Aller au contenu principal
PromptQuorumConçu pour les humains. Structuré pour l'IA.

Qu'est-ce que le framework de prompt CO-STAR ?

Par · Fondateur de PromptQuorum · Moteur de découverte de l'IA open-weight et open source

Points clés

  • ✓CO-STAR signifie Context, Objective, Style, Tone, Audience, Response — une structure de prompt à six composants pour des sorties cohérentes
  • ✓Le framework vous oblige à rendre chaque hypothèse explicite, ce qui réduit les réponses vagues ou mal alignées des grands modèles de langage
  • ✓CO-STAR est plus efficace pour la rédaction de documents, les communications client et les tâches nécessitant une voix ou un format spécifique
  • ✓Pour les requêtes factuelles simples ou les commandes en une ligne, CO-STAR ajoute une surcharge sans gain de qualité significatif
Qu'est-ce que le framework de prompt CO-STAR ?

Réponse rapide

CO-STAR est une structure de prompt en six parties : Context (contexte), Objective (objectif), Style (style d'écriture), Tone (registre émotionnel), Audience (lecteurs cibles), Response (format de sortie). Il aide à produire des sorties LLM cohérentes et ciblées en rendant chaque contrainte explicite.

  • ▸C = Context : informations de contexte dont le LLM a besoin
  • ▸O = Objective : la tâche spécifique à accomplir
  • ▸S/T/A = Style, Tone, Audience : comment et pour qui écrire
  • ▸R = Response : format (liste, paragraphe, JSON, etc.)
Prompt Engineering

Ce que fait chaque composant de CO-STAR

CO-STAR est une structure de prompt à six composants qui couvre toutes les variables dont un modèle de langage a besoin pour produire une sortie ciblée et cohérente : la situation de fond, la tâche, le style d'écriture souhaité, le ton émotionnel, le lecteur visé et le format de sortie requis. L'utilisation des six composants élimine la cause la plus fréquente de réponses mal alignées — le contexte manquant.

Le framework a été développé pour résoudre un problème récurrent dans l'ingénierie des prompts : des prompts techniquement clairs mais manquant de contraintes implicites. Quand vous écrivez "Résume ce document", le modèle fait des hypothèses sur la longueur, la formalité, l'audience et le format. CO-STAR remplace ces hypothèses par des instructions explicites.

Chaque composant cible une dimension différente de la sortie. Context ancre le modèle dans la situation pertinente. Objective fixe le livrable exact. Style et Tone contrôlent le registre d'écriture. Audience calibre le vocabulaire et la complexité. Response spécifie le format structurel.

CO-STAR est attribué à l’équipe Data Science et IA de GovTech Singapour, l’agence technologique du gouvernement singapourien, et figure dans son Prompt Engineering Playbook (présentation GovTech). Il s’est fait connaître quand Sheila Teo, lauréate du premier concours de prompt engineering GPT-4 de GovTech à Singapour (2023), a décrit le framework dans un article de Towards Data Science.

ComposantQuestion à laquelle il répondExemple
ContextQuelle est la situation ?Vous résumez un contrat juridique pour un non-juriste
ObjectiveQu'est-ce qui doit être produit ?Un résumé en 3 points des obligations clés
StyleComment doit-il être écrit ?Langage simple, sans jargon
ToneQuel est le registre émotionnel ?Neutre et informatif
AudienceQui va lire ceci ?Propriétaire de petite entreprise sans formation juridique
ResponseQuel est le format de sortie ?Liste à puces, max 3 éléments

Quand utiliser CO-STAR et quand préférer des prompts plus simples

CO-STAR n'est pas l'outil adapté à toutes les tâches. Il apporte le plus de valeur pour la création de documents, les communications client, les rapports formels et toute sortie nécessitant une cohérence de voix, de format et d'audience. Un prompt CO-STAR bien structuré prend typiquement 60 à 120 mots de mise en place, mais élimine plusieurs cycles de correction.

