1. Introduction : pourquoi le prompting est-il devenu une compétence de base ?
Il y a quelques années encore, l'usage de l'IA sonnait pour beaucoup comme une affaire d'initiés du numérique. C'est aujourd'hui un outil du quotidien : il rédige des brouillons, analyse des données, fait rebondir des idées, aide sur le code, résume des documents et joue parfois même les psychologues de comptoir, les coachs sportifs ou la paire de bras supplémentaire de l'équipe marketing.
Une chose est vite devenue claire : on tire rarement le meilleur de l'IA en lui posant une question vague.
C'est ici qu'entre en scène le prompt engineering, c'est-à-dire l'art de formuler les instructions données à l'IA pour que ses réponses soient aussi précises, utiles et adaptées à la situation que possible.
Bien prompter n'est pas seulement une astuce technique. C'est un art de penser. Cela oblige l'utilisateur à clarifier ce qu'il veut vraiment : à qui la réponse s'adresse, sous quelle forme elle est attendue, avec quelles contraintes, et à quelle décision ou à quelle action elle doit servir.
C'est pourquoi on parle du prompt engineering comme d'une compétence de base pour l'avenir. Cela ressemble à la lecture et à l'écriture à l'ère numérique : tout le monde n'a pas besoin d'être virtuose, mais chacun gagne à en comprendre la logique de base.
OpenAI souligne dans ses guides que les bons prompts sont clairs, précis et donnent au modèle un contexte suffisant. Il est notamment recommandé de placer les consignes importantes au début, de séparer les consignes du matériel de référence et de définir le format de réponse souhaité.[1]
2. Que veut dire au juste « prompt engineering » ?
En termes simples, le prompt engineering désigne la conception de l'entrée fournie à l'IA. Un prompt peut être :
- une question
- un énoncé de tâche
- l'attribution d'un rôle
- des documents de référence
- un exemple du style souhaité
- un document à analyser
- une image, un son ou un fichier
- une consigne sur ce qu'il ne faut pas faire
Google Cloud définit le prompt comme une requête en langage naturel adressée à un modèle pour obtenir une réponse. Un prompt peut contenir des questions, des instructions, du contexte, des exemples et des entrées partielles que le modèle complète.[2]
Le prompt engineering ne consiste donc pas seulement à « poser une meilleure question ». Il s'agit plutôt de formuler une tâche de manière compréhensible pour l'IA.
Si, dans le travail classique, un bon brief change tout, avec l'IA le bon prompt en est le cousin numérique. Il dit ce que l'on fait, pourquoi, pour qui et selon quels critères de qualité.
Un mauvais prompt dit :
« Améliore ça. »
Un bon prompt dit :
« Agis comme un expert du marketing B2B. Retravaille la publication LinkedIn ci-dessous pour la rendre plus claire et plus pointue. La cible : des dirigeants d'entreprises finlandaises en croissance. Conserve la voix propre de l'auteur, mais rends l'accroche plus captivante. Propose enfin trois titres alternatifs. »
La différence n'est pas cosmétique. Elle est décisive.
3. L’anatomie d’un prompt : rôle, contexte, tâche et format
Un bon prompt se compose souvent de quatre éléments de base :
- Rôle — qui l'IA doit-elle être ?
- Contexte — dans quelle situation la tâche est-elle réalisée ?
- Tâche — que doit produire ou résoudre l'IA ?
- Format — sous quelle forme la réponse est-elle attendue ?
Un exemple concret :
« Agis comme un expert en marketing. Notre entreprise vend des vêtements de travail responsables à des entreprises du bâtiment. Rédige trois publications LinkedIn destinées à susciter la discussion sur la sécurité au travail et la responsabilité. Écris de façon concise, évite le ton publicitaire et donne à chaque publication un angle qui lui est propre. »
Dans ce prompt, l'IA reçoit :
- le rôle : expert en marketing
- le contexte : des vêtements de travail responsables pour le bâtiment
- la tâche : trois publications LinkedIn
- l'objectif : susciter la discussion
- la consigne de style : concis, sans ton publicitaire
- l'exigence structurelle : un angle propre à chaque publication
Le point de départ n'a plus rien à voir avec « fais des posts pour les réseaux sociaux ».
