System promptsRequêtes génératives système

TRA6008 OptionalFacultatif

Instructions added before your message

When you send a message to a chatbot, the model does not receive your message on its own. The service first adds instructions of its own, called a system prompt, and your message comes after them in the same context window context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). .

What a system prompt contains

Not every provider makes its system prompts public, but Anthropic, for instance, publishes what it calls the core system prompt of its Claude apps. The text the model receives can contain more, such as descriptions of the tools you have switched on and your own custom instructions custom instructionsinstructions personnalisées promptingrequêtes User-provided preferences, background information, or requirements that an AI assistant stores and applies automatically across conversations, so that they do not need to be repeated in every prompt.Préférences, informations contextuelles ou exigences fournies par l'utilisateur, qu'un assistant d'IA enregistre et applique automatiquement d'une conversation à l'autre, sans qu'il faille les répéter dans chaque requête. . The core system prompt for Claude Fable 5.1, dated 1 September 2026, gives the model:

• information about itself and the provider’s products, such as the other Claude models and apps;
• requests to decline, and how to decline them;
• instructions on tone and formatting, such as “Claude keeps responses focused, brief, and concise”;
• its knowledge cutoff knowledge cutoffdate de coupure des connaissances language modelsmodèles de langue The point in time up to which the text a model was trained on was gathered, and after which nothing reached it during training.Moment jusqu'auquel le texte ayant servi à entraîner un modèle a été rassemblé, et après lequel plus rien ne lui est parvenu pendant l'entraînement. , and how to answer questions about later events.

Instructions, not settings

A system prompt can look like a set of settings that the model then applies, and so can the custom instructions you add yourself. ChatGPT, for instance, presents custom instructions as a form, with fields to fill in, a personality to choose and traits to add (Figure 2figure 2). The model receives these instructions as text in its context window, though, processed like the rest of the conversation (see also the Custom instructions, memory, projects and skills page, in the Using LLMs module) (voir aussi la page Instructions personnalisées, mémoire, projets et compétences, dans le module Utiliser les GML).

A setting is applied every time. A system prompt is followed because the model was trained to follow instructions (see also the Instruction tuning: learning from examples page) (voir aussi la page L'affinage par instructions : apprendre à partir d'exemples), and to give the system prompt priority over later messages, an order known as the instruction hierarchy (Zhang et al., 2025b). This usually works, but not always, and two situations make it less reliable:

• Long conversations. Instructions at the start are followed less reliably as the conversation goes on (Li et al., 2024; Qin et al., 2025).
• Conflicting instructions. When a later message or document contradicts the system prompt, the model does not always give the system prompt priority: all the models Zhang et al. (2025b) tested did much worse when instructions conflicted than when they agreed. Messages written on purpose to get around a model’s restrictions are called jailbreaking jailbreakingdébridage AI safetysécurité de l'IA The deliberate use of specially crafted prompts or interaction strategies to make an AI model bypass restrictions on its outputs or behaviour, such as its refusal to provide prohibited content or sensitive information.Utilisation délibérée de requêtes spécialement conçues ou de stratégies d'interaction pour amener un modèle d'IA à contourner les restrictions sur ses sorties ou son comportement, comme son refus de fournir du contenu interdit ou des renseignements sensibles. , and instructions hidden in a document or web page the model reads are called prompt injection prompt injectioninfiltration de requête AI safetysécurité de l'IA An attack in which untrusted input is incorporated into a prompt and interpreted by a generative AI system as instructions, causing the system to disregard or conflict with its intended instructions or to produce unintended outputs or actions.Attaque dans laquelle une entrée non fiable est incorporée à une requête et interprétée par un système d'IA générative comme des instructions, amenant le système à ignorer ou à contredire ses instructions prévues, ou à produire des sorties ou des actions non voulues. (see also the Prompt injection page, in the Using LLMs module) (voir aussi la page L'infiltration de requête, dans le module Utiliser les GML).

Anthropic’s own system prompt takes both situations into account: it mentions a reminder that the service adds to long conversations to help Claude keep its instructions, and warns that text in a user’s message may falsely claim to come from Anthropic.

Written in English. The French version was automatically generated and I have not revised it. Rédigé en anglais. La version française a été générée automatiquement et je ne l'ai pas révisée. Updated 14 October 2026

Des instructions ajoutées avant votre message

Quand vous envoyez un message à un agent conversationnel, le modèle ne reçoit pas votre message seul. Le service ajoute d’abord ses propres instructions, appelées requête générative système (angl. system prompt), et votre message vient après elles, dans la même fenêtre contextuelle context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). .

