Vos prompts IA complexes rendent en réalité GPT-5.6 plus stupide

Depuis un an, l'ingénierie de prompt ressemblait à une négociation juridique à enjeux élevés. Les utilisateurs construisaient des prompts système tentaculaires de plusieurs pages, remplis de blocs XML, de scripts de persistance et d'instructions strictes de chaîne de pensée. L'objectif était de maintenir l'IA sur les rails. Si le modèle s'égarait, il suffisait d'ajouter une couche d'échafaudage supplémentaire pour le forcer à rentrer dans le rang. OpenAI vient de publier son nouveau guide de prompt pour GPT-5.6 Sol, et le message principal est un rejet direct de ces habitudes. Essentiellement, vos efforts pour micro-gérer l'IA sont désormais son plus grand obstacle.

OpenAI prône un changement radical vers une approche de prompt axée sur les résultats (outcome-first). La nouvelle stratégie est simple : définissez la destination, fixez les conditions d'arrêt et effacez-vous. Ce changement reflète une évolution fondamentale dans la manière dont les derniers modèles traitent l'information. Alors que les versions précédentes avaient besoin d'une carte détaillée de chaque virage, GPT-5.6 est plus performant lorsqu'il dispose simplement de l'adresse finale. Globalement, il s'agit de ne plus traiter l'IA comme une machine fragile, mais comme un partenaire numérique capable, bien qu'ayant un esprit littéral.

Le coût élevé du micro-management

OpenAI a fourni des données spécifiques pour appuyer ce changement. Lors de tests internes utilisant des agents de codage, des prompts système plus légers ont amélioré les scores d'évaluation d'environ 10 % à 15 %. Cette amélioration s'est produite alors que le modèle utilisait 41 % à 66 % de tokens en moins. Pour une entreprise ou un utilisateur expert, l'impact est tangible. Ces prompts plus épurés réduisent les coûts de 33 % à 67 %. En termes simples, écrire moins produit un meilleur travail pour beaucoup moins d'argent.

La raison de ce bond de performance est structurelle. Lorsqu'un modèle comme GPT-5.6 lit un prompt, il traite chaque mot comme une contrainte. Si vous fournissez cinq pages d'instructions, le modèle consacre une part massive de sa capacité de raisonnement à essayer de garder toutes ces règles dans sa mémoire active. C'est l'équivalent numérique de tenter de cuisiner un repas de cinq plats pendant que quelqu'un vous lit à haute voix un manuel de sécurité de 200 pages. En supprimant le bruit, vous libérez le modèle pour qu'il se concentre sur la tâche réelle.

Pourquoi GPT-5.6 est différent de son prédécesseur

Pour comprendre ce changement, il faut regarder sous le capot de GPT-5, sorti en août 2025. Ce modèle nécessitait un échafaudage lourd. Les utilisateurs s'appuyaient sur des blocs de persistance XML pour dire au modèle de continuer à travailler jusqu'à ce qu'un problème soit résolu. Ils utilisaient des modèles détaillés de collecte de contexte pour cartographier exactement comment paralléliser les recherches. La philosophie de l'époque consistait à calibrer l'empressement et à construire des rails pour empêcher le modèle d'abandonner trop tôt.

GPT-5.6 Sol est un modèle plus résilient qui gère ces étapes de processus de manière fiable par lui-même. Le nouveau guide suggère que les anciens blocs de persistance ne sont plus que du désordre que le modèle doit analyser inutilement. Ce que vous gardez réellement est une liste ciblée : le résultat visible par l'utilisateur, les critères de succès, les conditions d'arrêt et les contraintes strictes. Le guide suggère qu'un prompt de modèle devrait commencer par un objectif direct tel que : « Résoudre le problème du client de bout en bout ». Vous spécifiez ensuite à quoi ressemble une tâche terminée et quelles actions entreprendre si des données sont manquantes. Les instructions vagues comme « sois minutieux » ou « continue » ont disparu.

Le danger des règles contradictoires

L'une des découvertes les plus perturbatrices du nouveau guide concerne la manière dont le modèle gère les contradictions. Les modèles précédents choisissaient souvent une instruction s'ils rencontraient deux règles qui s'affrontaient. GPT-5.6 est différent. Il suit les contrats de prompt si étroitement que des règles contradictoires créent de l'instabilité. Au lieu de choisir un gagnant, le modèle brûle des tokens de raisonnement en essayant de réconcilier l'impossible. Cela rend la réponse plus lente, plus coûteuse et fréquemment incorrecte.