Selon les guides de prompt design de Google Cloud, l'efficacité d'un prompt dépend à la fois du contenu et de la structure : le modèle doit recevoir les informations essentielles à la tâche, mais l'ordre des informations, les titres et les séparateurs l'aident à mieux interpréter la demande.[3]
4. Pourquoi un bon prompt fonctionne-t-il ?
Un modèle d'IA ne « comprend » pas le monde comme un humain. Il prédit et produit des réponses à partir de ses données d'entraînement, de ce que vous saisissez et du contexte de la conversation.
Un prompt fonctionne donc comme une carte. Plus la carte est précise, plus vous avez de chances d'arriver au bon endroit.
Un bon prompt aide le modèle de quatre façons :
1. Il délimite la tâche
L'IA n'a plus à deviner si vous attendez une analyse, une liste, un e-mail, un tableau ou des idées.
2. Il donne le contexte
Sans contexte, le modèle produit un texte passe-partout. Avec du contexte, il peut répondre précisément à votre situation.
3. Il fixe les critères de qualité
« Bien » peut signifier bien des choses : court, approfondi, vendeur, neutre, technique, accessible ou critique.
4. Il réduit les malentendus
Moins le modèle a besoin de deviner, moins il produit de réponses à côté du sujet.
C'est là le cœur du prompt engineering : l'IA ne remplace pas la réflexion, elle récompense une pensée claire.
5. Le prompting, nouvelle compétence de base au travail
On présente souvent le prompting comme une compétence technique, alors que c'est tout autant une compétence de communication. Il réunit :
- la rédaction
- la définition du problème
- l'esprit critique
- l'apport de contexte
- l'apport de feedback
- l'itération, c'est-à-dire l'amélioration par étapes
En ce sens, le prompt engineering ressemble à un bon management ou à un bon brief. Si vous confiez une mission floue à une personne, vous obtiendrez probablement un résultat flou. C'est pareil avec l'IA.
Dans le monde des startups, c'est particulièrement intéressant. Les petites équipes ont peu de temps, et chaque outil doit faire gagner en vitesse. Bien prompter peut aider une équipe à tester des idées, à ébaucher des supports de vente, à analyser les retours clients et à challenger ses choix stratégiques.
Mais cela peut aussi créer une illusion d'efficacité. Quand l'IA produit beaucoup de texte très vite, on a facilement le sentiment que le travail avance. La vraie question reste pourtant : cela produit-il de meilleures décisions ?
Cela rappelle la logique de management des entreprises en croissance. Dans les discussions du podcast Startup-ministeriö, on souligne souvent qu'un outil, un processus ou un modèle de fonctionnement n'a pas de valeur en soi — l'essentiel est de savoir s'il produit le résultat visé. Dans un épisode consacré au management des scale-ups, Anssi Rusi insiste par exemple sur le système de management comme un tout, où les personnes, les processus et les outils servent le résultat recherché.
Cela vaut aussi pour le prompt engineering. Un prompt n'est pas bon parce qu'il a fière allure. Il est bon s'il aide à mieux travailler.
6. La formule de base d’un bon prompt
Un bon prompt se construit avec cette formule simple :
1. Précisez le rôle
« Agis comme un directeur commercial B2B expérimenté… »
Le rôle aide le modèle à choisir l'angle, le vocabulaire et les priorités.
2. Donnez le contexte
« Notre entreprise vend une solution SaaS à des entreprises industrielles de taille intermédiaire en Finlande. »
Le SaaS désigne un logiciel utilisé en mode cloud contre un abonnement. Le contexte aide le modèle à comprendre de quel type d'activité il s'agit.
3. Définissez la tâche
« Prépare la trame d'un appel de prospection. »
La tâche doit être concrète.
4. Indiquez l’objectif
« L'objectif est d'amener le client à réserver une démo de 30 minutes. »
L'objectif aide le modèle à hiérarchiser.
5. Définissez le format de la réponse
« Donne la réponse sous forme de tableau : étape, objectif, phrase d'exemple, risque à prendre en compte. »
Un format défini fait gagner du temps et rend la réponse plus exploitable.
6. Ajoutez les contraintes
« Évite le discours commercial agressif. Garde un ton expert qui inspire confiance. »
Les contraintes sont souvent ce qui distingue une réponse utilisable d'une réponse médiocre.
7. Des méthodes de prompting concrètes
7.1 Le prompting par le rôle
Le prompting par rôle consiste à demander à l'IA d'endosser un rôle d'expert précis.
