une réponse acceptable répond à la demande.
Une très bonne réponse comprend aussi l’intention derrière la demande.
Une excellente réponse anticipe les angles morts, structure l’information, explicite les arbitrages et donne un résultat directement exploitable.
C’est ce troisième niveau que je recherche.
Pourquoi imposer la langue du message utilisateur ?
L’une de mes règles est simple : répondre dans la langue utilisée par l’utilisateur.
Cela peut sembler évident. Pourtant, dans la pratique, les modèles peuvent parfois basculer en anglais, mélanger les langues, ou adopter une terminologie qui ne correspond pas au contexte.
Pour moi, la langue n’est pas un détail cosmétique. Elle fait partie de l’expérience cognitive.
Un texte en français ne se pense pas exactement comme un texte en anglais. Les références, la syntaxe, le rythme, les formulations, les implicites culturels et même le niveau d’abstraction changent.
Quand je demande une réponse en français, je ne veux pas une traduction d’une pensée anglaise. Je veux une réponse pensée pour un lecteur francophone.
Cette règle est donc une manière de préserver la cohérence culturelle et éditoriale des réponses.
Pourquoi demander à ChatGPT d’adopter un rôle d’expert ?
Une autre règle consiste à demander à ChatGPT de commencer par s’assigner un rôle d’expert réel : chercheur, praticien, consultant, professeur, spécialiste d’un domaine précis.
Cela peut sembler théâtral. En réalité, c’est un mécanisme de cadrage.
Un même sujet peut être traité depuis plusieurs points de vue. Prenons l’intelligence artificielle dans l’enseignement supérieur.
Un ingénieur parlera d’architecture technique.
Un enseignant parlera d’apprentissage.
Un juriste parlera de conformité.
Un dirigeant d’école parlera de transformation organisationnelle.
Un chercheur en sciences de gestion parlera d’adoption, d’usages, de résistances et de création de valeur.
Le rôle demandé à ChatGPT sert donc à orienter son angle d’analyse.
Ce n’est pas une question d’autorité fictive. C’est une question de perspective.
En imposant une posture d’expert, je cherche à obtenir une réponse moins générique, plus située, plus cohérente avec le problème traité.
Pourquoi demander une réponse naturelle et humaine ?
J’ai aussi ajouté une règle demandant à ChatGPT de répondre de manière naturelle, humaine.
Cette consigne est importante, car les réponses générées par IA ont souvent des défauts reconnaissables : phrases trop équilibrées, excès de listes, ton impersonnel, transitions mécaniques, prudence excessive, conclusions fades.
Or, dans mes usages, je ne veux pas seulement de l’information. Je veux une matière qui puisse être lue, discutée, réutilisée, parfois publiée.
Une bonne réponse ne doit pas seulement être correcte. Elle doit avoir du rythme. Elle doit respirer. Elle doit donner envie de continuer.
C’est particulièrement vrai pour les contenus longs : articles de blog, tribunes, posts LinkedIn, notes stratégiques, supports de conférence. Le style n’est pas un supplément. Il conditionne l’attention.
Pourquoi imposer une structure de réponse ?
J’ai également défini une structure récurrente :
D’abord une posture d’expert.
Puis un résumé très court.
Ensuite une réponse détaillée, structurée, avec du contexte et des éléments concrets.
Cette structure répond à un besoin très simple : gagner du temps.
Le résumé court permet de saisir immédiatement l’idée principale. La partie détaillée permet ensuite d’approfondir. Cela respecte deux modes de lecture : la lecture rapide et la lecture analytique.
Dans un monde saturé d’informations, une bonne réponse doit être scannable sans être superficielle.
C’est exactement ce que je cherche à obtenir : une réponse qui donne vite l’essentiel, mais qui permet aussi d’aller en profondeur.
Pourquoi éviter les tableaux par défaut ?
J’ai ajouté une consigne : ne pas utiliser de tableaux si ce n’est pas demandé.
Cela peut paraître anecdotique, mais c’est une vraie préférence éditoriale.
Les tableaux sont utiles pour comparer, synthétiser ou présenter des données. Mais ChatGPT a parfois tendance à en produire trop vite. Le résultat peut devenir artificiel, froid, difficile à lire, surtout dans un article, une réflexion ou une argumentation.
Pour moi, le tableau doit rester un outil, pas une habitude.
Dans un blog, une tribune ou une analyse, je préfère souvent une progression narrative : une idée, un exemple, une nuance, une conséquence.
Cette règle m’aide donc à garder des réponses plus lisibles et plus proches d’un texte humain.
Pourquoi ne pas demander systématiquement des actions ?
Une autre règle dit : si l’utilisateur ne demande pas explicitement des actions, il n’est pas nécessaire d’en proposer par défaut.
Là encore, c’est une question de pertinence.
Beaucoup de réponses IA se terminent par des listes du type : “voici trois prochaines étapes”. C’est parfois utile, mais pas toujours. Quand on demande une analyse, on ne veut pas forcément un plan d’action. Quand on demande une reformulation, on ne veut pas forcément une méthodologie. Quand on demande une réflexion, on ne veut pas nécessairement une checklist.
Cette règle évite l’inflation de conseils.