OpenAI déconseille désormais l'astuce consistant à utiliser des absolus comme « toujours » ou « jamais ». Ces mots étaient autrefois le principal moyen d'orienter le comportement, mais ils sont désormais considérés comme trop rigides. En pratique, si votre prompt système contient des règles qui se chevauchent, c'est la première chose que vous devriez corriger. Le modèle est plus performant lorsqu'il a de l'espace pour naviguer à l'intérieur d'une limite claire plutôt que d'être enfermé dans une cage de demandes contradictoires.

Nouveaux outils pour un contrôle précis

La mise à jour introduit deux fonctionnalités concrètes qui étaient absentes de la stratégie précédente. La première est un paramètre text.verbosity. GPT-5.6 est naturellement plus concis que la mise à jour de mi-cycle GPT-5.5. De ce fait, les anciennes instructions demandant d'être « bref » sur-corrigent désormais et produisent des réponses trop courtes pour être utiles. Les utilisateurs devraient maintenant définir une valeur par défaut globale via le paramètre et ne la modifier que pour des tâches spécifiques. Cela supprime le besoin de règles de style répétitives à l'intérieur du texte du prompt lui-même.

Le second ajout est une section dédiée à l'appel d'outils programmatiques (Programmatic Tool Calling). Ceci est destiné aux flux de travail délimités où le code gère le gros du travail de filtrage ou d'agrégation des données. Au lieu de demander au modèle de juger chaque information, vous laissez le code renvoyer un résultat compact. Cela décharge le jugement du modèle et le place dans une logique prévisible. C'est un moyen rationalisé de gérer de grands ensembles de données sans gonfler le prompt avec des étapes intermédiaires.

Tester l'approche minimaliste

Nous avons mis ces nouvelles directives à l'épreuve en utilisant notre référence interne, un jeu d'horreur de survie par dactylographie appelé TYPE OR DIE. Dans les itérations précédentes utilisant GPT-5, le prompt était un fourré dense de règles sur la logique du jeu et la cohérence visuelle. Pour le test GPT-5.6, nous avons dépouillé le prompt pour ne garder que le résultat central : un jeu fonctionnel et poli avec des mécanismes de survie spécifiques.

Les résultats ont été surprenants. Le modèle ne s'est pas précipité pour écrire du code. Au lieu de cela, il a d'abord cartographié l'intégralité du problème et planifié chaque système avant de taper une seule ligne. La logique de visée automatique était plus efficace, et les éléments visuels étaient plus cohérents que lors de n'importe quel cycle précédent. Le modèle a choisi un meilleur itinéraire parce que nous avons cessé d'essayer de lui dire quelles routes emprunter. Ce résultat correspond à l'intention du guide. Lorsque vous définissez la destination, le modèle est libre de trouver le chemin le plus efficace.

Ce que cela signifie pour votre utilisation quotidienne de l'IA

Pour l'utilisateur moyen, l'idée maîtresse est que vos compétences en ingénierie de prompt ont besoin d'une mise à jour. L'ère du « méga-prompt » touche à sa fin. Si vous construisez un GPT personnalisé ou un flux de travail automatisé, votre première étape devrait être un nettoyage. Supprimez les règles répétées. Supprimez les instructions de style qui ne modifient pas le résultat. Coupez les exemples qui n'ajoutent pas de nouvelles informations.

Si vous trouvez ces nouvelles directives difficiles à mémoriser, il existe un raccourci pratique. Vous pouvez créer un GPT personnalisé et lui fournir le guide complet de prompt d'OpenAI pour GPT-5.6 Sol comme base de connaissances. Vous pouvez ensuite utiliser ce GPT pour analyser et réécrire vos anciens prompts. Vous utilisez essentiellement l'ingénierie de prompt pour concevoir des prompts meilleurs et plus légers. À mesure que l'IA devient plus capable, notre rôle passe de celui de micro-manager à celui de stratège lucide qui sait exactement à quoi ressemble un résultat réussi.

Sources : OpenAI Official Prompting Guide for GPT-5.6 Sol, OpenAI Internal Engineering Blog, July 2026 Technical Report on Model Verbosity.