Bibliotheque de prompts prets a l emploi#

Tu ne dois plus jamais chercher tes mots devant une IA : tu ouvres le bon fichier, tu copies le template, tu remplis les crochets.

Temps de lecture : 12 min | Niveau : Debutant

Ce que tu sauras faire apres#

• Lire un template de prompt et comprendre a quoi sert chaque bloc.
• Remplir les champs entre crochets meme quand ton idee de depart est floue.
• Adapter un template a ton contexte sans casser ce qui le rend efficace.
• Transformer un prompt que tu utilises souvent en commande /nom (skill) reutilisable.
• Retrouver en 10 secondes le bon prompt grace a l index par situation.

📚 Les 5 fichiers de la bibliotheque#

🧱 Anatomie d un template#

Tous les templates de cette bibliotheque sont batis sur les memes blocs. La documentation officielle d Anthropic resume la regle de base ainsi : montre ton prompt a un collegue qui n a presque pas de contexte et demande-lui de le suivre ; s il est perdu, le modele le sera aussi.

Le bloc Verification est le plus sous-estime. La documentation de Claude Code le dit clairement : sans un controle que l IA peut executer elle-meme (test, build, capture d ecran), « ca a l air fini » est le seul signal disponible, et c est toi qui deviens la boucle de verification.

Un exemple minimal mais complet#

Tu es un developpeur Python senior.

CONTEXTE
Projet : API de facturation, Python 3.11, FastAPI, tests avec pytest.

TACHE
Ecris une fonction `valider_iban(iban: str) -> bool`.

CONTRAINTES
- Pas de dependance externe.
- Type hints obligatoires.

FORMAT DE SORTIE
1. Le code de la fonction.
2. Cinq cas de test pytest, dont deux cas invalides.
3. Une explication de 3 lignes maximum.

VERIFICATION
Lance les tests et montre-moi la sortie reelle.

✍️ Comment remplir les crochets#

Chaque template contient des champs en majuscules entre crochets, comme [TON_OBJECTIF]. Trois regles simples :

1. Remplace le crochet, pas seulement le mot. Les crochets disparaissent de ton prompt final. [CHEMIN_DU_FICHIER] devient src/auth/session.py, pas [src/auth/session.py].
2. Si tu ne sais pas quoi mettre, ecris-le. C est la regle la plus utile de cette bibliotheque. Remplace [CE_QUE_JE_VEUX] par je ne sais pas encore, pose-moi des questions. L IA prend alors le role d interviewer, et c est elle qui formule a ta place.
3. Un champ inutile = une ligne supprimee. Si [CONTRAINTE_SUPPLEMENTAIRE] ne te concerne pas, efface toute la ligne. Ne laisse jamais un crochet non rempli dans ton prompt.

Le secours universel quand tu bloques#

Je n arrive pas a formuler ma demande. Voici mes notes brutes, en vrac :

[COLLE_ICI_TES_NOTES_MEME_MAL_ECRITES]

Ne reponds pas encore a la demande.
Etape 1 : reformule ce que tu crois que je veux, en 3 phrases.
Etape 2 : pose-moi les 3 questions dont tu as besoin pour etre sur.
Etape 3 : attends ma reponse avant d aller plus loin.

Ce prompt marche pour tout : un mail, un ticket, une requete SQL, une analyse. Il retourne le probleme : ce n est plus a toi de bien ecrire, c est a l IA de bien demander.

🔧 Comment adapter un template#

Quatre leviers, du moins risque au plus risque :

1. Changer le contexte. Remplace la stack, les noms de tables, les volumes. Sans danger.
2. Durcir les contraintes. Ajouter maximum 30 lignes ou pas de nouvelle dependance ameliore presque toujours le resultat.
3. Changer le format de sortie. Demande un tableau au lieu d une liste, du JSON au lieu de texte.
4. Ajouter des exemples. C est le levier le plus puissant. La documentation Anthropic recommande 3 a 5 exemples, pertinents et varies, encadres par des balises <example> a l interieur d un bloc <examples> pour que le modele les distingue des instructions.

Ce qu il ne faut pas faire : empiler deux taches differentes dans un seul prompt. Microsoft comme Google recommandent au contraire de decouper une tache complexe en sous-taches enchainees. Un prompt = un objectif.