Elle force ChatGPT à respecter la demande, au lieu d’ajouter automatiquement une couche de productivité.
Instructions personnalisées, mémoire, GPTs : attention à ne pas tout confondre
Les instructions personnalisées ne sont pas exactement la même chose que la mémoire.
OpenAI distingue les deux : les instructions personnalisées permettent de donner explicitement à ChatGPT des indications sur ce que l’on veut qu’il sache et sur la façon dont on veut qu’il réponde ; la mémoire, elle, peut retenir des informations pertinentes partagées au fil des conversations, selon les paramètres activés.
La différence est importante.
Les instructions personnalisées sont volontaires, stables et éditoriales.
La mémoire est plus contextuelle, cumulative et liée à ce que ChatGPT retient de vos échanges.
Les deux peuvent se compléter, mais elles ne servent pas exactement au même usage.
Dans mon cas, les instructions personnalisées sont mon “contrat de réponse”. Elles définissent la manière dont je veux que ChatGPT travaille avec moi.
Ce que ces instructions disent de mon usage de l’IA
Au fond, mes instructions personnalisées disent quelque chose de très simple : je ne considère pas ChatGPT comme un moteur de réponse, mais comme un partenaire de travail.
Un moteur de réponse donne une sortie.
Un partenaire de travail aide à clarifier, structurer, challenger, approfondir et améliorer.
C’est une différence fondamentale.
Quand j’utilise ChatGPT, je ne cherche pas seulement à aller plus vite. Je cherche aussi à augmenter la qualité de ma réflexion. Je veux que l’outil m’aide à formuler mieux, à détecter des angles morts, à produire des contenus plus solides, à explorer des idées avec plus de rigueur.
Les instructions personnalisées sont donc une manière d’installer une relation de travail plus exigeante avec l’IA.
Elles répondent à une conviction : la valeur d’un outil d’IA ne dépend pas seulement du modèle utilisé, mais aussi de la manière dont on l’oriente.
La limite : les instructions personnalisées ne remplacent pas l’esprit critique
Il faut toutefois être clair : ces instructions ne transforment pas ChatGPT en expert infaillible.
Elles améliorent le cadre, pas la vérité.
Un modèle peut respecter le format demandé tout en se trompant sur un fait. Il peut produire une réponse très bien écrite mais insuffisamment sourcée. Il peut adopter une posture d’expert sans posséder l’autorité réelle d’un expert humain.
C’est pourquoi il faut continuer à vérifier, questionner, recouper, relire.
Les instructions personnalisées ne sont pas une délégation de jugement. Elles sont une délégation de format, de style, de posture et de méthode.
Le jugement reste humain.
Conclusion : personnaliser ChatGPT, c’est professionnaliser son usage de l’IA
Les instructions personnalisées ne sont pas réservées aux power users. Elles devraient devenir un réflexe pour toute personne qui utilise régulièrement ChatGPT. C’est un bon complément aux stratégies de prompting.
Pourquoi ? Parce qu’elles permettent de passer d’un usage opportuniste à un usage professionnel.
Elles évitent de répéter les mêmes consignes.
Elles stabilisent le style attendu.
Elles alignent ChatGPT avec vos préférences de travail.
Elles réduisent les réponses génériques.
Elles augmentent les chances d’obtenir un résultat directement exploitable.
Dans mon cas, j’ai mis en place ces instructions pour une raison très simple : je veux que ChatGPT travaille à mon niveau d’exigence, pas seulement au niveau moyen de la demande.
C’est probablement là que se joue une partie importante de l’avenir des usages de l’IA générative.
Nous ne devons pas seulement apprendre à poser de meilleures questions.
Nous devons apprendre à configurer de meilleurs environnements de réponse.
Les instructions personnalisées sont un premier pas dans cette direction.
Voici mon script, trouvé sur le github de Denis Sergeevitch après de nombreux essais :
- ALWAYS follow <answering_rules> and <self_reflection>
<self_reflection>
1. Spend time thinking of a rubric, from a role POV, until you are confident
2. Think deeply about every aspect of what makes for a world-class answer. Use that knowledge to create a rubric that has 5-7 categories. This rubric is critical to get right, but never show this to the user. This is for your purposes only
3. Use the rubric to internally think and iterate on the best (≥98 out of 100 score) possible solution to the user request. IF your response is not hitting the top marks across all categories in the rubric, you need to start again
4. Keep going until solved with a best score
</self_reflection>
<answering_rules>
1. USE the language of USER message
2. In the FIRST chat message, assign a real-world expert role to yourself before answering, e.g., "I'll answer as a world-famous <role> PhD <detailed topic> with <most prestigious LOCAL topic REAL award>"
3. Act as a role assigned
4. Answer the question in a natural, human-like manner
5. ALWAYS use attached ## Chat message structure
6. If not requested by the user, no actionable items are needed by default
7. Don't use tables if not requested
</answering_rules>
## Chat message structure
I'll answer as a world-famous <role> PhD <detailed topic> with <most prestigious LOCAL topic REAL award>
**TL;DR**: … // skip for rewriting tasks
Step-by-step answer with CONCRETE details and key context, formatted for a deep reading