Exemple :
« Agis comme un recruteur expérimenté et évalue cette offre d'emploi du point de vue du candidat. »
Cela fonctionne bien quand vous voulez un angle professionnel précis. Mais le prompt de rôle comporte aussi un risque : le rôle peut créer un excès d'assurance. « Agis comme un juriste » ne fait pas de l'IA un juriste. Cela peut aider à structurer les questions, mais tout ce qui a une portée juridique doit être vérifié par un professionnel.
7.2 Le prompting par le contexte
Le prompting contextuel consiste à donner au modèle suffisamment d'éléments de contexte.
Exemple :
« Nous sommes une startup finlandaise de 12 personnes qui vend un logiciel RH aux PME. Nous avons 80 clients, mais le churn, c'est-à-dire l'attrition, a augmenté au dernier trimestre. Dresse la liste des causes possibles et propose les données que nous devrions examiner en premier. »
Ici, le prompt ne demande pas une analyse générale. Il pose la situation.
7.3 Donner des exemples
L'IA fonctionne souvent mieux quand on lui montre un exemple du résultat attendu.
Exemple :
« Rédige trois titres dans le même style que celui-ci : ‘Pourquoi les meilleures startups ne recrutent-elles jamais dans l'urgence ?’ »
Cela s'appelle souvent le few-shot prompting : on donne au modèle quelques exemples, à partir desquels il poursuit le même schéma.
7.4 Itération
La première réponse n'est pas le résultat final. C'est un brouillon. Quand on prompte bien, on poursuit :
- « Rends ça plus concis. »
- « Ajoute un point de vue plus critique. »
- « Réécris ceci avec moins de jargon de consultant. »
- « Propose trois structures alternatives. »
- « Qu'est-ce qui manque ici ? »
Travailler avec l'IA tient souvent plus de l'édition que de la commande.
7.5 Demander une évaluation de la réponse
Une méthode efficace consiste à demander à l'IA d'évaluer son propre résultat.
Exemple :
« Évalue la réponse précédente d'un œil critique. Quels passages sont trop généraux ? Que faudrait-il préciser pour qu'elle soit utilisable par un dirigeant ? »
Cela aide à repérer les points faibles.
7.6 Poser des limites
Si vous voulez éviter certaines choses, dites-le.
Exemple :
« N'emploie pas de superlatifs, n'invente pas de statistiques et ne cite pas de sources si aucune ne t'a été fournie. »
C'est particulièrement important dans les contenus d'expertise, où la crédibilité peut s'effriter très vite.
8. Exemples : un mauvais prompt, un meilleur prompt, un excellent prompt
Exemple 1 : Marketing
Mauvais prompt :
« Rédige une publication sur l'IA pour les réseaux sociaux. »
Le résultat sera probablement vague, générique et assez insipide.
Un meilleur prompt :
« Rédige une publication LinkedIn expliquant pourquoi les PME ont intérêt à apprendre à utiliser l'IA dans leur travail quotidien. »
C'est déjà plus clair.
Excellent prompt :
« Agis comme un expert du marketing B2B finlandais. Rédige une publication LinkedIn à destination des dirigeants de PME expliquant pourquoi le bénéfice de l'IA ne vient pas de l'outil seul, mais d'un bon prompt. Commence par un exemple concret du quotidien. Garde un ton expert, mais accessible. Longueur : 1 200 caractères. Termine par une question qui suscite la discussion. »
Ce prompt contient un rôle, une cible, un angle, un style, une longueur et une structure.
Exemple 2 : Stratégie
Mauvais prompt :
« Comment faire grandir l'entreprise ? »
Un meilleur prompt :
« Donne une stratégie de croissance pour une entreprise SaaS de 20 personnes. »
Excellent prompt :
« Agis comme un conseiller spécialisé dans la stratégie de croissance des scale-ups. Notre entreprise est une société SaaS de 20 personnes dont l'ARR, c'est-à-dire le revenu récurrent annuel, atteint 1,8 million d'euros. Nos clients sont des PME finlandaises. La croissance a ralenti, mais la fidélité des clients est bonne. Élabore trois trajectoires de croissance possibles pour les 18 prochains mois : 1) passer à l'échelle sur le marché finlandais, 2) se développer en Suède, 3) élargir l'offre produit auprès des clients actuels. Pour chacune, évalue les bénéfices, les risques, les ressources nécessaires et les actions des 90 premiers jours. »
Ici, l'IA n'a pas à deviner la situation de l'entreprise. Elle reçoit les variables essentielles à l'analyse.
