Méthode CO-STAR : le framework de prompt qui maîtrise le ton et l’audience

La plupart des réponses décevantes d’une IA ne le sont pas parce qu’elles sont fausses, mais parce qu’elles sonnent mal : ton à côté, style générique, contenu pas pensé pour son lecteur. C’est exactement le problème que règle CO-STAR. Ce framework, qui a fait gagner à sa créatrice la première compétition de prompt engineering de Singapour, décompose une demande en six champs dont trois sont dédiés à la façon de communiquer. Résultat : vous ne contrôlez plus seulement ce que l’IA dit, mais comment elle le dit, et pour qui. Ce guide détaille les six composantes, vous donne des prompts CO-STAR complets, et vous dit quand la préférer à un autre framework.

Cet article approfondit un framework présenté dans notre comparatif des frameworks de prompt, au sein de notre série sur le prompt engineering.

En bref

• La méthode CO-STAR est un framework de prompt en six composantes : Contexte, Objectif, Style, Ton, Audience, Réponse.
• Elle a été créée par la data scientist Sheila Teo et a remporté la première compétition de prompt engineering GPT-4 de Singapour en 2023.
• Sa singularité : elle sépare le Style et le Ton, deux dimensions que les autres frameworks confondent, et fait de l’Audience un champ à part entière.
• Elle excelle sur le contenu, le marketing, la communication client et tout ce qui exige un ton juste pour un lecteur précis.
• Astuce de sa créatrice : séparer les six champs par des délimiteurs (### ou balises) pour que l’IA les distingue nettement.
• Pour maîtriser CO-STAR et l’adapter à vos métiers, découvrez notre parcours de formation à l’IA générative.

Qu’est-ce que CO-STAR, et pourquoi elle a gagné une compétition

CO-STAR est l’acronyme de Contexte, Objectif, Style, Ton, Audience, Réponse. C’est une méthode structurée de rédaction de prompts qui traite chaque demande comme un brief complet, en spécifiant la tâche mais aussi toute la dimension communicationnelle de la réponse attendue.

Son histoire lui donne une crédibilité rare. Le framework a été mis au point par la data scientist Sheila Teo, qui a remporté avec lui la première compétition de prompt engineering GPT-4 organisée à Singapour en 2023, avant de le documenter dans un article très lu, devenu une référence. Il est associé à l’équipe Data Science et IA de l’agence technologique publique singapourienne, ce qui explique sa diffusion rapide dans les milieux professionnels.

L’intuition qui a fait naître CO-STAR est simple et parlante : la plupart des réponses ratées d’une IA ne le sont pas à cause d’une information fausse, mais d’un style de communication décalé. Une réponse juste mais au mauvais ton, trop technique pour son lecteur ou trop plate pour convaincre, est une réponse inutilisable. CO-STAR corrige ce point en traitant la rédaction d’un prompt comme un travail de conception, au même titre qu’un graphiste pense à la mise en page, à la typographie et aux couleurs. On ne demande plus « écris un texte », on livre un cahier des charges complet.

Les six composantes de CO-STAR

Chaque lettre couvre une dimension distincte de la réponse. Voici comment les remplir.

Le Contexte plante le décor : la situation, les faits utiles, l’arrière-plan dont l’IA a besoin pour ne pas répondre dans le vide. Plus il est précis, plus la réponse est ciblée. Ce champ a un effet secondaire utile : en ancrant l’IA dans votre situation réelle, il réduit le risque de réponse inventée, un point que nous approfondissons dans notre guide pour fiabiliser les réponses d’une IA.

L’Objectif énonce le but unique et précis de la demande. On bannit le vague : plutôt que « réponds à ce message », on écrit « rédige un e-mail d’excuse de 100 mots qui reconnaît le retard et propose un geste commercial ».

Le Style définit les conventions d’écriture : la structure, les tournures, la façon de présenter. C’est ici qu’on demande un déroulé pas à pas, une écriture à la manière d’une marque connue, des paragraphes courts ou une liste.

Le Ton fixe le registre émotionnel : formel, chaleureux, assuré, enthousiaste, empathique. En relation client, c’est souvent le ton, et non le contenu, qui fait la différence entre une escalade et un apaisement.

L’Audience identifie le lecteur visé : son rôle, son niveau d’expertise, ce qu’il sait déjà. C’est ce champ qui rend une réponse personnellement adaptée plutôt que passe-partout. Une même explication destinée à des développeurs ou à des dirigeants ne se rédige pas de la même façon.

La Réponse précise le format de sortie : longueur, structure, sections, contraintes fermes. On y met les attendus concrets, comme « un objet, un texte de moins de 150 mots, un seul appel à l’action ».

