- ▸ Depuis 2026, tout le monde est devenu généraliste
- ▸ Le vrai levier n'est pas la technique de prompt
- ▸ Comment Terence Tao parle à ChatGPT
- ▸ Des messages courts, jamais point par point
Nous répétons la même fable. Que parler aux machines serait un art nouveau, une grammaire secrète, une virtuosité de formulation que les uns posséderaient et les autres non. Or l’idée que la qualité d’une réponse se joue dans l’habileté du « prompt » masque quelque chose de plus dérangeant : sans maîtrise réelle du sujet, la formule la plus léchée ne rend qu’une généralité polie.
Je le crois fermement. Et l’exemple qui l’établit vient d’un des plus grands mathématiciens vivants.
Ce qu’il faut retenir – Les grands modèles de langage transforment chacun en généraliste : ils comblent une lacune technique sans exiger d’apprentissage préalable. – La compétence décisive n’est pas l’« ingénierie de prompt » mais l’expertise du domaine que l’on interroge. – Terence Tao, médaillé Fields, obtient de ChatGPT des réponses d’un tout autre calibre — parce qu’il sait ce qu’il cherche. – Ses techniques ne s’imitent pas : elles reposent sur une compréhension que le prompt ne fabrique pas.
Depuis 2026, tout le monde est devenu généraliste
Rappelons le monde d’avant. Dans les années 2010, écrit l’ingénieur Sean Goedecke dans un billet publié le 24 juillet 2026, si vous aviez une lacune technique — mettons que vous ne saviez pas écrire du CSS — vous n’aviez que deux issues : vous en remettre à un collègue compétent, ou espérer que la réponse exacte à votre problème traînait quelque part sur internet (source : Sean Goedecke, LLMs reward expertise).
Cette dépendance a fondu. Un modèle de langage répond, reformule, corrige, et vous voilà capable de livrer un fragment de code que vous n’auriez jamais su produire seul. Le constat de Goedecke tient en une phrase : « LLMs make everybody into a generalist » — les modèles font de chacun un généraliste.
C’est là que le récit dominant s’installe. Puisque tout le monde accède à la même compétence « suffisante », la spécialisation perdrait de sa valeur, et l’avantage se déplacerait vers ceux qui savent parler à la machine. Séduisant. Mais faux, je crois, sur le point qui compte.
Le vrai levier n’est pas la technique de prompt
Voici ma position, sans détour. La compétence qui sépare une réponse médiocre d’une réponse utile n’est pas une gymnastique de formulation. C’est la connaissance du terrain que l’on sollicite.
Goedecke le formule net : « The most important skill in prompting is expertise in the domain you’re prompting for » — la compétence la plus importante en matière de prompt, c’est l’expertise dans le domaine concerné. Et il enfonce le clou par une observation qui devrait faire réfléchir tous les vendeurs de formations : puisque chacun s’adresse aux mêmes modèles, les « prompteurs habiles » obtiennent les mêmes résultats que ceux qui touchent un modèle pour la première fois.
Autrement dit, l’égalité d’accès est réelle. L’égalité de résultat, non. La différence se loge ailleurs que dans la syntaxe de la requête.
Comment Terence Tao parle à ChatGPT
L’illustration la plus parlante nous vient de Terence Tao, médaillé Fields, et de sa conversation avec ChatGPT à propos d’un contre-exemple récemment découvert à la conjecture jacobienne (source : Sean Goedecke). Un sujet aride, technique, sans marge d’à-peu-près.
Ce qui frappe, dans cet échange, tient à la forme autant qu’au fond.
Des messages courts, jamais point par point
Tao écrit peu. Ses messages sont brefs, ramassés, dirigés vers l’essentiel. Il ne répond pas ligne à ligne au modèle ; il réagit au sens général, à la substance de ce qui vient d’être dit. Là où l’utilisateur moyen empile les précisions et les politesses, lui coupe.
Des reprises qui orientent, pas qui expliquent
Ses relances sont des jugements. « This looks more complex than I was hoping for » — cela paraît plus compliqué que je ne l’espérais. Ou encore : « no, I think it could be simpler here » — non, je pense que ça peut être plus simple ici. Et cette question, redoutable de brièveté : « but don’t we already do X? » — mais ne faisons-nous pas déjà X ?
Chacune de ces phrases est un cap. Elle dit au modèle où se situe la bonne réponse, sans jamais la lui souffler.
