Prompts Claude pour le PPC : monte ta bibliothèque

Il y a quelques semaines, j’ai fait l’inventaire de mes prompts PPC. Une trentaine, entre des notes de téléphone, un document isolé et trois vieilles conversations. J’en utilisais six. Le reste, des variantes quasi identiques écrites un mardi quelconque, jamais retrouvées, réécrites de zéro le mois suivant.

Ce n’est pas utiliser Claude pour le PPC. C’est improviser avec un outil cher. La différence ne tient pas à la rédaction de chaque prompt, mais à l’existence d’un système derrière : où vit le contexte du compte, et comment tu vérifies que la sortie de septembre ressemble à celle d’août.

En 30 secondes :

• Un prompt isolé résout une tâche une fois. Une bibliothèque la résout pareil dans trois mois.
• Le contexte stable du compte va dans les instructions du projet. La demande du jour va dans le prompt.
• Claude ne voit pas ton compte. La donnée que tu ne colles pas n’existe pas : il la remplacera par du vraisemblable.
• Anthropic recommande 3 à 5 exemples et des données longues placées au-dessus des instructions.
• Versionne chaque prompt : numéro, ce qui a changé, ce à quoi il ne sert pas.

Quelle différence entre avoir des prompts et avoir une bibliothèque ?

La répétabilité. Un prompt isolé, c’est une conversation heureuse : ça marche, tu fermes l’onglet, la connaissance part avec. Une bibliothèque, ce sont des demandes écrites une fois, testées sur de vraies données, rangées sous un nom que tu retrouveras dans six mois sans te souvenir de rien. Voilà la différence.

Ça ressemble à de la bureaucratie jusqu’à cinq clients. Là apparaît le vrai coût : le cher n’est pas d’écrire le prompt, c’est de reconstruire le contexte. Le nom des campagnes, le ROAS accepté, ce qu’on ne touche pas.

Mon processus tient en quatre étapes, et l’ordre compte :

1. Séparer le stable du variable. Ce qui sera encore vrai dans six mois va au projet. Le reste, au prompt.
2. Écrire le prompt comme une spécification, pas comme une demande : rôle, données, règles, format.
3. Le lancer deux fois sur des données différentes. Si les sorties n’ont pas la même forme, il est sous-spécifié.
4. L’enregistrer avec un nom, une version et une note sur ce qui cloche. Sinon tu ne sauras plus pourquoi tu l’as changé.

Ça vaut le coup si tu gères un seul compte ? Peu. Ça paie quand tu répètes la même tâche sur des contextes différents, ce qui est la vie d’un consultant, pas celle d’un in-house avec huit ans de contexte en tête. La vue d’ensemble est dans mon guide Claude pour les consultants.

Qu’est-ce qui va dans les instructions du projet et dans le prompt ?

Le contexte qui ne change pas va en haut, dans le projet. La demande qui change va en bas. C’est toute la règle, et presque tous les problèmes de cohérence viennent de l’avoir à l’envers.

D’après le centre d’aide d’Anthropic, les projets permettent de créer des espaces de travail autonomes avec leurs propres historiques de conversation et bases de connaissances, et tu peux y définir des instructions. Traduit : un projet par client, et la fiche du compte vit là plutôt que dans ta tête.

L’erreur classique est l’inverse : coller ce contexte au début de chaque conversation, un peu différemment à chaque fois. En mars tu écris « ROAS cible 4 », en avril « on veut un ROAS au-dessus de 4 », en mai tu oublies. Un bloc réel, raccourci :

CONTEXTE FIXE DU COMPTE

Boutique en ligne de matériel d'escalade, France.
Google Ads : 6 campagnes Search, 1 PMax, 1 Shopping standard.
Nomenclature : [FR] Type | Thème | Audience

Ce qui est « bon » ici :
- ROAS cible 4,0 sur Shopping et PMax.
- Marge brute moyenne 38% : un ROAS de 2,6 perd de l'argent.
- La campagne de marque ne se touche pas.

Règles de travail :
- Tu n'as aucune donnée en direct. Si un chiffre n'est
  pas dans ce que je colle, il est inconnu.
- N'estime jamais une métrique : demande-la.
- Réponds en français, en tutoyant, sans introduction.

Ces lignes ne sont pas décoratives. Elles définissent ce que fait le modèle quand l’information manque : la moitié de la valeur du bloc.

De quel contexte de compte Claude a-t-il vraiment besoin ?

