Ingénierie de prompt et techniques de prompting pour l'IA SAP

Ce qu'est le prompt engineering, et ce qu'il n'est pas

Le prompt engineering (ingénierie de prompt) est la discipline qui consiste à concevoir le texte, la structure et les exemples envoyés à un modèle de langage pour qu'il renvoie une sortie exacte, exploitable et reproductible. Il ne modifie que l'entrée, ce qui en fait le levier le moins cher et le plus rapide, mais aussi un levier plafonné. La vue d'ensemble de l'ingénierie de prompt d'Anthropic (consultée le 18 octobre 2026) est explicite : il faut des critères de succès clairs, un moyen de les tester et un premier brouillon avant de commencer à ajuster, et tout échec d'évaluation ne se règle pas mieux par un prompt : parfois un autre modèle corrige plus facilement la latence ou le coût. Dans le generative AI hub de SAP AI Core, dans les agents Joule Studio et dans les pipelines d'orchestration, le prompt est un artefact versionné, relu et testé, et non un message de chat tapé une fois.

Pourquoi c'est important

• Les prompts sont désormais une configuration déployable dans le generative AI hub, Joule Studio et les pipelines d'orchestration : qualité, versionnement et tests relèvent de la livraison, pas d'habitudes de chat.
• Choisir dans le bon ordre entre ingénierie de prompt, RAG et fine-tuning est le moyen le moins cher d'éviter une solution surdimensionnée chez un client.
• L'injection de prompt fait de tout e-mail, document ou page web non fiable une instruction possible : conception du prompt et conception de la sécurité vont ensemble.

Points clés

• Six éléments : instruction, contexte, données d'entrée, format de sortie, contraintes, ton et public.
• Few-shot : Anthropic suggère 3 à 5 exemples pertinents et variés (consulté le 18 oct. 2026).
• Le déclencheur zero-shot-CoT a fait passer un modèle de 2022 de 17,7 % à 78,7 % sur MultiArith (arXiv 2205.11916) ; les modèles de raisonnement réfléchissent désormais par conception.
• response_format accepte text, json_object ou json_schema ; un schéma est imposé par l'API, une formulation non.
• L'orchestration enchaîne templating (obligatoire), grounding, traduction, filtrage de contenu, masquage des données en un appel.
• Prompt registry : modèles versionnés avec {{?paramètres}}, récupérés par ID (immuable) ou par nom, scénario, version.
• Les évaluations notent les prompts avec des métriques comme la correspondance exacte et la conformité au schéma JSON ; comparer des versions de prompt = une exécution chacune.
• Injection de prompt (OWASP LLM01) : directe ou indirecte ; on la maîtrise par l'architecture, pas par la formulation.

Termes employés sur cette page

Ingénierie de prompt

Concevoir texte, structure et exemples envoyés à un modèle pour obtenir une sortie exacte et reproductible.

Zero-shot / few-shot

Prompting sans exemple / avec quelques exemples traités.

Chaîne de raisonnement

Faire produire des étapes de raisonnement intermédiaires avant la réponse finale.

Prompt système

Instructions et rôle permanents qui cadrent chaque tour de conversation.

Sortie structurée

Sortie contrainte à un format, par exemple un schéma JSON.

Modèle de prompt

Texte de prompt fixe avec paramètres remplis à l'exécution.

Prompt registry

Service du generative AI hub qui stocke des modèles de prompt versionnés et réutilisables.

Service d'orchestration

Service du generative AI hub qui enchaîne templating, grounding, filtrage et masquage en un appel.

Sources

1. SAP Learning — Managing Prompts with the Prompt Registry and Templates (templates, versions, {{?placeholders}}, imperative and declarative APIs; accessed 18 Oct 2026)
2. SAP Developers tutorial — Generative AI hub evaluation (datasets, prompt template by ID, metrics, win rate; accessed 18 Oct 2026)
3. SAP Developers tutorial — Prompt optimization in the generative AI hub (model-specific optimisation, Extended plan; accessed 18 Oct 2026)
4. SAP Developers tutorial — Prompt optimization, tool calling and response formatting (response_format text/json_object/json_schema; accessed 18 Oct 2026)
5. SAP Developers tutorial — Prompt registry in the generative AI hub (found via search; snippet only, accessed 18 Oct 2026)
6. SAP Help Portal / SDK reference — Prompt Registry API (found via search; not read in full, accessed 18 Oct 2026)
7. SAP Learning — Discovering the Orchestration Service (module list as summarised by search; accessed 18 Oct 2026)
8. SAP Learning — Introduction to Orchestration (templating mandatory, modules chained in one call; search summary, accessed 18 Oct 2026)
9. SAP Developers tutorial — Create a Joule Studio agent (expertise vs instructions, simulator; search summary, accessed 18 Oct 2026)
10. SAP Learning — Building Joule agents with Joule Studio (search summary, accessed 18 Oct 2026)
11. Anthropic — Prompt engineering overview (success criteria first; vendor documentation, accessed 18 Oct 2026)
12. Anthropic — Prompting best practices (3-5 examples, XML tags, role, long documents first, adaptive thinking; vendor documentation, accessed 18 Oct 2026)
13. Anthropic — Prompt caching (5-minute default, 1.25x write, 0.1x read, exact prefix; vendor documentation, accessed 18 Oct 2026)
14. arXiv 2005.14165 — Language Models are Few-Shot Learners (28 May 2020)
15. arXiv 2201.11903 — Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (28 Jan 2022)
16. arXiv 2205.11916 — Large Language Models are Zero-Shot Reasoners (24 May 2022)
17. OWASP GenAI Security Project — LLM01 Prompt Injection (definition, direct vs indirect, mitigations; accessed 18 Oct 2026)