Brancher son portefeuille sur une IA ne sert à rien si on lui parle comme à une boule de cristal. Après des semaines de sessions réelles, un pattern net émerge : certains prompts produisent des analyses utiles et vérifiables, d’autres déçoivent systématiquement. Voici la grammaire que nous avons apprise — par l’exemple.
Les prompts qui déçoivent (et pourquoi)
« Dois-je acheter Tesla ? »
Réponse garantie : du vent bien habillé. Non pas parce que l’IA serait mauvaise, mais parce que la question demande une prédiction — et qu’aucune machine ni personne ne prédit les cours de façon fiable. La recherche académique le confirme : même les travaux les plus optimistes sur les LLM appliqués aux marchés (Can ChatGPT forecast stock prices?) documentent des signaux fragiles, loin d’un conseil exploitable.
« Quelles actions vont monter en 2027 ? »
Même problème, version loterie. Si quelqu’un savait, il ne le dirait pas dans un chat.
La règle : tout prompt qui exige de voir l’avenir déçoit ; tout prompt qui éclaire le présent enrichit.
Les prompts qui marchent
Expliquer plutôt que prédire
« Compare la volatilité de mes 5 plus grosses lignes sur l’année »
Ici, l’IA travaille sur vos positions réelles et des séries de cours historiques : elle classe vos lignes de la plus calme à la plus nerveuse, chiffres à l’appui, et peut relier le résultat à votre ressenti (« votre ligne crypto pèse 6 % mais génère la moitié de vos mouvements »).
Simuler plutôt que promettre
« Si le marché perd 30 % demain, où en serait mon portefeuille ? »
Question redoutablement utile, et parfaitement légitime : c’est un calcul, pas une prédiction. L’outil applique le choc que VOUS avez choisi — pas un scénario inventé — à vos positions actuelles, ligne par ligne, et montre où le portefeuille atterrirait. On découvre souvent que 30 % de marché n’est pas 30 % chez soi : les betas font leur travail.
Préparer plutôt qu’exécuter
« Prépare le ticket pour vendre ma ligne Danone, je veux voir l’impact avant de décider »
L’assistant produit le ticket complet — quantité, type d’ordre, résultat brut de la vente, effet sur votre poche de cash — sans rien envoyer à personne. Vous décidez ensuite chez votre courtier, puis enregistrez ce qui a été fait. C’est le cœur du modèle 48n : l’utilisateur garde la main sur la décision et la validation.
Auditer plutôt qu’affirmer
« Ma performance affichée colle-t-elle avec mes opérations ? Vérifie. »
Prompt méconnu et précieux : l’IA rejoue vos opérations et confronte les résultats aux chiffres affichés. Les écarts existent — arrondis, splits mal gérés — et les faire remonter est exactement le travail d’une machine.
La grammaire d’un bon prompt
Trois ingrédients suffisent :
- Le contexte : « dans mon PEA », « sur mes 3 plus grosses lignes », « depuis janvier » — l’IA sait quoi regarder ;
- La question précise : un verbe d’action mesurable (comparer, simuler, expliquer, vérifier) vaut mieux qu’un jugement (conseiller, prédire) ;
- L’horizon ou le choc : « sur un an », « si −30 % », « avant fin d’année » — cela cadre le calcul au lieu de laisser l’IA choisir à votre place.
Un dernier mot sur les limites : demandez « quelles actions acheter avec mon cash ? » et une IA bien conçue répondra par des critères plutôt que par des tickers — parce qu’elle refuse de jouer au conseiller non agréé. Ce n’est pas une limitation technique, c’est une frontière voulue, et votre épargne s’en porte mieux.
Pour aller plus loin
- Writing tools for agents, Anthropic : comment sont pensés les outils que vos prompts déclenchent.
- Can ChatGPT forecast stock prices? : ce que la recherche mesure vraiment sur les LLM et les marchés.