Custom instructions et résultats constants

Les custom instructions vous permettent de définir une fois pour toutes votre rôle, votre ton et votre format de sortie, pour que chaque conversation les respecte sans avoir à recoller un préambule. Au lieu de commencer chaque échange par « Agis comme un analyste data senior, sois concis, utilise l'anglais britannique », vous configurez tout en un seul endroit et ChatGPT l'applique silencieusement à chaque nouveau chat.

Cela paraît anecdotique. Ce n'est pas le cas. Les custom instructions sont la personnalisation la moins chère et la plus rentable de tout l'écosystème OpenAI, et la plupart des professionnels les remplissent une fois, mal, puis n'y touchent plus jamais.

Ce que sont réellement les custom instructions

Les custom instructions sont deux champs de texte persistants injectés dans le contexte système de chaque nouvelle conversation. Vous les définissez dans ChatGPT sous Settings → Personalization → Custom instructions. La référence officielle se trouve sur help.openai.com, page custom instructions.

Il y a deux cases :

1. Que souhaitez-vous que ChatGPT sache à votre sujet ? Le contexte : qui vous êtes, votre travail, votre audience, vos contraintes.
2. Comment souhaitez-vous que ChatGPT réponde ? Les règles de comportement : ton, format, longueur, ce qu'il faut éviter.

ChatGPT expose aussi des champs plus légers dans les versions récentes (un surnom, votre rôle, des traits comme « witty » ou « direct »). Considérez-les comme des raccourcis. Le vrai contrôle est dans les deux cases principales.

Elles sont différentes de la memory, qui apprend d'elle-même des faits vous concernant d'une conversation à l'autre. Les custom instructions sont explicites et stables ; la memory est déduite et évolutive. Vous écrivez les custom instructions ; ChatGPT écrit la memory. Les deux alimentent le modèle, mais vous contrôlez entièrement la première.

Avant / après : l'exemple du style maison

Voici un prompt générique, sans custom instructions :

Vous : Rédige une courte annonce sur le changement de rate limit de notre APIAPIApplication Programming Interface : une interface standardisée qui permet aux applications de communiquer et d'échanger des données sans connaître leur fonctionnement interne respectif.Voir la définition complète →.

ChatGPT : Bien sûr ! Voici une annonce sympathique que vous pouvez utiliser : « Bonjour à tous ! 🎉 Nous sommes ravis de vous annoncer que nous avons mis à jour les rate limits de notre API… »

Enthousiaste, bourré d'emoji, vague. Maintenant, le même prompt avec des custom instructions remplies.

Case 1 (à votre sujet) :

I'm a developer-relations lead at a B2B fintech API company.
My audience is technical: backend engineers integrating our REST API.
We publish changelog entries and email notices. Compliance reviews everything.

Case 2 (comment répondre) :

Write in plain, direct English. No emoji, no exclamation marks, no "I'm excited to".
Lead with the change and its effective date. State the old value and the new value.
Include one sentence on the action the reader must take.
Default to under 120 words unless I ask for more. Use British spelling.

Même prompt, nouveau résultat :

ChatGPT : Rate limit increase, effective 14 March 2026. The default limit on /v2/transactions rises from 100 to 300 requests per minute. Existing integrations need no code changes; the new ceiling applies automatically. If you currently implement client-side throttling at 100 RPM, you may raise it to 300 to improve throughput. Burst limits and the 429 retry-after header are unchanged.

Voilà votre style maison, appliqué automatiquement, dans chaque nouveau chat, sans aucun coût de prompt. Le modèle fait le même travail ; vous avez simplement supprimé l'ambiguïté qu'il aurait autrement comblée avec ses réglages par défaut.

Comment écrire des instructions qui tiennent

L'erreur consiste à écrire des platitudes aspirationnelles (« sois utile et intelligent »). Le modèle essaie déjà d'être utile. Les instructions ne comptent que là où elles tranchent un choix que le modèle ferait sinon à votre place.

