Le prompt ne tient pas lieu de méthode — pourquoi formaliser son expertise tacite est devenu le vrai travail

Sixième texte du bloc cognition / doctrine. Après l'agentique vraie, une question qui se pose à toutes les organisations ayant investi dix-huit mois de formation prompt engineering sans en voir le retour : qu'est-ce que cet investissement aurait dû produire pour atteindre la productivité promise.

L'audit qui n'a rien trouvé

Dans une grande maison de conseil française, en avril 2026, une direction décide de mener un audit interne sur l'usage de l'IA en mission. Le périmètre est restreint, trente consultants, sélectionnés pour leur exposition régulière aux outils. Tous sont formés au prompt engineering depuis dix-huit mois, certains depuis le début. Plusieurs ont passé des certifications externes. La direction veut savoir, après ce volume d'investissement, ce que l'IA a effectivement changé dans la production de leurs missions.

Le rapport tient en trois pages. Aucun gain de temps mesurable sur la durée des missions. Aucune amélioration mesurable de la qualité des livrables. Aucun écart de productivité entre les consultants formés et ceux qui ne l'étaient pas. Quelques témoignages anecdotiques de gains ponctuels, jamais convertis en effet d'organisation.

La direction commande une seconde lecture du rapport. Elle ne trouve pas d'erreur méthodologique. Elle commande alors une troisième lecture, par un cabinet externe, en pensant qu'un biais d'auto-justification a faussé la mesure. Le cabinet externe confirme. La formation prompt engineering, mesurée à l'aune de la productivité opérationnelle, n'a rien produit qui se voie.

Ce résultat n'est pas une anomalie locale. Les enquêtes publiées en 2025 par McKinsey, BCG et le BCG-Henderson Institute, malgré leur ton officiellement enthousiaste, convergent vers le même chiffre dérangeant : moins de quinze pour cent des organisations ayant déployé de la formation prompt engineering interne ont vu une amélioration de leur productivité globale. La moyenne de l'industrie tourne autour de zéro. Et personne, ni les éditeurs ni les cabinets formateurs ni les directions formées, ne formule clairement pourquoi.

Cet article tient une hypothèse. Le prompt engineering, tel qu'enseigné depuis 2024, a optimisé la mauvaise variable. Il a appris aux opérateurs à formuler mieux, alors que ce qui leur manquait n'était pas la formulation, mais une couche en dessous, plus fondamentale, qu'aucune formation ne pouvait livrer.

Quatre couches d'un même geste

Pour comprendre où le travail s'est déplacé, il faut regarder ce qu'est devenu un prompt depuis trois ans. Le mot a recouvert quatre objets différents que les formations continuent, à tort, de traiter comme un seul.

La première couche est celle de l'instruction directe. Résume ce texte. Traduis ce paragraphe. Liste les arguments principaux. Cette couche, qui constituait l'essentiel de l'usage en 2023, ne demande aucune compétence particulière. N'importe quel modèle au-dessus d'un certain seuil produit aujourd'hui ce qu'on attend, et la marge de progression a cessé d'être significative depuis dix-huit mois.

La deuxième couche est celle du CV. On dit à l'agent qui il est. Tu es un consultant senior en stratégie. Tu as quinze ans d'expérience sur les questions de transformation industrielle. Tu maîtrises les frameworks Porter, McKinsey 7S, et l'analyse de chaîne de valeur. Cette couche, popularisée par les guides de prompt engineering en 2024, a produit un saut de qualité réel. L'agent devient plus précis dans son vocabulaire, plus prudent dans ses affirmations, plus aligné avec un registre professionnel.

Mais le CV a une limite que peu ont nommée. Énumérer des compétences ne produit pas une décision. Un consultant senior ne se distingue pas d'un junior par les frameworks qu'il connaît, qu'ils maîtrisent l'un et l'autre. Il se distingue par la séquence d'arbitrages qu'il opère silencieusement quand il aborde une situation nouvelle. Quels éléments regarder en premier, quels signaux écarter, à quel moment basculer d'une lecture diagnostique à une lecture prescriptive. Ces gestes ne figurent dans aucun CV.

La troisième couche, qui s'est imposée à partir de la fin 2024, est celle du mode opératoire. On y décrit ce que l'agent doit faire, dans quel ordre, en posant les conditions de passage d'une étape à la suivante. D'abord, analyse l'historique. Ensuite, identifie les trois variables critiques. Puis, croise avec le contexte sectoriel. Enfin, propose trois scénarios. Cette couche produit un autre saut, plus profond que le précédent, parce qu'elle commence à transférer non plus une identité mais un déroulé, c'est-à-dire un fragment de processus.

