OpenAI publie un guide de prompts pour GPT-5.6, réduisant l’utilisation des tokens de plus de 40 %

OpenAI lance officiellement un guide de prompts pour GPT-5.6. D’après des tests internes, après avoir fortement simplifié un system prompt trop long, les scores augmentent non seulement au lieu de baisser, mais progressent de 10 % à 15 %, tout en réduisant l’utilisation de jetons de 41 % à 66 %. L’idée centrale du guide est la suivante : les développeurs n’ont qu’à indiquer au modèle les résultats attendus et les lignes rouges, sans préciser à chaque étape comment il doit procéder ; le modèle choisit lui-même un chemin plus efficace.

Données de test pour simplifier le system prompt

（Source : site officiel d’OpenAI）

D’après le guide GPT-5.6 d’OpenAI, l’équipe d’ingénierie a constaté lors de tests que le contenu de quatre catégories dans le system prompt peut être supprimé, et que, après suppression, les performances du modèle sont en réalité meilleures :

Règles répétées : paragraphes qui insistent à répétition sur la même contrainte

Consignes de style sans impact réel sur le comportement : par exemple « veuillez répondre de manière professionnelle », « veuillez répondre brièvement », etc. (GPT-5.6 par défaut est déjà plus concis)

Exemples superflus : des démonstrations qui n’ajoutent aucune information utile

Instructions de procédure que le modèle peut déjà faire : trop de détails sous forme d’étapes

La méthode recommandée pour simplifier est « commencer par une version qui fonctionne, puis supprimer progressivement » : conserver d’abord les prompts efficaces, enlever les parties suspectes une par une, tout en suivant l’évaluation (scores d’évaluation quantifiés) ; si le score ne baisse pas, cela confirme la suppression. Le contenu à conserver réellement : des définitions visibles des résultats, les critères de réussite et d’arrêt, les contraintes de sécurité et commerciales, ainsi que les règles de choix des outils et le format de sortie.

Nouvelle écriture clé : ne définir que les résultats et les lignes rouges

D’après le guide GPT-5.6 d’OpenAI, le principe le plus central du prompt est : « définir le résultat, les restrictions importantes, les preuves disponibles, les critères de réalisation, puis laisser de la place pour que le modèle choisisse lui-même un chemin efficace ». La politique d’exemple fournie par OpenAI est : « résoudre la demande avec le minimum de boucles de requêtes utiles, mais ne pas sacrifier l’exactitude, les preuves nécessaires ou les citations en réduisant le nombre de boucles » — c’est une règle de décision, pas une commande rigide.

Sur l’utilisation des paramètres, text.verbosity (low/medium/high) contrôle spécifiquement la longueur des réponses, tandis que le ton et le niveau de formalisme doivent être décrits séparément ; reasoning effort (low/medium/high/xhigh/max) gère l’intensité de la réflexion du modèle. Avant de l’augmenter, OpenAI recommande d’abord de vérifier que le prompt définit clairement les critères de réussite et la boucle de vérification — « tout dire clairement est souvent plus efficace que d’augmenter la réflexion ».

La description des outils fait elle aussi partie du prompt : conserver uniquement les outils pertinents pour la tâche. Chaque description d’outil doit indiquer ce qu’il fait, quand l’utiliser, et comment le modèle doit réagir en cas d’erreur.

Questions fréquentes

Pourquoi simplifier le system prompt fait-il au final augmenter le score de GPT-5.6 ?

D’après les explications du guide d’OpenAI, un system prompt trop détaillé ajoute une charge d’interprétation inutile au modèle, et des instructions répétitives ou redondantes peuvent interférer avec l’identification des priorités réelles. GPT-5.6 possède par lui-même de fortes capacités de raisonnement : une fois les objectifs et les contraintes fournis, il peut choisir un chemin efficace ; des prescriptions d’étapes inutiles, elles, finissent par brider ses performances.

Comment régler les paramètres text.verbosity et reasoning effort ?

D’après le guide, text.verbosity comporte trois niveaux (low/medium/high) et contrôle spécifiquement la longueur des réponses ; reasoning effort se décline en cinq niveaux (low/medium/high/xhigh/max) et gère l’intensité de la réflexion. Les deux doivent être définis séparément, sans empiler du texte dans le system prompt. Avant d’augmenter reasoning effort, il faut d’abord confirmer que le prompt définit clairement les critères de réussite, car bien souvent « tout dire clairement est plus efficace que réfléchir davantage ».

Dans quel ordre faut-il transférer le workflow de prompt ?

D’après le guide d’OpenAI, l’ordre correct de migration est le suivant : remplacer d’abord le modèle (en conservant les réglages de raisonnement d’origine) → exécuter eval comme référence → supprimer les échafaudages devenus obsolètes et les instructions répétées → apporter les corrections minimales uniquement aux endroits où l’évaluation montre une réelle baisse → re-mesurer. Le principe clé est de ne modifier qu’un seul paramètre à la fois : ne pas changer en même temps le modèle, les réglages de raisonnement, le prompt et l’ensemble des outils, sinon il est impossible d’identifier quel élément a entraîné le changement de comportement.