Soyez précis sur les valeurs par défaut, pas sur l'ambiance

« Sois concis » est faible. Le modèle n'a aucun chiffre. Comparez :

Weak:    Keep answers short and to the point.
Strong:  Default to under 150 words. For code, give the snippet first,
         then at most three bullets of explanation. Skip preamble like
         "Great question".

Encodez le format, car c'est là que le temps se perd

Si vous collez toujours le résultat dans Slack, Jira ou un CMS, dites-le :

When I ask for a Jira ticket, output: a one-line summary, a description
in plain text (no markdown headers), and a bulleted acceptance criteria
list. Do not wrap the whole thing in a code block.

Dites ce qu'il faut supprimer

Les instructions négatives sont puissantes ici. « Ne te réfugie pas derrière un "ça dépend" sans me donner ensuite le facteur décisif. » « Ne t'excuse pas. » « Si tu n'es pas sûr, dis-le en une ligne et donne quand même ta meilleure réponse. »

Gardez-les courtes et orthogonales

Ces champs partagent votre fenêtre de contexte avec tout le reste du chat. Des instructions boursouflées coûtent des tokenstokensUn token est l'unité de base de texte que traitent les modèles de langage : le plus souvent un fragment de mot, un mot entier ou un signe de ponctuation, plutôt qu'un simple caractère.Voir la définition complète → à chaque tour et diluent le signal. Visez des règles serrées, sans recouvrement. Une douzaine de lignes nettes valent mieux que trois paragraphes de prose.

Là où s'arrarrL'Annual Recurring Revenue (ARR) est le revenu normalisé et prévisible qu'une entreprise par abonnement attend de ses contrats actifs sur une année.Voir la définition complète →êtent les custom instructions, et où commencent les Projects

Les custom instructions sont globales. Elles s'appliquent à chaque chat autonome. Mais votre « style maison » pour les emails clients n'est pas le même que pour le debug SQLSQLSales Qualified Lead : un prospect que l'équipe commerciale a validé comme prêt pour une prise de contact directe et une proposition, après avoir passé des critères de qualification explicites.Voir la définition complète →. Entasser les deux dans les cases globales crée des contradictions.

C'est ce que résolvent les Projects. Un Project est un espace de travail avec ses propres instructions, ses propres fichiers uploadés et son propre historique de conversations, séparé de vos réglages globaux. Dans un Project, vous définissez des instructions spécifiques qui se superposent aux instructions globales (et peuvent les remplacer).

Une répartition des rôles propre :

• Custom instructions globales : qui vous êtes, votre langue, vos anti-patterns universels (pas d'emoji, orthographe britannique). Ce qui est vrai partout.
• Instructions de Project : les règles d'un chantier donné. « Ce Project est la refonte de l'onboarding du Q2. Référence-toi au PRD uploadé. Suppose que le lecteur est un product manager, pas un ingénieur. »

Ainsi, quand vous lancez un Project « Compliance Comms », vous ne retapez pas vos règles de ton ; vous les héritez et ajoutez celles propres au projet. Voir help.openai.com sur les Projects pour le périmètre des fichiers et des instructions.

Quand les instructions ne suffisent plus : les Custom GPTs

Si vous vous retrouvez à reconstruire le même contexte, les mêmes fichiers et le même ton pour quelque chose que d'autres personnes utiliseront, vous avez dépassé le cadre des instructions personnelles. C'est le rôle d'un Custom GPT : un assistant packagé et partageable, avec ses propres instructions, ses fichiers de connaissances et, en option, des Actions (appels à des API externes) et des Connectors (accès à des outils comme la recherche ou vos propres sources de données).

La relation est une échelle :

Le champ « instructions » d'un Custom GPT reprend l'idée de la case 2, à plus grande échelle : c'est le system prompt de cet assistant. Tout ce que vous avez appris sur l'écriture de règles serrées, précises et orientées format s'applique directement quand vous en construisez un.

