Tu utilises GPT-5 de la mauvaise façon

La plupart des gens n’exploitent pas vraiment tout le potentiel de GPT-5.

Pourquoi ?

Parce qu’en tirer le maximum demande de connaître quelques techniques de “prompting” et de réglages de paramètres pour améliorer la qualité des réponses.

J’ai passé pas mal d’heures à étudier le guide officiel de prompting de GPT-5 pour comprendre comment mieux l’utiliser, que ce soit sur l’appli web de ChatGPT ou sur Playground.

Dans ce guide, je t’explique les recommandations d’OpenAI en langage simple, sans le jargon technique.

1. Optimise la façon de donner tes consignes

GPT-5 suit les instructions avec une grande précision.

C’est un avantage, sauf si ton prompt est flou ou contradictoire.

Par exemple : ne dis pas “Fais un résumé bref” et plus loin “Inclue tous les détails”.

Ça ne marche pas, car le modèle ne saura pas quoi prioriser.

Astuce : relis toujours ton prompt pour éviter les messages contradictoires ou ambigus.

OpenAI dit que clarifier ça améliore énormément les résultats.

Tu peux même demander à ChatGPT :

“Relis mes consignes. Dis-moi s’il y a des contradictions. Propose le plus petit ajustement possible pour les rendre cohérentes.”

Ou utiliser l’optimiseur de prompt d’OpenAI dans Playground.

2. Utilise l’optimiseur de prompt

Playground (la plateforme avancée d’OpenAI) propose un outil pour optimiser ton prompt.

Tu colles ton texte, tu cliques sur “Optimize” et tu vois les corrections en bleu, avec des notes qui expliquent pourquoi.

C’est pratique, mais il vaut mieux aussi comprendre les techniques de prompting, pour juger quand ces modifications sont pertinentes.

3. Contrôle l’effort de raisonnement

GPT-5 a un paramètre reasoning_effort qui règle “combien” le modèle réfléchit.

Par défaut, il est sur medium, mais tu peux le baisser ou l’augmenter selon la tâche.

• minimal : réponses rapides, peu de réflexion (parfait pour extractions, formats courts, tâches simples).

• low : un peu plus réfléchi, mais efficace (bon pour support client, résumés, contenus simples).

• medium : l’équilibre par défaut (contenus créatifs, code, analyses).

• high : raisonnement poussé, très précis (recherche scientifique, planification stratégique, debugging complexe).

Astuce : si tu mets “minimal”, demande quand même au modèle de lister en 2–3 étapes son plan d’action. Même bref, ça améliore la qualité.

4. Contrôle l’“agentic eagerness” (le degré d’autonomie du modèle)

Plus d’eagerness = plus d’autonomie, moins de questions de clarification.

Tu peux l’augmenter en mettant reasoning_effort plus haut et en donnant un prompt qui pousse le modèle à continuer jusqu’à résoudre complètement la tâche.

Exemple de consignes pour ça :

• “Continue tant que la demande n’est pas totalement résolue.”

• “Ne t’arrête pas en cas de doute, déduis la meilleure approche.”

• “Décide toi-même des hypothèses raisonnables et documente-les ensuite.”

Moins d’eagerness = réponses plus rapides, moins de contexte cherché.

Tu peux l’obtenir en réduisant le reasoning_effort et en fixant des critères clairs :

• “Évite de chercher trop de contexte.”

• “Si tu as besoin de plus de temps, donne-moi d’abord ton état d’avancement.”

• “Privilégie une réponse correcte rapidement, même si elle n’est pas parfaite.”

5. Contrôle la verbosité

GPT-5 a aussi un paramètre verbosity pour la longueur des réponses.

• low : court, direct.

• medium : détaillé juste ce qu’il faut.

• high : réponse longue, enrichie de contexte.

Exemple :

• Low → “Paris.”

• Medium → “La capitale de la France est Paris.”

• High → “La capitale de la France est Paris. C’est la plus grande ville du pays et son centre politique, culturel et économique.”

Et voilà !

Si tu as trouvé ce guide utile, n’hésite pas à le partager autour de toi !