Et pourtant, le mode opératoire reste insuffisant. Il décrit les étapes, pas les arbitrages. Il ne dit pas, par exemple, à quel signal il faut interrompre l'analyse et changer de cadrage parce que la question initiale était mal posée. Il ne dit pas comment résoudre la tension qui apparaît quand deux contraintes du brief sont en concurrence. Il ne dit rien de l'opération la plus typique du jugement d'expert, qui consiste précisément à savoir quand sortir du plan.

La quatrième couche, que les meilleures équipes ont commencé à expérimenter en 2025 mais qu'on hésite encore à nommer, est celle de la hiérarchie de principes. On y inscrit non plus ce que l'agent fait, mais ce à quoi il accorde la priorité quand deux objectifs entrent en tension. Priorité absolue à la rigueur contractuelle sur l'élégance rhétorique. Priorité à la traçabilité sur la concision. Si deux options se valent sur le fond, retenir celle qui supporte le mieux la contradiction publique. C'est cette quatrième couche, et elle seule, qui produit un agent capable de juger.

Ces quatre couches ne s'empilent pas linéairement. La quatrième présuppose les trois précédentes, mais elle exige aussi quelque chose qu'aucune des autres ne demandait. Une expertise tacite préalablement formalisée par son détenteur.

Du CV au mode opératoire

Le glissement de la deuxième à la troisième couche se mesure dans le cas concret du bid management. Un bid manager senior interrogé sur sa méthode, en 2024, énumère ce qu'il connaît. La structure type d'un appel d'offres public. Les ratios usuels de scoring. Les pièges classiques d'un CCTP mal lu. Son CV se laisse rédiger en quelques pages, et un agent ainsi instruit produit, sur un dossier simple, une première réponse acceptable.

Le même bid manager, interrogé en 2025, perçoit que son CV ne suffit pas. Il commence à décrire un déroulé. D'abord, je lis le règlement de consultation pour identifier les critères et leur pondération. Ensuite, je lis le CCTP en cherchant les exigences cachées dans la prose. Puis je croise avec ce que je connais du client pour deviner ce que le scoring publié ne dit pas. Ce mode opératoire, bien plus riche que le CV, permet à l'agent de structurer son travail, de ne plus produire des réponses qui ressemblent à du copier-coller de marketing.

Mais le mode opératoire montre vite ses propres limites. Sur un dossier complexe, l'agent ainsi instruit déroule consciencieusement les étapes et produit, à la fin, un livrable qui passe à côté de l'essentiel. Pourquoi. Parce qu'il a manqué le signal faible que le bid manager senior aurait capté à la troisième page, qui aurait conduit ce dernier à abandonner le plan initial et à reconstruire le cadrage. L'agent suit le plan. L'expert humain, lui, sait quand sortir du plan. Et ce quand ne se range nulle part dans un mode opératoire.

Cette limite se voit particulièrement dans ce qu'on appellera ici le mode pilotage. Pour les bid managers qui interviennent en cours de mission, après qu'un agent IA a déjà produit une première version sur laquelle il faut maintenant trancher, le mode opératoire de l'agent ne suffit jamais. Il faut, à chaque arbitrage, expliciter sur quel principe on tranche, parce que l'agent ne peut pas hériter de cette intuition.

La hiérarchie de principes

C'est ici que la quatrième couche, celle de la hiérarchie de principes, commence à produire un effet qualitativement différent. Plutôt que de prescrire à l'agent ce qu'il doit faire, on lui transmet ce sur quoi il doit arbitrer quand deux directions concurrentes se présentent. Quand le CCTP est ambigu sur un point critique, ne jamais combler par une interprétation favorable, formuler l'ambiguïté comme une hypothèse explicite. Quand le brief commercial entre en tension avec l'exigence contractuelle, la contractuelle prime, sauf alignement explicite du sponsor sur l'écart.

Ces formulations, qui ressemblent à de la doctrine plus qu'à de l'instruction, demandent à celui qui les écrit une opération qui n'avait jamais été requise auparavant. Identifier, dans sa propre pratique, les moments où il a tranché, et reconstruire en mots l'arbitrage qu'il a fait. Cette opération est l'opposé de ce qu'on demande dans un CV. Le CV liste ce qu'on sait. La hiérarchie de principes formalise ce qu'on fait sans le dire.