Ce que contient une requête générative système

Tous les fournisseurs ne rendent pas publiques leurs requêtes génératives système, mais Anthropic, par exemple, publie ce qu’elle appelle la requête système de base de ses applications Claude. Le texte que reçoit le modèle peut en contenir davantage, comme la description des outils que vous avez activés et vos propres instructions personnalisées custom instructionsinstructions personnalisées promptingrequêtes User-provided preferences, background information, or requirements that an AI assistant stores and applies automatically across conversations, so that they do not need to be repeated in every prompt.Préférences, informations contextuelles ou exigences fournies par l'utilisateur, qu'un assistant d'IA enregistre et applique automatiquement d'une conversation à l'autre, sans qu'il faille les répéter dans chaque requête. . La requête système de base de Claude Fable 5.1, datée du 1er septembre 2026, fournit au modèle :

• des informations sur lui-même et sur les produits du fournisseur, comme les autres modèles et applications Claude ;
• les demandes à refuser, et la manière de les refuser ;
• des instructions sur le ton et la mise en forme, comme « Claude keeps responses focused, brief, and concise » (des réponses ciblées, brèves et concises) ;
• sa date de coupure des connaissances knowledge cutoffdate de coupure des connaissances language modelsmodèles de langue The point in time up to which the text a model was trained on was gathered, and after which nothing reached it during training.Moment jusqu'auquel le texte ayant servi à entraîner un modèle a été rassemblé, et après lequel plus rien ne lui est parvenu pendant l'entraînement. , et la manière de répondre aux questions sur des événements postérieurs.

Des instructions, pas des réglages

Une requête générative système peut ressembler à un ensemble de réglages que le modèle appliquerait ensuite, tout comme les instructions personnalisées que vous ajoutez vous-même. ChatGPT, par exemple, présente les instructions personnalisées sous la forme d’un formulaire, avec des champs à remplir, une personnalité à choisir et des traits à ajouter (Figure 2figure 2). Le modèle reçoit pourtant ces instructions sous forme de texte dans sa fenêtre contextuelle, et les traite comme le reste de la conversation (see also the Custom instructions, memory, projects and skills page, in the Using LLMs module) (voir aussi la page Instructions personnalisées, mémoire, projets et compétences, dans le module Utiliser les GML).

Un réglage s’applique chaque fois. Une requête générative système est suivie parce que le modèle a été entraîné à suivre des instructions (see also the Instruction tuning: learning from examples page) (voir aussi la page L'affinage par instructions : apprendre à partir d'exemples), et à donner la priorité à la requête générative système sur les messages suivants, un ordre appelé hiérarchie des instructions (Zhang et al., 2025b). Cela fonctionne généralement, mais pas toujours, et deux situations le rendent moins fiable :

• Les longues conversations. Les instructions données au début sont suivies de moins en moins fidèlement à mesure que la conversation avance (Li et al., 2024 ; Qin et al., 2025).
• Les instructions contradictoires. Quand un message ou un document ultérieur contredit la requête générative système, le modèle ne lui donne pas toujours la priorité : tous les modèles testés par Zhang et al. (2025b) obtenaient des résultats nettement moins bons quand les instructions se contredisaient que quand elles concordaient. Les messages rédigés exprès pour contourner les restrictions d’un modèle relèvent du débridage jailbreakingdébridage AI safetysécurité de l'IA The deliberate use of specially crafted prompts or interaction strategies to make an AI model bypass restrictions on its outputs or behaviour, such as its refusal to provide prohibited content or sensitive information.Utilisation délibérée de requêtes spécialement conçues ou de stratégies d'interaction pour amener un modèle d'IA à contourner les restrictions sur ses sorties ou son comportement, comme son refus de fournir du contenu interdit ou des renseignements sensibles. , et les instructions cachées dans un document ou une page Web que lit le modèle constituent une infiltration de requête prompt injectioninfiltration de requête AI safetysécurité de l'IA An attack in which untrusted input is incorporated into a prompt and interpreted by a generative AI system as instructions, causing the system to disregard or conflict with its intended instructions or to produce unintended outputs or actions.Attaque dans laquelle une entrée non fiable est incorporée à une requête et interprétée par un système d'IA générative comme des instructions, amenant le système à ignorer ou à contredire ses instructions prévues, ou à produire des sorties ou des actions non voulues. (see also the Prompt injection page, in the Using LLMs module) (voir aussi la page L'infiltration de requête, dans le module Utiliser les GML).

La requête système d’Anthropic elle-même tient compte de ces deux situations : elle mentionne un rappel que le service ajoute aux longues conversations pour aider Claude à respecter ses instructions, et avertit que du texte figurant dans le message d’une personne peut prétendre à tort venir d’Anthropic.

Written in English. The French version was automatically generated and I have not revised it. Rédigé en anglais. La version française a été générée automatiquement et je ne l'ai pas révisée. Mise à jour 14 octobre 2026