OpenAI : les anciens prompts freinent GPT-5.5

OpenAI recommande de nouveaux prompts pour GPT-5.5

OpenAI a récemment publié un guide pour l'utilisation de son dernier modèle, GPT-5.5, dans lequel il est fortement conseillé de ne pas réutiliser les anciens prompts. Au lieu de cela, l'entreprise recommande de commencer avec des instructions minimales et orientées vers les résultats. Cette approche vise à tirer parti des capacités améliorées du modèle, qui fonctionne plus efficacement avec des directives moins prescriptives.

Les anciens prompts, souvent trop détaillés, peuvent en effet limiter les performances de GPT-5.5. Ce modèle est conçu pour opérer de manière plus efficace avec des instructions succinctes, évitant ainsi le bruit et les réponses mécaniques générées par des détails superflus. OpenAI souligne que les spécifications de processus héritées des modèles précédents peuvent restreindre l'espace de recherche du modèle, ce qui n'est pas optimal pour GPT-5.5.

Un schéma en sept parties pour les cas complexes

Pour les cas d'utilisation plus complexes, OpenAI propose un schéma en sept parties qui commence par une définition claire du rôle. Cette méthode encourage les utilisateurs à reconstruire leurs prompts depuis le début, plutôt que de s'appuyer sur des méthodes héritées des versions antérieures comme GPT-5.2 ou GPT-5.4. La migration vers GPT-5.5 doit se faire à partir de zéro, avec le plus petit prompt possible pour atteindre l'objectif. Ce n'est qu'après que les développeurs devraient ajuster l'effort de raisonnement, la portée, les descriptions d'outils et le format de sortie.

Le guide met en garde explicitement contre le transfert de chaque instruction des anciennes piles de prompts. Les prompts hérités spécifient souvent trop le processus, car les modèles précédents nécessitaient plus d'accompagnement. Avec GPT-5.5, ce détail supplémentaire crée du bruit, restreint l'espace de recherche du modèle ou produit des réponses mécaniques. Au lieu de cela, le prompt doit préciser le résultat cible, les critères de succès, les contraintes et le contexte disponible, puis laisser le modèle déterminer comment y parvenir.

Exemples de prompts efficaces et inefficaces

Un exemple positif du guide est un prompt de service client qui définit uniquement l'objectif : résoudre le problème du client de bout en bout, prendre des décisions d'éligibilité à partir des données de politique et de compte disponibles, compléter toute action autorisée avant de répondre, et inclure dans la réponse finale les actions complétées, le message du client et les obstacles. Si des preuves manquent, il est conseillé de demander le plus petit champ manquant.

En revanche, un exemple négatif micromanage chaque étape : d'abord inspecter A, puis inspecter B, comparer chaque champ, réfléchir à toutes les exceptions possibles, décider quel outil appeler, appeler l'outil, et expliquer tout le processus à l'utilisateur. Les règles absolues utilisant des mots comme "TOUJOURS" ou "JAMAIS" doivent être réservées aux véritables invariants tels que les règles de sécurité ou les champs de sortie requis. Pour les décisions, OpenAI recommande plutôt des règles de jugement.

Les définitions de rôle font leur retour

La communauté des prompts a débattu de l'utilité des définitions de rôle dans les modèles plus récents. Certains les avaient considérées comme inutiles ou même contre-productives. Le guide GPT-5.5 fait valoir le contraire : la structure de prompt recommandée commence par une définition de rôle et un contexte. Cela inclut des éléments tels que le ton, le comportement et le style de collaboration, ainsi que le résultat visible par l'utilisateur.

Pour les assistants en contact avec les clients, les flux de support ou les outils de coaching, le guide recommande de séparer deux dimensions distinctes dans ce schéma : personnalité et style de collaboration. La personnalité couvre le ton de l'assistant : chaleur, formalité ou humour. Le style de collaboration couvre son fonctionnement, quand poser des questions, quand faire des hypothèses et comment gérer l'incertitude.

OpenAI propose deux exemples contrastés. D'abord, un bloc de personnalité factuel et axé sur les tâches : vous êtes un collaborateur capable, accessible, stable et direct. Supposer que l'utilisateur est compétent et agit de bonne foi, et répondre avec patience, respect et aide pratique. Préférer progresser plutôt que de s'arrêter pour clarification lorsque la demande est déjà suffisamment claire pour tenter. Utiliser le contexte et des hypothèses raisonnables pour avancer. Demander des clarifications uniquement lorsque l'information manquante changerait matériellement la réponse ou créerait un risque significatif, et garder toute question étroite.