Voici les six composantes réunies, avec un exemple de formulation pour chacune.

Ce qui rend CO-STAR unique : Style et Ton séparés, Audience au centre

La plupart des frameworks se contentent de demander un « ton » vaguement défini, et oublient carrément le lecteur. CO-STAR fait l’inverse, et c’est là toute sa valeur : trois de ses six champs concernent la façon de communiquer.

La distinction entre Style et Ton est sa marque de fabrique. Le style, c’est l’approche d’écriture ; le ton, c’est la couleur émotionnelle. Les deux sont indépendants. Un même texte peut être écrit dans un style journalistique avec un ton empathique, ou dans un style technique avec un ton enthousiaste. Contrôler ces deux dimensions séparément, plutôt que de les mélanger dans un flou « écris de façon professionnelle », produit des réponses nettement plus nuancées. C’est la différence entre demander « sois sympa » et préciser « structure comme un article de presse, mais avec la chaleur d’une conversation ». Concrètement, un même sujet, disons l’annonce d’une nouvelle offre, peut sortir en style sobre et factuel avec un ton enthousiaste pour un communiqué, ou en style narratif avec un ton complice pour un post social. Vous ne réécrivez pas le fond, vous tournez deux boutons indépendants. C’est aussi ce qui rend CO-STAR imbattable pour décliner un même message sur plusieurs canaux : vous gardez le contexte et l’objectif, et vous ne faites varier que le style, le ton et l’audience selon la plateforme.

L’Audience, de son côté, agit comme un régleur de précision. En définissant explicitement à qui s’adresse la réponse avant même de spécifier son format, vous obligez l’IA à calibrer le vocabulaire, la complexité et les sous-entendus. Un mode d’emploi pour des experts et le même pour des débutants n’ont ni le même niveau ni les mêmes raccourcis, même quand ils traitent le sujet identique. Sans ce champ, l’IA vise un lecteur moyen qui n’existe pas, et le texte tombe à plat.

Un prompt CO-STAR complet, commenté

Rien ne vaut un exemple entier. Prenons une tâche typique : demander un post LinkedIn.

Contexte : Proactive Academy est un organisme de formation qui lance une formation à l’IA générative pour les PME. Elle part des cas réels des participants et de leurs outils du quotidien. Objectif : Rédige un post LinkedIn qui génère des demandes d’information de dirigeants de PME. Style : À la manière des posts d’experts B2B qui fonctionnent : une accroche forte, des idées courtes, un fil narratif. Paragraphes brefs, sauts de ligne pour l’aération. Ton : Assuré et concret, jamais donneur de leçons ni corporate. Professionnel mais accessible. Audience : Des dirigeants de PME de 20 à 200 salariés, curieux de l’IA mais peu techniques, et qui manquent de temps. Réponse : Un post de 180 à 220 mots, une accroche d’une ligne, trois idées, une question finale, trois hashtags adaptés.

Observez comment chaque champ ferme une porte. Le contexte ancre la demande dans une offre réelle, l’objectif fixe l’intention commerciale, le style impose une forme lisible, le ton évite le corporate qui fait fuir, l’audience calibre le niveau et la promesse, la réponse borne la longueur et la structure. Le résultat est un post publiable en un ajustement, là où une demande vague aurait produit un texte tiède et interchangeable.

CO-STAR brille tout autant sur un registre plus délicat, la relation client. Prenons une réponse à un client mécontent.

Contexte : Un client a subi un retard de livraison de cinq jours. C’est sa deuxième réclamation en trois mois, et il évoque un départ vers un concurrent. Objectif : Rédige un e-mail qui reconnaît le problème, restaure la confiance et propose un geste, sans promettre l’impossible. Style : E-mail court, trois paragraphes, sans en-tête, phrases simples. Ton : Sincèrement désolé mais assuré, jamais sur la défensive. On s’excuse sans se rabaisser. Audience : Un client fidèle mais à bout de patience, qu’il faut retenir. Réponse : Moins de 150 mots, un objet clair, un geste commercial concret, une porte ouverte au dialogue.

Ici, c’est le Ton qui fait tout le travail : sur une réclamation, la même information délivrée sur un ton défensif ou sur un ton sincèrement désolé produit une escalade ou un apaisement. CO-STAR rend ce réglage explicite au lieu de le laisser au hasard.

Avant et après : ce que CO-STAR change

Pour saisir l’apport du framework, comparons deux façons de demander la même chose.

Sans CO-STAR : « Écris un post LinkedIn sur notre formation à l’IA. » La réponse sera correcte mais générique : ton indéfini, longueur au hasard, aucun lecteur en tête, promesse passe-partout. Plusieurs allers-retours seront nécessaires pour la rendre exploitable.

