Episode 169 - J'ai demandé une recette de cuisine de grand mère à l'IA

Recette de grand-mère vs recette d'IA : pourquoi votre prompt décide de tout

Dans cet épisode de la série estivale de DigitalFeeling, j'ai troqué les grandes réflexions sur l'IA et le cinéma contre quelque chose de très concret, et même un peu gourmand : j'ai demandé à une IA générative de me produire une recette de grand-mère pour l'été.

Spoiler : ma grand-mère n'aurait clairement pas validé.

Mais l'anecdote n'est qu'un prétexte. Ce test illustre une règle que je répète à chaque formation : la qualité de ce que vous demandez détermine presque toujours la qualité de ce que vous obtenez.

Définition : Le prompt est l'instruction (texte ou voix) que vous adressez à une IA générative. Il ne s'agit pas d'une simple question : c'est un cadrage. Plus il contient de contexte, de contraintes et d'objectifs, moins l'IA a de marge d'interprétation, et plus le résultat se rapproche de ce que vous aviez en tête.

L'expérience : deux prompts, deux résultats Test 1 : Le prompt vague

Ma demande de départ était volontairement floue : « Donne-moi une recette d'été fraîche et originale, une recette de grand-mère. »

La réponse est arrivée vite et bien présentée : ingrédients avec quantités précises, étapes numérotées. Sur la forme, une vraie recette de magazine.

Sur le fond, en lisant attentivement :

• des associations d'ingrédients surprenantes, un sucré-salé qui ressemblait à une expérimentation hasardeuse ;
• une étape de cuisson incohérente avec les temps annoncés ;
• et surtout, aucune de ces petites astuces qu'on trouve toujours dans une vraie recette de grand-mère — le geste, le secret transmis de génération en génération.

La recette avait l'air parfaite. Il lui manquait simplement du vécu.

Test 2 : Le prompt précis

J'ai refait l'exercice en donnant à l'IA :

• les ingrédients de saison réellement disponibles ;
• le temps de préparation maximum ;
• le niveau de difficulté souhaité ;
• le type d'ambiance recherché pour le repas.

Résultat : une réponse nettement plus cohérente et réaliste, avec des associations qui tenaient de bout en bout et un déroulé qui avait du sens dans le temps imparti.

La différence entre les deux résultats n'a rien à voir avec la chance — ni avec le fait d'avoir dit « bonjour » ou « merci » à la machine. Elle tient à la précision du prompt de départ.

Comparatif des deux approches

Critère Prompt vague Prompt précis Cohérence des ingrédients Associations hasardeuses Combinaisons tenables Réalisme des étapes Temps de cuisson incohérents Déroulé logique Adéquation au besoin réel Générique, « une » recette Ciblée, « ma » recette Marge d'interprétation laissée à l'IA Maximale Réduite Effort de reprise après coup Important Faible

Pourquoi la précision change tout

Quand vous donnez un prompt vague, l'IA doit combler les trous elle-même. Elle pioche alors dans des probabilités générales, dans ce qui est statistiquement le plus fréquent.

C'est exactement comme demander à un cuisinier « un bon plat » sans aucune contrainte. Il fera probablement quelque chose de très correct… mais pas forcément ce que vous aviez en tête, parce que sa définition du « bon plat » n'est pas la vôtre.

Avec un prompt précis — du contexte, des contraintes, un objectif — l'IA dispose de beaucoup moins de latitude, et le résultat colle bien mieux à l'attente réelle.

Le même mécanisme au travail

Ce constat ne s'arrête évidemment pas à la cuisine. C'est rigoureusement le même mécanisme en contexte professionnel.

Prompt vague : « Écris-moi un post LinkedIn sur un nouveau produit. » → Un texte générique, assez plat, qui pourrait convenir à n'importe quelle entreprise.

Prompt précis : thème, public visé, angle éditorial, contraintes de longueur, précisions sur le produit. → Un texte bien plus proche de ce que vous recherchez réellement.

Je le dis tout le temps en formation : un mauvais résultat d'IA, ce n'est presque jamais la faute de l'IA. C'est très souvent parce qu'on n'a pas prompté correctement, pas assez de contexte, pas assez d'informations, pas assez de direction donnée à l'outil.

La prochaine fois qu'une réponse vous déçoit, avant de conclure « elle est nulle, elle ne comprend rien », posez-vous deux questions : ai-je été suffisamment précis ? ai-je donné suffisamment de contexte ? Vous aurez déjà un début de réponse.

Les 5 briques d'un prompt qui fonctionne

Les outils d'IA évoluent : les techniques très élaborées comme le chain of thought sont de plus en plus intégrées nativement, ce qui réduit le besoin de prompts extrêmement complexes. Mais cinq éléments restent structurants.

Brique Ce qu'elle apporte

Exemple

Rôle Cadre le registre et l'expertise mobilisée « Tu es responsable marketing B2B »

Contexte Ancre la réponse dans votre réalité Secteur, cible, historique, contraintes

Objectif Oriente vers un résultat utilisable Convaincre, résumer, comparer, vulgariser

Format Évite la reprise manuelle Longueur, structure, tableau, liste

Tonalité Aligne le rendu sur votre identité Pédagogique, direct, institutionnel

Définition : Le contexte dans un prompt : Le contexte regroupe toutes les informations de situation que l'IA ne peut pas deviner : votre secteur, votre cible, vos contraintes, vos données. C'est la brique la plus souvent oubliée et celle qui fait le plus de différence entre un résultat générique et un résultat exploitable.