Discipline qui consiste à concevoir des instructions (prompts) optimisées pour obtenir les meilleures performances d'un LLM sur une tâche donnée, sans modifier les poids du modèle. Les techniques incluent le zero-shot (instruction directe sans exemple), le few-shot (fournir 2-5 exemples pour guider le format), le chain-of-thought (demander un raisonnement explicite étape par étape), le system prompting (définir un rôle et des contraintes), et le ReAct (intercaler raisonnement et actions d'outils). Le prompt engineering est un levier puissant mais fragile : de petites variations de formulation peuvent produire des résultats très différents, et les techniques optimales varient selon les modèles.