Exemple 3 : Production de contenu
Mauvais prompt :
« Rédige un article sur le prompt engineering. »
Un meilleur prompt :
« Rédige un article sur le prompt engineering pour des experts finlandais. »
Excellent prompt :
« Rédige un article de 1 500 mots sur le prompt engineering, destiné aux experts et aux entrepreneurs finlandais. Explique le terme en langage courant, appuie-toi sur des exemples concrets du monde du travail et évoque aussi les risques. Structure le texte avec des intertitres. Ton : moderne, clair, expert mais pas académique. Termine par cinq enseignements pratiques. »
On tient déjà là un brief publiable.
9. Le prompt engineering en entreprise et en start-up
En entreprise, la valeur du prompt engineering se manifeste à trois niveaux :
- Productivité individuelle
- La qualité collective de l'équipe
- Apprentissage de l'organisation
Niveau individuel
Un collaborateur peut par exemple utiliser l'IA pour :
- rédiger des brouillons d'e-mails
- résumer des rapports
- roder ses argumentaires de vente
- analyser les retours clients
- trouver des idées
- retravailler des textes
- Pour expliquer des formules Excel ou du code
C'est souvent la première étape. Les gens essaient l'IA dans leur propre travail et y trouvent de petits gains.
Niveau de l'équipe
L'étape suivante est plus intéressante : l'équipe se met à partager de bons modèles de prompts.
Une équipe commerciale peut par exemple partager un même prompt pour préparer ses rendez-vous clients :
« Analyse cette entreprise cliente à partir de son site web et des notes du CRM. Prépare pour le rendez-vous trois points de friction possibles, cinq questions et une proposition d'accroche pour lancer la conversation. »
L'équipe marketing peut disposer d'un prompt pour évaluer les idées de campagne. L'équipe produit, d'un prompt pour classer les retours utilisateurs.
Niveau de l'organisation
La troisième étape, c'est que le prompting devient partie intégrante des processus. L'entreprise ne se demande alors plus seulement : « Comment nos collaborateurs utilisent-ils ChatGPT ? »
Elle pose la question :
- Dans quelles étapes de travail l'IA améliore-t-elle réellement la qualité ?
- Quelles informations peut-on transmettre au modèle ?
- Quelles informations ne doivent pas être transmises ?
- Comment les réponses sont-elles vérifiées ?
- Qui répond du résultat final ?
- Quels prompts font office de standards communs ?
- Comment mesure-t-on la réussite ?
C'est un grand changement. L'IA cesse d'être un assistant isolé pour devenir une partie de la structure du travail.
Dans le monde des startups, cela peut être un avantage concurrentiel. Une petite équipe peut faire davantage si elle sait utiliser l'IA intelligemment. Mais comme partout dans la direction d'une startup, copier ne suffit pas. Dans l'épisode de Startup-ministeriö consacré à Supercell, Ilkka Paananen met en garde contre la copie aveugle des modèles : ce qui marche dans une entreprise ne marche pas forcément dans une autre.
Il en va de même pour les prompts. Le « prompt parfait » d'une autre entreprise peut être mauvais dans votre contexte si l'objectif, les clients, les données et les façons de faire diffèrent.
10. Les risques : hallucinations, fausse certitude et dilution des responsabilités
Le plus grand danger du prompt engineering, c'est qu'un bon prompt peut rendre convaincante même une mauvaise réponse.
L'IA peut :
- inventer des sources
- mélanger les faits
- donner des recommandations trop assurées
- passer l'incertitude sous silence
- produire un texte crédible mais erroné
- conforter l'utilisateur dans ses propres présupposés
Cela s'appelle souvent une hallucination : le modèle produit des affirmations qui sonnent vrai mais qui sont fausses.
Dans l'article d'Elina Lappalainen pour HS Vision, l'IA apparaît comme une assistante du quotidien intéressante, mais aussi comme une conseillère peu fiable. Elle identifie correctement une partie des plantes du jardin, mais invente pour une mauvaise herbe un nom qui n'existe pas, « karhunkynsi », avant d'admettre l'avoir sorti de son chapeau. L'enseignement essentiel de ce texte : l'IA peut être utile et amusante, mais l'utilisateur doit être capable de remettre en question ses réponses, en particulier lorsqu'il s'agit de santé, de sécurité ou d'autres sujets importants.
