Mis à jour le 20 octobre 2026. Les principes de la méthode sont rapprochés des recommandations officielles d’OpenAI et d’Anthropic, citées en fin d’article. Cet article ne contient aucun lien d’affiliation.
Votre IA répond à côté ? Le plus souvent, ce n’est pas le modèle qui est en cause, mais la demande : elle ne dit rien de votre situation. La méthode CARE (Context, Action, Result, Example, soit Contexte, Action, Résultat, Exemple) structure votre prompt en quatre blocs pour obtenir une réponse utilisable du premier coup. Voici la méthode, un exemple complet avant et après, un modèle à copier et la comparaison avec la méthode PREP.
L’essentiel en 5 points
- CARE = 4 blocs : le Contexte (la situation), l’Action (le verbe exact), le Résultat (le livrable attendu), l’Exemple (un modèle à suivre ou à éviter).
- Sa force, c’est le contexte : l’IA ne connaît ni votre projet, ni votre public, ni vos contraintes, tant que vous ne les lui donnez pas.
- Elle rejoint les guides officiels : OpenAI comme Anthropic recommandent de préciser le contexte, le résultat attendu et de fournir des exemples.
- Différence avec PREP : PREP part de la posture (le Persona), CARE part de la situation (le Contexte). Les deux se combinent.
- Sa limite : un contexte trop long ou mal trié dégrade la réponse au lieu de l’améliorer.
Le principe
Pourquoi le contexte change tout
Un modèle de langage ne devine pas votre situation. « Écris une page produit » ne dit rien de votre secteur, de votre cible, de votre ton ni de ce qui a déjà échoué. Faute d’informations, l’IA produit une réponse moyenne : correcte pour tout le monde, adaptée à personne. Comprendre pourquoi, c’est l’objet du module sur la fenêtre de contexte de notre cours d’initiation.
Anthropic résume l’enjeu par une image : il faut traiter l’assistant comme un collaborateur brillant mais tout juste arrivé, qui ne connaît ni vos habitudes ni vos méthodes de travail. CARE consiste à lui faire ce briefing, dans un ordre fixe.
- CContexteQui vous êtes, le projet, le public, les contraintes, ce qui a déjà été essayé.
- AActionLe verbe précis : rédige, synthétise, compare, traduis, critique.
- RRésultatLe livrable : format, longueur, structure, ton.
- EExempleUn modèle à imiter, ou un contre-exemple à éviter.
La méthode
Les quatre blocs, un par un
Contexte : posez la situation
Tout ce que l’IA doit savoir pour ne pas improviser.
Qui vous êtes, votre projet, votre public, vos contraintes, et ce qui a déjà été tenté. Le guide d’Anthropic recommande aussi d’expliquer pourquoi une consigne compte : le modèle s’en sert pour mieux viser.
Écris une page produit.
Je dirige une boutique en ligne de céramique artisanale fabriquée en Ardèche. Cible : citadins de 30 à 50 ans sensibles au fait-main et à la traçabilité. Notre page actuelle décrit les produits mais convertit peu.
Combien ? Trois à six lignes utiles. Sélectionnez ce qui est décisif plutôt que de tout verser.
Action : le verbe exact
Une demande, une action principale.
Rédiger, synthétiser, comparer, traduire, restructurer, critiquer : choisissez un verbe précis. Si vous empilez plusieurs actions, l’IA risque d’en négliger une ; mieux vaut les enchaîner en plusieurs demandes.
Voici notre nouvelle collection, dis-moi ce que tu en penses et fais un texte.
Rédige la page produit de la collection « Terres brutes » (12 pièces), en mettant en avant le processus de fabrication.
Résultat : le livrable attendu
Votre cahier des charges.
Format, longueur, structure, ton, support. OpenAI recommande d’être « spécifique, descriptif et aussi détaillé que possible » sur le résultat, la longueur, le format et le style, et de remplacer les consignes vagues (« pas trop long ») par des consignes mesurables.
Fais ça bien et pas trop long.
300 mots. Structure : accroche, histoire de la pièce, caractéristiques en 5 puces, appel à la commande. Ton chaleureux, sans superlatifs.
Exemple : montrez plutôt que décrire
Le bloc le plus efficace pour régler le ton et la forme.
Un modèle à imiter vaut mieux que dix adjectifs. C’est le principe du few-shot prompting : selon Anthropic, les exemples sont « l’un des moyens les plus fiables » d’orienter le format, le ton et la structure d’une réponse. Le guide en conseille trois à cinq, proches de votre cas réel et assez variés.
Écris dans notre ton de marque.
Voici une page produit qui fonctionne bien chez nous : [coller]. Suis sa structure et son ton. Évite le style de cette publicité, trop commercial pour notre marque : [coller].
Attention : l’IA imite fidèlement, y compris les défauts. Choisissez vos exemples avec soin.
Cas pratique
Exemple complet : avant et après CARE
Vous êtes responsable de la communication d’un organisme de formation et vous lancez une nouvelle session.