Quatre blocs : structure, nomenclature, définition de « bon », données brutes. Les trois premiers, tu les écris une fois. Le quatrième est un export.

La nomenclature passe pour une évidence et n’en est pas une. Si tes campagnes s’appellent [FR] Search | Cordes | Générique, donne-lui le motif. Il regroupera ensuite tout seul.

La définition de « bon » est celle que la plupart sautent et celle qui fait le plus de dégâts. Un ROAS de 2,8 est excellent avec 70% de marge, ruineux avec 30%. Sans la marge, Claude te dira que 2,8 « est solide » parce que ça sonne correct. Il ne ment pas : il remplit un critère que personne ne lui a donné.

Les données brutes viennent de la plateforme. Google Ads permet de télécharger n’importe quel tableau de statistiques, et les formats disponibles incluent Excel CSV, TSV, PDF, XLSX, XML et Google Sheets. Je prends le CSV et je le colle.

Où le coller change le résultat. Le guide de prompting d’Anthropic demande de placer tes longs documents et entrées vers le haut de ton prompt, au-dessus de ta requête, de tes instructions et de tes exemples. Je faisais l’inverse. Si tu préfères que Claude lise le compte plutôt que de lui coller des CSV, j’ai couvert cette voie dans Claude MCP pour consultants : la plomberie change, pas le principe.

Comment écrire un prompt qui rend la même chose chaque mois ?

En spécifiant la sortie avant la tâche. Un prompt cohérent a quatre blocs fixes et ordonnés : données, rôle, règles, format. Les trois derniers ne bougent pas.

Ce même guide est direct sur le rôle : le définir dans le system prompt concentre le comportement et le ton du modèle, et même une seule phrase fait la différence. Il recommande aussi les balises XML, parce qu’elles aident à analyser sans ambiguïté quand tu mélanges instructions, contexte et entrées variables. Pas besoin de XML valide : garde juste les mêmes noms.

Voici mon prompt de diagnostic mensuel, en entier :

<donnees>
[CSV par campagne : 30 derniers jours contre les 30
précédents, avec coût, conversions, valeur et ROAS]
</donnees>

<role>
Tu es l'analyste paid media de ce compte.
</role>

<regles>
1. N'utilise que les chiffres de <donnees>. Ne comble rien.
2. Chaque affirmation cite la ligne qui la soutient.
3. Si une campagne a moins de 30 conversions, marque
   « signal insuffisant » et ne propose rien.
4. Si les données ne permettent pas de répondre,
   écris « je ne sais pas » et passe à la suite.
</regles>

<format>
Tableau : campagne | changement | ampleur | ligne source.
Puis 5 hypothèses maximum, triées par dépense concernée.
</format>

Pourquoi chaque pièce est là. La règle 2 rend la sortie auditable : si chaque affirmation pointe vers une ligne, la vérifier prend quelques secondes. La règle 3 existe parce que sans elle, le modèle propose des changements sur des campagnes à quatre conversions. La règle 4 autorise le doute. Et le format fait qu’octobre ressemble à septembre.

Il manque le levier le moins cher : les exemples. Anthropic recommande d’inclure 3 à 5 exemples pour de meilleurs résultats, encadrés dans des balises pour que le modèle les distingue des instructions. En rédaction, ce n’est pas négociable : si tu veux des RSA dans ton ton, colle-lui trois de tes annonces qui marchent. Le détail est dans l’IA pour rédiger des annonces Google et Meta.

Comment versionner et réutiliser les prompts entre clients ?

Un fichier par prompt, un en-tête court, un journal des changements. Un dossier synchronisé suffit.

# prompt : diagnostic-mensuel-search
# version : 3
# v3 : seuil de 30 conversions ajouté, car v2 proposait
#      des changements sur des campagnes à 4 conversions
# v2 : une ligne source exigée par affirmation
# ne pas utiliser pour : PMax (données insuffisantes)

La ligne qui m’a le plus fait gagner, c’est la dernière. Un prompt qui sait à quoi il ne sert pas vaut plus qu’un qui promet tout. Toujours.

La réutilisation marche pour une raison simple : le prompt ne porte aucun nom de client. S’il en porte un, c’est une note, pas un prompt. Tout le spécifique vit dans le projet : ouvrir un compte, c’est le créer, écrire la fiche, coller le prompt.