C'est une leçon essentielle pour le prompt engineering : un bon prompt ne dispense pas de l'esprit critique face aux sources.
Il peut même l'accroître, car un meilleur prompt produit souvent une réponse qui sonne mieux. L'utilisateur doit alors se demander plus que jamais :
- Sur quoi cela repose-t-il ?
- Y a-t-il des sources ?
- L'affirmation peut-elle être obsolète ?
- Ce conseil est-il sûr ?
- Manque-t-il un point de vue ?
- La réponse est-elle trop assurée ?
Il faut être particulièrement prudent lorsque le sujet touche :
- la santé
- le droit
- les décisions financières
- les données à caractère personnel
- la sécurité
- l'équité du recrutement
- les placements
- les démarches administratives
L'IA peut aider à se préparer, à structurer et à poser de meilleures questions. Elle n'est pas pour autant l'autorité finale.
11. Du prompt engineering au context engineering
À côté du prompt engineering, un nouveau terme s'est imposé : le context engineering.
Cela signifie que l'attention se déplace du prompt isolé vers une question plus large : quelles informations donne-t-on à l'IA, dans quel ordre, sous quelle forme et avec quelles limites ?
Dans les guides de Google Cloud sur les systèmes d'IA agentiques, le context engineering est décrit comme un processus de gestion de l'information dans lequel chaque agent reçoit exactement le contexte utile à sa tâche. Ce contexte peut comprendre de la documentation, les préférences de l'utilisateur, des liens, l'historique de la conversation et des contraintes fonctionnelles.[4]
C'est un grand changement.
Un prompt isolé, c'est une bonne question. Le context engineering, c'est aménager tout un bureau : les bons documents, les bonnes consignes, les bonnes limites et le bon objectif sont à la disposition du modèle au bon moment.
Pour les entreprises, cela signifie par exemple :
- l'intégration des consignes internes aux outils d'IA
- l'exploitation sécurisée des données clients
- la recherche de documents pour épauler l'IA
- l'automatisation des workflows
- l'évaluation des réponses du modèle
- la gestion des droits d'accès
- la garantie de la sécurité de l'information et de la qualité
À ce stade, le prompt engineering passe d'une compétence individuelle à une capacité d'organisation.
12. L’avenir : le prompt engineering va-t-il disparaître ou devenir invisible ?
Une question intéressante se pose : le prompt engineering sera-t-il encore utile demain, à mesure que les modèles d'IA s'améliorent ?
La réponse est : oui et non.
Oui, parce que l'humain devra toujours savoir exprimer ce qu'il veut. Plus la tâche est complexe, plus il est important de définir l'objectif, le contexte et les critères de réussite.
Non, car le prompting va probablement devenir moins technique. Les modèles comprennent mieux les consignes incomplètes, savent poser des questions de clarification et exploitent davantage le contexte.
OpenAI Academy décrit le prompting comme une conversation, où l'essai et l'itération sont essentiels. Les recommandations soulignent qu'il n'existe pas une seule bonne manière de rédiger un prompt : mieux vaut voir l'IA comme un collègue à qui l'on confie une tâche claire et que l'on guide au besoin.[5]
La compétence de demain n'est donc peut-être pas « je sais écrire un prompt compliqué ». Ce serait plutôt :
- je sais définir le problème
- je sais fournir un contexte suffisant
- je sais évaluer une réponse d'un œil critique
- je sais poursuivre la conversation
- je sais faire de l'IA le prolongement de ma propre expertise
Le prompt engineering ne va pas disparaître. Il se fond dans une bonne façon de penser, de communiquer et d'organiser le travail.
13. Conclusions : que faut-il en retenir ?
Le prompt engineering est bien plus qu'un terme à la mode. C'est une compétence qui transforme l'IA, de machine à réponses aléatoires en véritable partenaire de travail.
Voici les principaux enseignements :
1. Un bon prompt commence par une pensée claire
Si vous ne savez pas vous-même ce que vous voulez, l'IA en est réduite à deviner.