Et c'est là, dans ce passage du savoir au faire-tacite-formulé, que la productivité IA bascule. Les rares équipes qui produisent des résultats spectaculaires avec l'IA en 2026 ne sont pas celles qui ont les meilleurs prompts. Ce sont celles dont les experts ont passé un nombre d'heures considérable, en amont, à formaliser leur propre méthode. Le prompt n'est que la transcription finale d'un travail d'explicitation qui a précédé.

Le paradoxe Polanyi

Cette opération d'explicitation se heurte à une difficulté que la philosophie de la connaissance a identifiée il y a soixante ans. Michael Polanyi, dans son ouvrage de 1966 The Tacit Dimension, défendait la thèse que l'essentiel de ce que sait un expert ne peut pas être formulé. Sa formule restée célèbre, we know more than we can tell, posait que le savoir tacite résiste structurellement à la mise en mots, et que c'est cette résistance qui le constitue. Un expert qui aurait verbalisé l'intégralité de sa méthode aurait cessé d'être expert pour devenir manuel.

Hubert Dreyfus, à la suite de Polanyi, prolongeait la thèse en l'appliquant aux limites de l'intelligence artificielle des années 1980. Ses arguments contre la formalisation algorithmique de l'expertise étaient si forts qu'ils ont longtemps semblé interdire à l'IA tout accès aux métiers de jugement. Les LLM ont rendu ces arguments partiellement obsolètes, mais sur un point seulement. Ils ont montré qu'un système entraîné sur des quantités massives de pratiques peut produire des sorties qui imitent le jugement, sans pour autant avoir formalisé quoi que ce soit. La méthode reste tacite, dans le modèle comme dans l'expert humain.

Le paradoxe se reformule donc. L'IA, pour produire un travail de qualité d'expert sur une mission donnée, doit hériter d'une méthode qui n'a jamais été écrite. L'éditeur a entraîné le modèle sur du tacite. L'utilisateur, lui, doit explicitement transmettre ce qui, dans sa propre pratique, distingue son métier d'une moyenne sectorielle. Et cette opération de transmission exige précisément ce que Polanyi tenait pour impossible : la formalisation du tacite.

Là où Polanyi avait raison, et là où il avait tort. Il avait raison sur le fait que le savoir tacite résiste à la formalisation complète. Aucun expert ne peut écrire l'intégralité de sa méthode sans en perdre quelque chose. Mais il avait sous-estimé un fait empirique. La formalisation partielle, même imparfaite, suffit à transformer la production d'un agent. Il n'est pas nécessaire de tout dire. Il faut dire ce qui n'a jamais été dit, et ce que l'agent ne pouvait pas déduire seul de son entraînement.

Cet effort de formalisation partielle est ce qui sépare, en 2026, les organisations qui tirent un rendement réel de l'IA et celles qui ont plafonné. Les premières ont accepté de payer le coût d'un travail nouveau, lourd, ingrat. Les secondes ont cru qu'une formation au prompt engineering pouvait s'en dispenser.

Ce que TenderGraph appelle la couche méthode

Cette analyse, conduite sur l'observation des dix-huit derniers mois, a structuré la conception de TenderGraph TITAN. Nous avons fait le choix, dès la première version livrée en 2025, de ne pas demander à l'utilisateur d'écrire sa hiérarchie de principes lui-même. Le pari était simple. Si la formalisation du tacite est ce qui freine l'adoption, alors il faut livrer la méthode déjà formalisée, et laisser à l'utilisateur la seule responsabilité de fournir la matière du dossier.

Cette méthode pré-conçue, que nous appelons en interne la couche méthode, encode treize phases d'analyse d'appel d'offres, une hiérarchie de principes qui tranche sur les arbitrages typiques du métier, et des règles dures de divergence quand le dossier présente une configuration atypique. Elle a été écrite avec des bid managers seniors qui ont accepté, sur des mois, de revenir sur leurs propres décisions pour en extraire les règles silencieuses.

L'utilisateur, ainsi, n'a plus à apprendre le prompt engineering. Il n'a pas à formaliser son métier. Il fournit le DCE, suit le déroulé, et tranche aux moments où la méthode lui rend la main. Ce choix architectural, qui paraît évident une fois formulé, contredit la doctrine dominante des éditeurs IA en 2025, qui consiste à livrer un agent généraliste et à demander à l'utilisateur de produire sa propre méthode par prompt.