Pour les requêtes factuelles simples, la génération de code ou les lookups ponctuels, CO-STAR ajoute une surcharge sans gain de qualité significatif. Demander "Que fait la fonction Python `zip()` ?" ne bénéficie pas d'une structure à six composants. Réservez CO-STAR aux tâches dont la sortie sera lue par de vraies personnes dans un contexte spécifique.

Pour un aperçu approfondi des patterns de prompt qui se combinent bien avec CO-STAR, consultez le guide complet d'ingénierie des prompts CO-STAR couvrant des exemples avancés et les modes d'échec courants.

Réponses rapides sur le framework CO-STAR

Que signifie le C dans CO-STAR ?▾
Le C signifie Context : le contexte dont le modèle a besoin pour comprendre la situation, comme le projet, l’historique ou les contraintes. L’acronyme complet est Context, Objective, Style, Tone, Audience, Response. Le O est Objective, pas « Output ».
Quel élément de CO-STAR fixe le format, la structure et les contraintes de livraison ?▾
Response. Il précise le format et la structure de la sortie, par exemple une liste à puces, un tableau, du JSON, un e-mail de 150 mots ou un bloc de code. Style et Tone contrôlent le rendu du texte ; Response contrôle sa livraison.
Que définit l’élément Tone dans CO-STAR ?▾
Tone définit le registre émotionnel de la réponse, par exemple empathique, neutre, encourageant ou ferme. Il se distingue de Style, qui couvre l’approche d’écriture (formel, technique, conversationnel). Définir les deux évite une réponse juste mais mal calibrée.
Lequel ne fait pas partie de CO-STAR : Role, Objective, Audience ou Tone ?▾
Role. CO-STAR compte six composants : Context, Objective, Style, Tone, Audience et Response. Il n’a ni élément Role, ni Examples, ni Steps ; des frameworks comme TRACE et RISEN les incluent. Une ligne de rôle peut être ajoutée, mais ne fait pas partie de l’acronyme.
Qui a développé le framework CO-STAR ?▾
CO-STAR est attribué à l’équipe Data Science et IA de GovTech Singapour, qui le présente dans son Prompt Engineering Playbook. Sheila Teo, lauréate du premier concours de prompt engineering GPT-4 de GovTech en 2023, l’a ensuite décrit publiquement. Voir la présentation GovTech.
En quoi CO-STAR diffère-t-il d'autres frameworks de prompt comme RISEN ou TRACE ?▾
CO-STAR se concentre spécifiquement sur les caractéristiques de sortie — style, ton, audience et format. RISEN (Role, Instructions, Steps, End Goal, Narrowing) met l'accent sur le processus et les contraintes. TRACE (Task, Role, Audience, Context, Examples) se superpose largement à CO-STAR. L'avantage clé de CO-STAR est sa séparation explicite du Style et du Tone, que la plupart des autres frameworks fusionnent en un seul paramètre de "voix".
Quel est le composant le plus important dans CO-STAR ?▾
Le composant Objective a l'impact le plus fort. Un Objective vague produit une réponse vague quelle que soit la précision du Style, du Tone et de l'Audience. Rédigez l'Objective en premier et soyez aussi précis que possible — un livrable concret avec des critères de réalisation mesurables.
CO-STAR fonctionne-t-il avec tous les grands modèles de langage ?▾
Oui. CO-STAR est une technique structurelle, pas une fonctionnalité spécifique à un modèle. Il fonctionne avec tout modèle de langage traitant des instructions en langage naturel. Les modèles avec de meilleures capacités de suivi d'instructions appliqueront les contraintes de façon plus fiable, mais le framework est universellement applicable.
Quand devrais-je complètement ignorer CO-STAR ?▾
Ignorez CO-STAR pour : les requêtes factuelles en une ligne, la génération de code avec un format de sortie fixe, l'extraction rapide de données et toute tâche où le format de sortie est évident à partir de la demande.
MCP