Meilleures instructions personnalisées ChatGPT : 4 types d'instructions comparés

En bref : les meilleures instructions personnalisées ChatGPT sont celles que ChatGPT peut exécuter, et « professionnel mais chaleureux » n'est pas exécutable. Cet article compare les quatre types d'instructions que les gens collent réellement dans le champ de réponse : étiquettes de ton, listes de règles, échantillons collés et profil de style mesuré. Les étiquettes décrivent des milliers de personnes. Les règles corrigent une poignée d'habitudes. Les échantillons forcent ChatGPT à deviner quels schémas sont les vôtres. Un profil construit à partir de vos vrais textes lui donne les chiffres. Mettez le profil dans le champ, ajoutez une courte liste de règles en dessous, et oubliez les adjectifs.

Cherchez des instructions personnalisées ChatGPT recommandées et vous obtenez des listes de modèles. Collez-en un et le résultat s'améliore pendant environ une semaine, puis vous remarquez qu'il se lit comme celui de tous ceux qui ont collé le même modèle.

Le modèle n'a jamais été le problème. Le type d'instruction, si.

Quels sont les 4 types d'instructions personnalisées ChatGPT ?

Chaque jeu d'instructions personnalisées pour le style d'écriture relève de l'un de quatre types, définis par ce que le texte contient réellement : des adjectifs, des règles, des exemples ou des mesures. Le conteneur (paramètres globaux, Project, Custom GPT) change l'endroit où les instructions s'appliquent. Le type change si ChatGPT peut les suivre tout court.

Le champ lui-même est identique dans tous les cas. Le guide des instructions personnalisées d'OpenAI décrit deux cases : une courte à votre sujet et une plus longue sur la façon dont ChatGPT doit répondre. Notre analyse des limites de caractères détaille ce qui tient où. Ici, ce qui nous intéresse, c'est ce qu'on y met.

La plupart des modèles sur le web sont du type 1 avec un peu de type 2 mélangé. C'est pour cela qu'ils sonnent tous pareil.

Pourquoi une étiquette de ton échoue-t-elle comme instruction personnalisée ?

Parce que l'IA ne connaît pas votre ton ; elle connaît des mots qui décrivent un ton. Quand vous tapez « professionnel mais chaleureux », ChatGPT associe ces mots au registre qu'il a appris pour eux, et ce registre est identique pour chaque utilisateur qui tape les mêmes mots. L'étiquette est une moyenne, et vous demandez au modèle d'être moyen exprès.

Faites le test vous-même. Écrivez « professionnel mais chaleureux » dans une nouvelle conversation et demandez un e-mail de suivi après une réunion. Puis demandez à un collègue de faire de même. Les deux e-mails seront plus proches l'un de l'autre que l'un ou l'autre ne l'est de quoi que ce soit que vous ayez réellement envoyé le mois dernier. L'étiquette ne portait aucune information qui vous distingue de votre collègue, donc le résultat ne le pouvait pas non plus.

Une voix vit quelque part où l'étiquette ne peut pas atteindre :

• La longueur des phrases. Pas « concis », mais une distribution : jusqu'où descendent vos phrases courtes, jusqu'où s'étirent les longues, et quand vous basculez.
• La place des nuances. Si « probablement » se trouve au début de la proposition ou à la fin, et si vous nuancez encore une fois que vous avez décidé.
• Les transitions. « Donc » contre « par conséquent » contre rien. Si un paragraphe ouvre sur la conclusion ou y mène.
• La ponctuation. Taux de deux-points, taux de virgules, si une parenthèse apparaît jamais, si vous utilisez un tiret ou aucun.

Rien de tout cela n'est un adjectif. Une étiquette ne peut en encoder aucun, et un modèle ne peut en déduire aucun à partir d'elle. Si vos instructions actuelles sont surtout des adjectifs, c'est toute l'explication de la dérive du résultat vers le générique.

Pourquoi les listes de règles et les échantillons collés restent-ils insuffisants ?

Les listes de règles corrigent les habitudes que vous savez nommer, et les échantillons collés couvrent celles que vous ne savez pas nommer, mais aucun des deux ne donne à ChatGPT une cible contre laquelle se mesurer. Les deux sont de vraies améliorations par rapport à une étiquette. Les deux atteignent aussi un plafond que beaucoup prennent pour la limite de ce que ChatGPT peut faire.

Listes de règles : fortes sur les contraintes, aveugles sur le rythme

Une liste de règles est le bon outil pour tout ce qui est binaire. Formules bannies, format de signature, utiliser des titres ou non, mettre en gras ou non. ChatGPT les suit bien parce que chaque règle a une réponse oui ou non. Nos six modèles prêts à l'emploi sont construits ainsi, et c'est un bon échafaudage.

Le plafond, c'est que le rythme n'est pas binaire. « Varie la longueur des phrases » est une règle que ChatGPT acquiescera avant de produire douze fois la même phrase de longueur moyenne, parce qu'il n'a aucun chiffre à viser. « Reste serré » donne la même chose. Vous pouvez écrire cent règles et ne jamais décrire la forme d'un paragraphe que vous écririez, parce que la forme est un schéma, et que les règles décrivent des événements.

Échantillons collés : meilleure preuve, déduction peu fiable

Coller trois e-mails et dire « écris comme ça » est le premier type qui donne à ChatGPT une preuve réelle de votre façon d'écrire. Cela fonctionne nettement mieux que des adjectifs. Là où ça casse, c'est à l'étape de déduction. ChatGPT lit trois e-mails et doit décider quelles caractéristiques sont votre voix et lesquelles sont des accidents de ces trois e-mails. L'ouverture courte était-elle une habitude ou un mardi ? Il ne peut pas le savoir, et il devinera différemment à chaque conversation.