Le même principe dans l'API

Les custom instructions sont l'interface ChatGPT de ce que l'API appelle les system instructions. Quand vous passez de l'application ChatGPT à la plateforme OpenAI, vos règles de « comment répondre » deviennent le paramètre instructions de la Responses API, ou un message systèmemessage systèmeLes instructions cachées qui définissent le comportement d'un assistant IA avant toute question : son rôle, son ton, ses limites et ses règles.Voir la définition complète → dans Chat Completions.

C'est le pont qui mérite d'être vu une fois : la discipline acquise en écrivant de bonnes custom instructions se transfère directement au code de production.

from openai import OpenAI

client = OpenAI()

HOUSE_STYLE = (
    "Write in plain, direct English. No emoji, no exclamation marks. "
    "Lead with the change and its effective date. State old and new values. "
    "Default to under 120 words. Use British spelling."
)

response = client.responses.create(
    model="gpt-4.1",
    instructions=HOUSE_STYLE,
    input="Write a short update about our API rate limit change.",
)

print(response.output_text)

Remarquez que HOUSE_STYLE est littéralement le texte de votre case 2, transposé dans une constante que vous réutilisez à chaque appel. C'est tout l'intérêt : un bon jeu d'instructions est un actif réutilisable, pas un coup unique.

Si vous avez besoin d'une sortie dans une forme fixe (et pas seulement d'un ton), vous cessez de décrire le format en prose et utilisez plutôt les structured outputs, qui contraignent le modèle à un schémamaUtiliser un logiciel pour automatiser les tâches et campagnes marketing répétitives, afin de personnaliser à grande échelle sur des canaux comme l'email, le web et le social.Voir la définition complète → JSON que vous définissez. Les instructions gèrent le *style* ; les structured outputs gèrent la *forme*. Utilisez les deux ensemble : les instructions pour « sois bref et britannique », un schéma pour « renvoie exactement ces champs ».

Un audit pratique de vos instructions actuelles

Ouvrez vos réglages maintenant et confrontez-les à ceci :

1. Tranchent-elles de vrais choix ? Supprimez toute ligne que le modèle fait déjà par défaut (« sois précis »).
2. Y a-t-il un chiffre quelque part ? Longueur, nombre de puces, nombre maximal d'exemples. Sinon, le modèle devine.
3. Nomment-elles la destination de la sortie ? Slack, email, code, un CMS. Le format découle de la destination.
4. Avez-vous dit ce qu'il faut supprimer ? Les formules prudentes, les excuses, les emoji, le préambule.
5. Sont-elles vraies partout ? Tout ce qui ne concerne qu'un seul projet appartient à un Project, pas ici.

Faites un test : collez un prompt identique avec les instructions activées, puis désactivez-les et relancez. L'écart correspond exactement à ce que vos instructions vous apportent. S'il n'y a pas d'écart, vos instructions ne méritent pas leurs tokens.

Points clés

• Écrivez des instructions qui tranchent des choix, pas qui donnent une ambiance. Remplacez « sois concis » par un nombre de mots ; remplacez « sois professionnel » par un formatage nommé, lié à la destination de la sortie.
• Utilisez des règles négatives. Dire à ChatGPT ce qu'il doit supprimer (emoji, formules prudentes, préambule) est souvent plus rentable que de lui dire ce qu'il doit ajouter.
• Séparez le global du projet. Gardez les vérités universelles (votre rôle, votre langue, vos anti-patterns) dans les custom instructions ; placez les règles propres à une mission dans un Project pour qu'elles ne se contredisent pas.
• Traitez votre jeu d'instructions comme un actif réutilisable. Le texte que vous écrivez dans la case 2 devient le paramètre instructions de la Responses API et le system prompt d'un Custom GPT.
• Passez aux structured outputs quand vous avez besoin de forme, pas seulement de style. Les instructions gouvernent le ton ; un schéma JSON gouverne les champs exacts. Combinez-les pour une cohérence de niveau production.