Nous tenons que ce dernier modèle ne peut pas fonctionner à grande échelle, parce qu'il sous-estime ce que Polanyi avait pointé. La grande majorité des praticiens ne sont pas capables, et n'ont pas vocation à devenir capables, d'expliciter leur propre méthode. Demander cela, c'est demander à des médecins de devenir épistémologues, à des avocats de devenir grammairiens du droit, à des bid managers de devenir doctrinaires des marchés publics. C'est possible en théorie. C'est rare en pratique. C'est massivement coûteux dans les organisations.

La bonne question au mauvais moment

Revenons à l'audit du cabinet de conseil avec lequel cet article s'est ouvert. Pourquoi la formation prompt engineering, livrée à trente consultants pendant dix-huit mois, n'a-t-elle rien produit de mesurable. Trois lectures du rapport ont cherché un biais méthodologique. Aucune n'en a trouvé. La quatrième lecture, celle que personne n'a osé conduire, aurait été la bonne.

La formation prompt engineering a appris aux consultants à formuler. Elle ne pouvait pas, structurellement, leur apprendre à expliciter leur propre méthode. Cette opération-là demande un travail d'introspection professionnelle, suivi d'une mise en mots laborieuse, qui ne se fait pas en deux jours de formation interentreprises. Elle se fait sur plusieurs semaines, avec un accompagnement, en revenant sur des dossiers réels pour reconstruire les arbitrages opérés. Aucun catalogue de formation 2024 ou 2025 ne propose un tel format. Et pour cause. Ce n'est pas du prompt engineering.

Les directions qui ont cru acheter de la productivité IA en achetant de la formation prompt engineering ont posé la bonne question au mauvais moment. Elles auraient dû commencer par se demander si la méthode de leurs experts était formalisée, et donc transmissible à un agent. Comme la réponse est presque toujours non, l'investissement suivant aurait dû porter sur l'explicitation, pas sur la formulation. C'est rétrospectivement évident. Cela ne l'était pas en 2024.

La leçon n'est pas seulement budgétaire. Elle est doctrinale. Le prompt engineering, comme discipline, repose sur le présupposé que la qualité de la sortie IA dépend de la qualité de la formulation. Ce présupposé était vrai sur les couches 1 et 2. Il est faux sur les couches 3 et 4. Et c'est sur ces dernières couches que se loge, désormais, la productivité réelle.

Coda — ce que formaliser fait à l'expert

Une dernière observation, peut-être la plus intéressante, mérite d'être posée. Les experts qui ont accepté, par contrainte ou par curiosité, de formaliser leur propre méthode pour pouvoir la transmettre à un agent en sortent transformés, et cette transformation n'avait pas été anticipée.

L'opération d'explicitation, en effet, oblige à revisiter des arbitrages que l'on opérait sans y penser. À nommer les exceptions qu'on faisait à ses propres règles. À identifier les biais que la pratique avait sédimentés. Plusieurs bid managers seniors avec lesquels nous avons travaillé ont dit, après l'exercice, qu'ils étaient devenus meilleurs sur leur propre métier en ayant essayé de l'enseigner à une machine. Ils avaient découvert, en se forçant à formaliser, des inflexions de leur pratique qu'ils n'auraient pas vues autrement.

C'est, peut-être, le bénéfice principal de cette décennie qui s'ouvre. L'IA force ce que les organisations n'avaient jamais réussi à faire spontanément, l'explicitation systématique du savoir tacite des seniors. Elle le force non pas par pédagogie ni par culture du knowledge management, mais par une nécessité opérationnelle simple. Sans cette explicitation, l'agent ne produit rien d'utile. Et là où la pédagogie a échoué pendant trente ans, la contrainte technique réussit.

Le prompt ne tient pas lieu de méthode. Il en est seulement l'écriture finale. La méthode, elle, vit dans la tête des experts qui n'ont jamais eu l'occasion ni le besoin de l'écrire. Le travail qui s'ouvre n'est pas de mieux formuler. Il est de redécouvrir ce qu'on faisait, sans le savoir, depuis des années.

---

Bibliographie

Sur le savoir tacite et ses limites

• Michael Polanyi, The Tacit Dimension, 1966.
• Michael Polanyi, Personal Knowledge, 1958.

Sur la critique philosophique de l'IA classique

• Hubert L. Dreyfus, What Computers Still Can't Do, 1992.

Sur les enquêtes ROI prompt engineering 2025-2026

• McKinsey Global Institute, The State of AI in 2025, rapport annuel.
• BCG Henderson Institute, Generative AI in the Enterprise: Beyond the Hype, 2025.

Sur la formalisation de l'expertise dans les métiers de jugement

• Donald Schön, The Reflective Practitioner, 1983.
• Richard Sennett, The Craftsman, 2008.