Signaler son niveau fait basculer le modèle
Le mécanisme est là, et il mérite qu’on s’y arrête. En affichant son expertise, Tao aiguille le modèle vers un registre — Goedecke parle de mode « talking-to-mathematicians » plutôt que « explaining-to-amateurs ». Parler-à-des-mathématiciens, non pas expliquer-à-des-amateurs.
La conséquence est mesurable dans la conversation : les sorties du modèle sont bien plus concises que lorsqu’un utilisateur lambda l’interroge sur les mêmes mathématiques. Le modèle cesse de dérouler le cours pédagogique. Il passe au dialogue entre pairs.
| Registre « amateur » | Registre « expert » | |
|---|---|---|
| Longueur des réponses | longues, didactiques | concises, denses |
| Posture du modèle | il enseigne, il rassure | il collabore, il conteste |
| Ce qui la déclenche | question ouverte, vague | signal de niveau, reprise courte |
| Risque | généralité correcte mais plate | erreur possible, mais réponse utile |
Le signal d’expertise, ce n’est donc pas un mot magique. C’est une manière de fermer des portes. En disant « c’est trop compliqué » ou « ne fait-on pas déjà cela ? », Tao interdit au modèle les développements superflus et l’oblige à se tenir au niveau conceptuel où la vraie question se pose.
Pourquoi vous ne pouvez pas copier Tao
Ici surgit l’objection la plus sérieuse, et je veux la prendre au sérieux. Si ces techniques sont identifiables — messages courts, reprises tranchantes, refus du point par point — alors chacun peut les reproduire. Il suffirait d’un mode d’emploi. La compétence redeviendrait, après tout, une affaire de méthode.
Je réponds que non, et Goedecke aussi. « You can’t prompt like Tao on mathematical questions just by following these tips » — vous ne pouvez pas prompter comme Tao sur des questions mathématiques en suivant simplement ces conseils. La clef de sa technique, c’est qu’il comprend réellement les mathématiques.
Prenez « no, I think it could be simpler here ». Pour la prononcer à propos, il faut déjà savoir qu’une voie plus simple existe. Pour lancer « but don’t we already do X? », il faut connaître X, sa portée, sa pertinence dans le raisonnement en cours. La phrase est courte ; la connaissance qui la porte ne l’est pas.
Voilà le piège de l’imitation. On peut copier la brièveté d’un maître, pas son jugement. Le style de prompt de Tao n’est que la surface visible d’une expertise ; l’imiter sans elle, c’est reproduire la calligraphie d’une signature sans avoir le droit de signer.
Ce que cela engage, au-delà des mathématiques
Ce débat déborde très largement la conjecture jacobienne. Il touche à ce que nous croyons devoir apprendre.
Si l’on tient l’ingénierie de prompt pour la compétence de l’époque, on encourage une génération à polir des formules et à déléguer le fond. On forme des intermédiaires habiles entre une question mal comprise et une réponse mal jugée. C’est un contresens coûteux. Car le modèle, lui, ne comblera jamais le trou de votre compréhension — il ne fera que l’habiller.
L’inverse me paraît vrai, et rassurant. Loin de dévaluer l’expertise, les modèles la récompensent. Ils rendent le savoir de domaine plus rentable, puisque c’est lui qui débloque leurs meilleures réponses. Le généraliste obtient le suffisant ; l’expert obtient l’utile. La frontière ne passe plus par l’accès à l’outil, désormais universel. Elle passe par ce que vous savez avant de l’ouvrir.
Conclusion
Nous répétions que parler aux machines serait un art nouveau, une virtuosité de formulation. Terence Tao nous détrompe en trois phrases de cinq mots. Ce n’est pas la forme du prompt qui décide — c’est la mathématique qui la sous-tend.
À retenir, si vous voulez tirer parti de ces modèles dès aujourd’hui :
- Investissez le domaine, pas la formule. Le savoir que vous apportez plafonne la qualité de ce que vous recevez.
- Signalez votre niveau tôt. Une reprise brève et exigeante fait basculer le modèle du cours magistral au dialogue entre pairs.
- Méfiez-vous de l’imitation. Copier un style de prompt sans la compréhension qui le fonde ne produit qu’une assurance vide.
La question à suivre, dans les mois qui viennent, n’est pas « qui saura le mieux prompter ». C’est « qui saura encore assez, par soi-même, pour juger ce que la machine répond ». J’aimerais qu’on en débatte avant d’avoir désappris.
Cet article est une tribune et reflète l’opinion de son auteur.