L'autre limite est le volume. Trois e-mails ne peuvent indiquer à personne votre longueur moyenne de phrase sur une année d'écriture ; l'échantillon est trop petit pour les schémas qui comptent. Les fichiers de connaissances de Project relèvent un peu le plafond, et nous avons mesuré où se situe ce plafond. Il se situe en dessous d'un profil, pour la même raison : la déduction recommence à zéro à chaque fois, et elle n'est jamais vérifiée.

Qu'est-ce qui fait d'un profil mesuré la meilleure instruction personnalisée ?

Un profil mesuré transforme vos textes en cibles que ChatGPT peut atteindre et qu'une vérification peut contrôler. Au lieu de « concis », il dit « longueur moyenne de phrase 13 mots, un quart des phrases sous 8 ». Au lieu de « chaleureux », il dit « la première ligne est la décision, la salutation en second ou pas du tout ». Au lieu de « varie le rythme », il donne une plage de variabilité. Chaque ligne est quelque chose qu'un modèle peut exécuter et qu'un script peut mesurer.

C'est la différence entre « incité » et « entraîné ». Une consigne décrit comment vous espérez sonner. Un profil construit à partir de vos propres textes est la preuve de votre façon réelle d'écrire. Voici à quoi ressemble la même voix selon les quatre types, pour une seule dimension :

Cette dernière ligne est celle que les gens prennent à l'envers. Un meilleur modèle ne rend pas un profil personnel moins nécessaire. La capacité du modèle et le conditionnement par les données utilisateur sont deux couches distinctes. OpenAI améliore la première à chaque version et ne peut pas fournir la seconde, parce que vos e-mails ne sont pas dans le modèle et ne le seront jamais. Plus le modèle devient capable de suivre des instructions nuancées, mieux il exécute aussi votre profil. Une étiquette vague gaspille cette nouvelle capacité. Un profil précis la dépense.

La façon dont le profil est construit est expliquée dans comment fonctionne l'extraction de style. En résumé : vous ajoutez des textes que vous avez réellement envoyés, l'analyse mesure les schémas ci-dessus sur l'ensemble, et vous obtenez un Master Prompt au format System Prompt attendu par le champ de réponse. Le premier cas d'usage (une langue, un support, un public) est gratuit.

Une limite honnête. Un profil contraint le rythme, le vocabulaire, la ponctuation et la structure. Il ne porte ni faits ni opinions. ChatGPT écrira le paragraphe comme vous écrivez vos paragraphes, et c'est toujours vous qui décidez ce que le paragraphe dit.

Comment configurer vos instructions personnalisées ChatGPT aujourd'hui ?

Mettez un profil mesuré dans le champ de réponse, une courte liste de règles en dessous, et aucun adjectif. Voici la disposition qui fonctionne, et elle tient dans le champ de 8 000 caractères avec de la marge.

1. À votre sujet (1 500 caractères). Rôle, publics, langues. Des faits seulement. Ce champ sert au contexte, pas à la voix.
2. Comment ChatGPT doit répondre (8 000 caractères). Collez d'abord l'export du profil. En dessous, une liste d'au plus dix contraintes strictes : ouvertures bannies, signature, mise en forme par défaut. Supprimez chaque règle qui décrit les propres défauts de ChatGPT (« sois clair », « sois utile ») ; elles coûtent des caractères et ne changent rien.
3. Des Projects pour les changements de registre. Si vos e-mails clients et vos notes internes sont deux voix différentes, le champ global contient la voix par défaut et un Project contient l'autre. Un profil est une matrice de langue, de public et de support, et vous pouvez en exporter une seule cellule (par exemple votre mode e-mail client) directement dans les instructions du Project. Les instructions de Project remplacent les instructions globales à l'intérieur de ce Project.
4. Testez avec une vérification, pas une relecture. Demandez un vrai brouillon, puis comparez-le aux chiffres du profil. Si ChatGPT est connecté à l'application MyWritingTwin, il peut lancer la vérification lui-même et renvoyer un succès ou un échec par contrainte. Nous avons construit cette vérification en vrai code parce que l'avis d'un assistant sur la conformité d'un brouillon n'est pas fiable ; nous avons vu des assistants annoncer des chiffres conformes que la mesure contredisait.

Si vous écrivez dans plusieurs langues, faites le profil par langue. Le registre change entre les niveaux de keigo en japonais, le tu et le vous en français, le Sie et le du en allemand. L'IA traite toutes les langues de la même façon et manque ces bascules, et un profil construit à partir d'e-mails en anglais ne portera pas votre voix japonaise.

Ce qu'il faut éviter : le champ « À votre sujet » comme dépotoir de voix, les empilements d'adjectifs où que ce soit, et les règles que vous ne pouvez pas vérifier. Si vous ne pouvez pas dire si un brouillon a obéi à une instruction, ChatGPT ne le peut pas non plus.

Et maintenant ?

1. Ouvrez vos instructions personnalisées actuelles et classez chaque ligne par type. Si la plupart des lignes sont des adjectifs, c'est là le correctif.
2. Créez un profil de style gratuit à partir de textes que vous avez réellement envoyés, et collez l'export dans le champ de réponse.
3. Gardez au plus dix règles strictes en dessous. Supprimez le reste.
4. Lancez un vrai brouillon et vérifiez-le contre les chiffres, à la main ou via l'application.

Le type d'instruction, c'est tout l'enjeu. Un Writing Twin pour ChatGPT, Claude ou Gemini est un seul profil construit une fois à partir de vos vrais textes, et le champ de réponse est simplement l'endroit où ChatGPT le lit.