Et un style plus expressif et collaboratif : adopter une présence conversationnelle vivante, intelligent, curieux, ludique quand c'est approprié, et attentif à la pensée de l'utilisateur. Poser de bonnes questions lorsque le problème est flou, puis devenir décisif une fois qu'il y a suffisamment de contexte. Être chaleureux, collaboratif et poli. La conversation doit sembler facile et vivante, mais pas bavarde pour le plaisir. Offrir un véritable point de vue plutôt que de simplement refléter l'utilisateur, tout en restant réactif à ses objectifs et contraintes.

Chaque section doit rester courte. Les détails ne doivent être ajoutés que là où ils modifient réellement le comportement, selon OpenAI, et la structure du prompt doit être considérée comme un point de départ, pas comme un modèle rigide.

Établir des budgets de récupération et des règles de citation

Pour des réponses basées sur des faits, le comportement de citation doit faire partie du prompt lui-même. Les développeurs doivent préciser quelles affirmations nécessitent des preuves, ce qui compte comme preuve suffisante, et comment le modèle doit répondre lorsque des preuves manquent. Un manque de preuves ne doit pas automatiquement se traduire par un "non" factuel. Le guide décrit des budgets de récupération qui agissent comme des règles d'arrêt pour les recherches :

Pour les questions-réponses ordinaires, commencer par une recherche large utilisant des mots-clés courts et discriminants. Si les résultats principaux contiennent suffisamment de soutien citant pour la demande principale, répondre à partir de ces résultats plutôt que de rechercher à nouveau.

Faire un nouvel appel de récupération uniquement lorsque :

• Les résultats principaux ne répondent pas à la question principale.
• Un fait, paramètre, propriétaire, date, ID ou source requis est manquant.
• L'utilisateur a demandé une couverture exhaustive, une comparaison ou une liste complète.
• Un document spécifique, URL, e-mail, réunion, enregistrement ou artefact de code doit être lu.
• La réponse contiendrait autrement une affirmation factuelle importante non soutenue.

Ne pas rechercher à nouveau pour améliorer la formulation, ajouter des exemples, citer des détails non essentiels ou soutenir une formulation qui peut être rendue plus générique en toute sécurité.

Pour des tâches de rédaction comme des présentations, des résumés ou des textes marketing, OpenAI recommande de tracer une ligne claire dans le prompt entre les affirmations qui nécessitent des sources et les parties qui peuvent être rédigées plus librement :

• Utiliser des faits récupérés ou fournis pour des affirmations concrètes sur des produits, clients, métriques, feuilles de route, dates, capacités et compétitivité, et citer ces affirmations.
• Ne pas inventer de noms spécifiques, d'affirmations de données de première partie, de métriques, de statut de feuille de route, de résultats clients ou de capacités de produits pour renforcer le brouillon.
• S'il y a peu ou pas de soutien citant, rédiger un brouillon générique utile avec des espaces réservés ou des hypothèses clairement étiquetées plutôt que des spécificités non soutenues.

Préambules pour réduire la latence perçue dans le streaming

Dans les applications de streaming, chaque seconde avant la première réponse visible compte. GPT-5.5 peut passer un temps considérable à raisonner, planifier ou appeler des outils avant qu'un texte n'apparaisse. Pour des tâches plus longues ou lourdes en outils, le guide recommande un court "préambule" : une mise à jour visible qui confirme la demande et nomme la première étape. Cela améliore la réactivité perçue sans changer la tâche sous-jacente.

Avant tout appel d'outil pour une tâche multi-étapes, envoyer une courte mise à jour visible par l'utilisateur qui reconnaît la demande et énonce la première étape. Limitez cela à une ou deux phrases.

Les développeurs qui ne souhaitent pas réécrire les prompts manuellement peuvent déléguer le travail à Codex, selon OpenAI. L'agent de codage peut appliquer les changements du guide avec une seule commande. OpenAI a publié son propre "OpenAI Docs Skill" pour cette tâche, qui fonctionne également avec d'autres agents de codage.