Reste à vérifier que ça marche encore après y avoir touché. Anthropic pose que construire avec un LLM commence par définir des critères de succès et concevoir des évaluations, et décrit ce cycle comme le cœur du prompt engineering. Pas besoin d’un framework : garde deux exports de test et repasse-les à chaque modification.

Ceux que j’utilise le plus sont déjà expliqués : analyse des termes de recherche, meta descriptions, recherche concurrentielle et hypothèses CRO. Chacun est une entrée. Ce post est l’étagère.

Où est-ce que tout ça casse ?

Au moment où tu demandes un chiffre que tu ne lui as pas donné. Claude n’a aucun accès à ton compte et ignore ta dépense d’hier. Quand une donnée manque, il ne laisse pas le trou vide : il écrit du plausible, avec deux décimales et un ton assuré. C’est la panne la plus chère, parce qu’elle n’a pas l’air d’une panne.

La documentation d’Anthropic sur les hallucinations donne trois défenses que j’utilise au quotidien. Autoriser le modèle à dire « je ne sais pas », décrite comme une technique simple capable de réduire considérablement les informations erronées. Vérifier à l’aide de citations. Et la restriction des connaissances externes. La même page prévient d’une chose qui mérite deux lectures : bien que ces techniques réduisent considérablement les hallucinations, elles ne les éliminent pas entièrement.

D’où ce bloc à la fin de presque tous mes prompts :

<verification>
Relis chaque chiffre écrit et indique la ligne de <donnees>
d'où il sort. Si tu ne trouves pas la ligne, efface le chiffre
et écris [pas de donnée]. N'estime pas, ne complète rien.
</verification>

Au-dessus, une règle que je ne négocie pas : aucun chiffre sorti d’un modèle n’entre dans un rapport sans que je l’aie vu dans la plateforme. Claude trie, regroupe, priorise et rédige bien. La source de vérité reste Google Ads. Quand le flux devient autonome, le risque monte, et j’en parle dans les agents Claude.

Second point de rupture, moins commenté. Une bibliothèque sans entretien vieillit : Google change un type de campagne, tu changes de critère, et le prompt réclame une métrique périmée.

Questions fréquentes

Combien de prompts faut-il pour commencer ?

Trois ou quatre, sur des tâches mensuelles. Diagnostic de performance, revue des termes de recherche, rédaction d’annonces et rapport client suffisent. En ajouter vingt d’un coup garantit que tu n’en utiliseras aucun : trouver le bon mange l’économie visée.

Un projet par client ou un par tâche ?

Par client, dans la plupart des cas. Ce qui change entre clients, c’est le contexte : structure, objectifs, marge et contraintes, soit ce qui vit dans les instructions du projet. Les prompts étant les mêmes partout, les séparer par tâche dupliquerait la fiche.

Puis-je lui demander des benchmarks sectoriels ?

Oui, mais ne les utilise pas. Le modèle n’interroge ni ton compte ni une base de benchmarks : il rendra une reconstruction issue de son entraînement, sans date ni source vérifiable. Pour des chiffres de marché, le rapport d’origine. Pour les tiens, ta plateforme.

Vaut-il la peine d’écrire de longues instructions de projet ?

Ça dépend de ce que tu répètes sur ce compte. Pour un retainer mensuel, oui : une page bien écrite s’amortit dès la deuxième conversation. Pour une mission de deux semaines, colle le contexte dans le prompt et avance. Je compte combien de fois j’écrirai la même chose.

Comment savoir qu’un prompt déraille ?

Parce que la forme de la sortie change d’une exécution à l’autre sur des données proches. Si un mois tu obtiens un tableau et le suivant cinq paragraphes, le format est sous-spécifié. S’il rend du générique, la définition de « bon » manque. Si des chiffres inconnus apparaissent, revois la vérification.

La bibliothèque est l’actif, pas le prompt

Le prompt parfait n’existe pas, et le chercher est un piège confortable : tu peux toujours peaufiner une formulation un après-midi de plus au lieu de travailler. Ce qui existe, c’est une poignée de demandes écrites avec soin, rangées là où tu les retrouveras, posées sur un projet qui connaît déjà le compte.

Ce que je constate, ce n’est pas que chaque tâche sort meilleure. C’est qu’elle sort aussi bien la cinquième fois que la première, sans le péage de la reconstruction du contexte.

Si tu veux qu’on regarde quelle partie de ton PPC mérite d’être systématisée ainsi, réserve 30 minutes de consulting et on regarde ton compte ensemble.