Résultat probable : un e-mail générique, interchangeable avec celui de n’importe quel organisme, à réécrire entièrement.
Résultat attendu : un e-mail ancré dans votre situation et cohérent avec ce qui a déjà fonctionné, à relire avant envoi. Les chiffres de l’exemple sont fictifs.
À copier
Le modèle CARE
Vous utilisez souvent le même modèle ? Enregistrez-le une fois pour toutes dans un Skill ou un Gem.
Comparaison
CARE ou PREP : laquelle choisir ?
| Méthode PREP | Méthode CARE | |
|---|---|---|
| Les blocs | Persona, Résultat, Exemple, Paramètres | Contexte, Action, Résultat, Exemple |
| Point de départ | La posture (qui parle, avec quel registre) | La situation (projet, public, historique) |
| Point fort | Des contraintes explicites | La richesse du contexte |
| Idéale pour | Écrits courants : courriels, fiches, courriers | Projets, marketing, analyses avec un historique |
| En commun | Un résultat défini et un exemple concret | |
Le conseil : ne choisissez pas, combinez. Placez le persona de PREP en première ligne du contexte de CARE (« Tu es directeur artistique d’une marque de céramique… »), puis ajoutez l’action, le résultat, les paramètres et l’exemple. Anthropic note qu’une seule phrase de rôle suffit déjà à orienter le comportement et le ton. Les méthodes sont des aide-mémoire, pas des dogmes. Voir la méthode PREP.
Limites
Ce que CARE ne fait pas
Un contexte mal trié dégrade la réponse
Quelques lignes utiles valent mieux que deux paragraphes de détails hors sujet.
Un mauvais exemple est fidèlement imité
Choisissez vos références comme vous choisiriez un modèle de document.
Il faut toujours relire
CARE améliore le premier jet ; il ne supprime ni la relecture ni la vérification des faits.
Attention aux données
Un contexte riche peut contenir des informations confidentielles : ne les saisissez pas dans un outil dont vous ne connaissez pas les conditions.
Ce que disent les éditeurs
Les principes de CARE dans les guides officiels
CARE n’est pas une norme officielle, mais un moyen mnémotechnique. Ses quatre blocs reprennent des recommandations que les éditeurs d’IA publient eux-mêmes.
- Anthropic · Contexte
« Considérez Claude comme un collaborateur brillant mais nouveau, à qui manque le contexte de vos normes et de vos méthodes. »
Prompting best practices, Claude Docs - OpenAI · Résultat
« Soyez spécifique, descriptif et aussi détaillé que possible sur le contexte, le résultat, la longueur, le format et le style attendus. »
Best practices for prompt engineering, OpenAI Help Center - Anthropic · Exemple
« Les exemples sont l’un des moyens les plus fiables d’orienter le format, le ton et la structure. »
Prompting best practices, Claude Docs - OpenAI · Exemple
« Montrez, et dites : les modèles répondent mieux quand on leur montre le format attendu. »
Best practices for prompt engineering, OpenAI Help Center
Citations traduites de l’anglais par Decryptia.
Questions fréquentes
Vos questions sur la méthode CARE
Que signifie CARE ?
Context, Action, Result, Example : Contexte, Action, Résultat, Exemple. Ce sont les quatre blocs d’un prompt structuré : la situation, le verbe de la demande, le livrable attendu et un modèle à suivre.
Quelle différence entre CARE et PREP ?
PREP commence par le Persona (le rôle donné à l’IA) et se termine par des Paramètres (les contraintes). CARE commence par le Contexte et intègre les contraintes dans le Résultat. PREP convient aux écrits courants, CARE aux projets où l’historique compte. Les deux partagent le Résultat et l’Exemple.
Combien de contexte faut-il donner ?
Trois à six lignes ciblées suffisent le plus souvent : qui vous êtes, qui est le public, quel est l’enjeu, quelles contraintes comptent, et pourquoi. Au-delà, triez.
CARE fonctionne-t-il avec tous les assistants ?
Oui : c’est une façon de structurer une demande, pas une fonction propre à un outil. Elle s’applique à ChatGPT, Claude, Gemini, Mistral Vibe ou Copilot, et reprend des principes recommandés par OpenAI et Anthropic.
Existe-t-il d’autres sens à CARE ?
Oui. Une variante circule (Clear, Actionable, Relevant, Explicit) : ce sont des critères de qualité d’un prompt, pas une structure de rédaction. La version utilisée ici est Context, Action, Result, Example.
Sources
- Anthropic, « Prompting best practices », Claude Docs
- OpenAI, « Best practices for prompt engineering with the OpenAI API », Help Center
Pour aller plus loin : la méthode PREP, le cours gratuit ChatGPT et le parcours de formation gratuit.
Passer à la pratique
Le niveau 2 du parcours : formuler ses demandes avec PREP et CARE, puis s’exercer.