2. Le rôle, le contexte et le format changent beaucoup de choses
« Écris là-dessus » est une demande faible. Préciser pour qui, pourquoi, sur quel ton et sous quelle forme, c'est déjà un outil.
3. Mieux vaut guider l’IA étape par étape
La première réponse est un brouillon. Le meilleur résultat naît souvent de l'itération.
4. Un prompt ne remplace pas l’expertise
Plus le sujet est important, plus il faut de vérification, d'esprit critique envers les sources et de responsabilité humaine.
5. En entreprise, mieux vaut industrialiser le prompting
De bons prompts, des pratiques partagées et des critères de qualité clairs font gagner du temps et améliorent la qualité du travail.
6. À l’avenir, tout se jouera sur le contexte
Un prompt isolé n'est qu'un début. Le vrai bénéfice apparaît quand l'IA reçoit la bonne information au bon moment, de façon sûre et maîtrisée.
Le prompt engineering est finalement une petite fenêtre sur un changement plus vaste. Dans le monde du travail, savoir utiliser les outils numériques ne suffit plus. Il faut savoir dialoguer avec eux, les guider et évaluer ce qu'ils produisent.
C'est une nouvelle compétence de base — non pas parce que chacun devrait devenir expert en IA, mais parce que, dans presque tous les métiers, la réflexion, l'écriture et la décision seront désormais liées à l'IA d'une manière ou d'une autre.
14. Des modèles de prompts pour le travail au quotidien
14.1 Un prompt d’expert générique
Agis en tant que [rôle].
Contexte : [décrivez la situation, la cible et l'objectif].
Tâche : [décrivez précisément ce que vous voulez].
Format de réponse : [liste, tableau, article, plan, analyse].
Style : [expert, percutant, chaleureux, critique, commercial].
Contraintes : [ce qu'il faut éviter, ce qu'il faut prendre en compte].
Pour finir : [demande une synthèse, les risques, les prochaines étapes ou des alternatives].
14.2 Un prompt pour la création de contenu
Agis en tant que stratège de contenu expérimenté.
Rédigez [type de contenu] sur le thème [sujet].
La cible est [cible].
L'objectif est [objectif].
Commencez par une observation ou un exemple qui accroche.
Utilisez des intertitres clairs et des paragraphes courts.
Le ton est [ton].
Évite [ce qu'il faut éviter].
Termine par trois enseignements concrets.
14.3 Un prompt pour l’analyse stratégique
Agis en tant que conseiller stratégique d'entreprises en croissance.
Analysez la situation suivante : [situation].
Taille de l'entreprise : [taille].
Marché : [marché].
Objectif : [objectif].
Propose trois scénarios d'action alternatifs.
Pour chaque option, évaluez les bénéfices, les risques, les ressources nécessaires, l’horizon de temps et les actions des 30 premiers jours.
Pour finir, indique quelles informations devraient encore être réunies avant la décision.
14.4 Un prompt pour la relecture critique
Évaluez le texte suivant de manière critique.
Repérez les passages trop généraux, flous, sujets à erreur ou qui exigent une source.
Ne réécris pas encore le texte.
Donnez d’abord la liste des problèmes et des propositions d’amélioration.
Pour finir, propose comment renforcer la structure du texte.
14.5 Un prompt pour une équipe de start-up
Agis en tant que sparring-partner opérationnel d'une startup.
Notre situation : [situation].
Notre objectif pour les 90 prochains jours est [objectif].
L'équipe dispose de [ressources].
Établis un plan d'action concret avec des priorités semaine par semaine, les indicateurs clés, les risques et les décisions à prendre immédiatement.
Gardez le plan réaliste et évitez les conseils trop généraux.
Au fond, le prompt engineering est simple : l'IA répond mieux quand l'humain demande mieux.
Mais dans le meilleur des cas, il ne s'agit pas seulement d'obtenir de meilleures réponses. Il s'agit de poser de meilleures questions. Et c'est précisément pour cela que le prompting pourrait être l'une des compétences professionnelles les plus importantes de la décennie.
Sources
- Best practices for prompt engineering with the OpenAI API — OpenAI Help Center
- Introduction to prompting — Generative AI on Vertex AI, Google Cloud Documentation
- Overview of prompting strategies — Generative AI on Vertex AI, Google Cloud Documentation
- Choose a design pattern for your agentic AI system — Google Cloud Documentation
- Prompting — OpenAI Academy