⚙️ Transformer un prompt en commande reutilisable#

Quand tu utilises le meme prompt plus de trois fois, arrete de le copier : fais-en une skill Claude Code. Une skill est un dossier contenant un fichier SKILL.md. Tu l invoques ensuite en tapant /nom. Ce nom vient du champ name du fichier ; si tu ne mets pas ce champ, c est le nom du dossier qui sert de commande.

Emplacements possibles, d apres la documentation officielle :

Exemple concret : transformer le prompt « revoir mon diff avant commit » en /relecture.

---
name: relecture
description: Relit les modifications non commitees et signale ce qui est risque. A utiliser avant un commit.
---

## Modifications en cours

!`git diff HEAD`

## Instructions

Tu es un relecteur de code senior.
Analyse le diff ci-dessus et reponds en 3 parties :
1. Resume des changements, 3 puces maximum.
2. Risques : erreurs non gerees, valeurs en dur, tests manquants.
3. Ce que je dois corriger avant de commiter, par ordre de priorite.

Ne commente pas le style si l outil de lint le fait deja.

Points cles de la syntaxe, tous issus de la documentation officielle :

• Le champ description sert au modele pour decider quand declencher la skill tout seul.
• Un point d exclamation suivi d une commande entre accents graves execute la commande avant que le modele lise le fichier : la sortie est deja dans le prompt. Attention : si cette commande echoue, toute la skill est annulee. Ne mets la que des commandes sures, en lecture seule.
• $ARGUMENTS recupere ce que tu tapes apres le nom de la commande. /relecture src/auth passe src/auth dans $ARGUMENTS.
• Pour prendre les arguments un par un, utilise $ARGUMENTS[0], $ARGUMENTS[1], ou leur raccourci $0, $1. Avec /migrer SearchBar JavaScript TypeScript, $0 vaut SearchBar. Un argument de plusieurs mots se met entre guillemets.
• disable-model-invocation: true reserve la commande a toi seul. A mettre pour tout ce qui a un effet de bord : commit, deploiement, envoi de message.
• allowed-tools pre-autorise des outils pour eviter les demandes de permission a chaque etape.
• argument-hint affiche un rappel des arguments attendus quand tu tapes la commande, par exemple argument-hint: [chemin].

Si le prompt n est pas une procedure mais une regle permanente (« dans ce projet on utilise toujours des f-strings »), sa place est dans CLAUDE.md a la racine du projet, pas dans une skill. La documentation conseille de viser moins de 200 lignes par fichier CLAUDE.md : au-dela, les regles se perdent et le modele les ignore.

🗂️ Index des prompts par situation#

🔗 Ou aller ensuite dans la formation#

Cette bibliotheque donne les prompts. Les autres sections expliquent pourquoi ils sont batis ainsi.

A retenir#

• Un bon prompt tient en 6 blocs : role, contexte, tache, contraintes, format de sortie, verification.
• Quand tu ne sais pas formuler, ecris-le dans le prompt et demande a l IA de t interviewer.
• Un prompt = un objectif. Deux objectifs = deux prompts enchaines.
• Ajoute toujours un moyen de verifier : un test, une commande a lancer, une sortie a montrer.
• A partir de la troisieme utilisation, transforme le prompt en skill /nom dans .claude/skills/.
• Les regles permanentes vont dans CLAUDE.md, les procedures dans les skills.

Depots GitHub a explorer#

Ces depots te donnent des prompts deja ecrits, deja testes par des milliers de gens : tu copies, tu adaptes les crochets, et tu ranges tes propres prompts dans Git comme du code.

Clone Fabric en premier. C est le seul de la liste ou les prompts sont directement lisibles : un dossier par tache, un system.md dedans, rien a installer pour en profiter. Ouvre trois patterns (summarize, analyze_answers, create_mermaid_visualization) et compare-les aux 6 blocs ci-dessus.

Sources#

• Prompting best practices - Claude Platform Docs
• Best practices for Claude Code
• Prompt library - Claude Code Docs
• Skills - Claude Code Docs
• Slash commands - Claude Code Docs
• How Claude remembers your project - CLAUDE.md
• Prompt engineering techniques - Microsoft Foundry
• Overview of prompting strategies - Google Cloud Vertex AI
• anthropics/prompt-eng-interactive-tutorial