Le prompt engineering, pour un designer, consiste à écrire des instructions structurées qui permettent à un modèle d'IA de produire un résultat utilisable dans un workflow de conception : une synthèse d'entretiens, des variantes de parcours, un composant documenté, un écran en code, une microcopie. La méthode tient en sept blocs.
Pourquoi les designers prompts mal
La plupart des designers utilisent l'IA comme un moteur de recherche conversationnel : une question courte, une réponse générique, de la déception. Le problème n'est pas le modèle, c'est le brief. Aucun designer n'accepterait un brief d'une ligne de la part d'un client. Un modèle non plus.
Un bon prompt ressemble à un bon brief : il dit qui parle, pour qui, dans quel contexte, avec quel objectif, quelles contraintes, et à quoi ressemble un bon résultat.
La structure en sept blocs
Voici le gabarit que j'utilise pour tous mes prompts de production. Il tient sur un écran et il se lit comme une spécification.
ROLE Qui le modèle doit être (expertise, posture, niveau d'exigence)
CONTEXT Le produit, l'audience, le marché, l'existant, ce qui a déjà été décidé
OBJECTIVE Le résultat attendu, en une phrase mesurable
CONSTRAINTS Ce qui est interdit, imposé, limité (accessibilité, marque, technique, légal)
STYLE Le ton, le registre, les références, ce qu'on ne veut surtout pas
OUTPUT Le format exact de la sortie (structure, longueur, langue, exemples)
QUALITY Les critères qui distinguent un bon résultat d'un résultat plausible
1. Rôle
Le rôle cadre le niveau d'expertise et la posture. « Senior product designer et UX strategist, exigeant, qui challenge le brief » produit des réponses très différentes de « assistant ». Précisez aussi ce que le rôle ne fait pas : « ne propose pas de fonctionnalités hors périmètre ».
2. Contexte
C'est le bloc le plus négligé et le plus important. Produit, audience, marché, contraintes existantes, décisions déjà prises, vocabulaire de l'équipe. Plus le contexte est précis, moins le modèle invente. Un design system existant, une charte, des personas : collez-les.
3. Objectif
Une phrase, un résultat vérifiable. « Un onboarding clair, désirable et mesurable qui amène l'utilisateur à sa première valeur en moins de trois minutes » vaut mieux que « améliorer l'onboarding ».
4. Contraintes
Accessibilité AA, mobile-first, tokens v3, pas de nouvelle couleur, pas de modale, langue française, longueur maximale des libellés. Les contraintes sont ce qui rend le résultat intégrable.
5. Style
Le registre éditorial ou visuel : « éditorial, contraste élevé, mouvement retenu », « ton direct, phrases courtes, pas de jargon ». Ajoutez les interdits : « jamais de tiret cadratin, jamais d'emoji, jamais de superlatif ».
6. Sortie
Le format exact : un tableau avec telles colonnes, un flux en étapes numérotées, un composant React avec props typées, une microcopie de 40 caractères maximum. Donnez un exemple de sortie attendue quand c'est possible.
7. Qualité
Les critères qui permettent de juger : « hiérarchie lisible en moins de trois secondes », « une action principale par écran », « chaque message d'erreur dit quoi faire ». Demandez au modèle de vérifier sa propre sortie contre ces critères avant de répondre.
Trois prompts complets
Synthèse d'entretiens utilisateurs
ROLE UX researcher senior, rigoureux, qui ne généralise jamais au-delà des données
CONTEXT SaaS B2B de gestion de dotations vestimentaires. 8 entretiens de 45 min avec des
responsables RH. Transcriptions ci-dessous. Hypothèse de départ : le suivi des
retours est le point de friction principal.
OBJECTIVE Identifier les 5 frictions majeures, chacune appuyée par au moins 2 verbatims
CONSTRAINTS Ne pas inventer de verbatim. Signaler quand l'hypothèse de départ n'est pas confirmée.
Distinguer ce qui est dit de ce qui est interprété.
STYLE Factuel, concis, pas de superlatif
OUTPUT Tableau : friction · fréquence (n/8) · verbatims · interprétation · piste de design
QUALITY Chaque ligne doit être vérifiable dans les transcriptions. Terminer par ce que
les données ne permettent pas de conclure.
Génération d'états manquants d'un composant
ROLE Design system lead, obsédé par la cohérence
CONTEXT Design system v3, tokens ci-joints. Composant Champ de saisie : états repos, focus,
erreur existants. Convention de nommage : état/variante.
OBJECTIVE Compléter les états manquants du composant
CONSTRAINTS Réutiliser uniquement les tokens existants. Aucun nouveau token. Contraste AA.
STYLE Même densité et même rayon que les composants existants
OUTPUT Pour chaque état manquant : nom, déclencheur, apparence (tokens utilisés), règle
d'accessibilité, exemple de microcopie si pertinent
QUALITY Lister les états que vous n'avez PAS ajoutés et pourquoi
Microcopie d'erreurs
ROLE UX writer senior, francophone, ton direct
CONTEXT Parcours de paiement d'un abonnement. Marque premium, vouvoiement. Liste des codes
d'erreur techniques ci-dessous.
OBJECTIVE Un message par erreur, compréhensible par un non-technicien
CONSTRAINTS 90 caractères maximum. Toujours dire quoi faire ensuite. Jamais de jargon,
jamais de point d'exclamation, jamais de tiret cadratin.
STYLE Calme, précis, respectueux
OUTPUT Tableau : code · message · action proposée · variante courte (50 car.)
QUALITY Relire chaque message en se demandant : un utilisateur stressé comprend-il en une lecture ?
Versionner, tester, partager
Un prompt de production se traite comme un composant :
- Versionner : un fichier par prompt, un numéro de version, un journal des changements.
- Tester : trois à cinq cas d'entrée réels, une sortie attendue pour chacun, et une relecture à chaque modification.
- Partager : un emplacement unique, des exemples, un responsable. Un prompt que personne ne maintient dérive.
C'est ce que j'appelle le prompt design : concevoir les prompts comme des interfaces pour l'équipe. Voir la page prompt engineering appliqué au design.
Ce que le prompt ne remplacera pas
La compréhension du problème, l'arbitrage entre des contraintes contradictoires, la responsabilité du résultat devant un client ou un utilisateur. Le modèle amplifie une intention. Si l'intention est floue, le résultat le sera aussi, avec plus d'assurance.
Pour aller plus loin : IA générative dans un workflow de design produit, et les définitions de prompt système, agent, token et hallucination dans le glossaire.