Avec CO-STAR, la même intention devient le brief complet ci-dessus. La différence ne tient pas à un mot magique, mais à ce que le prompt verrouille : le style, le ton, le lecteur et le format sont cadrés d’entrée. On passe d’un brouillon à retravailler à une base prête à publier. C’est précisément ce que promet un framework taillé pour la communication.

Le bonus de Sheila Teo : les délimiteurs

Un conseil accompagne toujours CO-STAR chez sa créatrice, et il vaut la peine d’être adopté : séparer chaque champ par un délimiteur pour que l’IA les distingue clairement. Deux options fonctionnent, un motif de caractères comme ### ou ===, ou des balises façon XML, du type <contexte>…</contexte>. En pratique, encadrer chaque composante ainsi aide le modèle à traiter chaque section comme un bloc de sens autonome, et évite qu’il mélange le contexte avec la consigne. Sur les prompts longs et détaillés, ce petit geste améliore sensiblement la lecture qu’en fait l’IA. Un prompt délimité prend alors cette allure : <contexte>…</contexte>, puis <objectif>…</objectif>, puis <style>…</style>, chaque bloc clairement refermé.

Quand utiliser CO-STAR, et quand un autre

Aucun framework ne gagne partout, et CO-STAR a son terrain de prédilection : le contenu où le ton et le lecteur comptent autant que le fond. Rédaction marketing, communication client, posts et articles, e-mails à fort enjeu relationnel, contenu de marque à voix constante, message à décliner sur plusieurs canaux : partout où la forme fait la moitié du travail, CO-STAR est le meilleur choix.

Pour d’autres tâches, un gabarit différent conviendra mieux. Sur une demande simple et répétitive, ses six champs sont un excès, et RTF ira plus vite. Sur une tâche où vous disposez d’exemples précis du rendu voulu et où la vérification prime, la méthode RODES, avec ses briques Exemples et Sense check, sera plus adaptée. Et pour une demande à fort enjeu que vous devez sécuriser et transmettre à une équipe, notre grille de relecture CARTEL complète CO-STAR : l’une pour rédiger avec le bon ton, l’autre pour vérifier avant diffusion. Le comparatif complet des frameworks vous aide à trancher selon la tâche.

Sa limite tient à sa richesse. Remplir six champs demande un peu de préparation, ce qui n’est rentable que sur une production qui compte. Sur un message jetable, l’effort ne se justifie pas.

Les erreurs fréquentes avec CO-STAR

La première erreur est de confondre Style et Ton, ou de remplir l’un en oubliant l’autre. Rappelez-vous : le style décrit la forme, le ton décrit l’émotion. Les séparer est justement ce qui fait la force du framework.

La deuxième est de définir une audience floue. « Le grand public » ne dit rien à l’IA. Précisez un rôle, un niveau, un rapport au sujet, et la réponse gagne aussitôt en justesse.

La troisième est de bâcler le contexte, en croyant l’IA capable de deviner votre situation. Sans arrière-plan, elle vise un cas moyen et produit du générique.

La dernière est l’excès de contraintes, où l’on empile des consignes au point de brider la réponse. CO-STAR est un cadre, pas un carcan : sur une tâche créative, laissez de la marge.

CO-STAR avec le méta-prompting et l’évaluation

Deux réflexes complémentaires démultiplient CO-STAR. Si remplir les six champs vous rebute, demandez à l’IA de le faire : décrivez votre besoin et demandez-lui de le reformuler au format CO-STAR. C’est le principe du méta-prompting, qui fait écrire le prompt par l’IA elle-même.

Et pour vérifier objectivement que CO-STAR améliore vos résultats par rapport à votre façon de faire, comparez les deux versions sur un même jeu de cas, avec la méthode d’évaluation et d’A/B test de prompts. Vous saurez, mesure à l’appui, si le framework vaut l’effort sur vos tâches.

FAQ – Méthode CO-STAR

CO-STAR doit son succès, et sa victoire en compétition, à une idée juste : une réponse d’IA échoue plus souvent sur la forme que sur le fond. En consacrant trois de ses six champs à la communication, le style, le ton et l’audience, elle vous donne un contrôle fin sur la manière dont l’IA s’exprime et sur le lecteur qu’elle vise. Utilisez-la pour tout ce qui touche au contenu, au marketing et à la relation client, séparez bien le style du ton, définissez une audience précise, et pensez aux délimiteurs sur les prompts longs. Quand la vitesse prime, passez à RTF ; quand vous avez des exemples et voulez vérifier, à RODES ; quand l’enjeu impose une relecture, à CARTEL. Bien utilisée, CO-STAR transforme une IA en rédacteur qui sait à qui il parle.

Pour transformer CO-STAR en réflexe d’équipe, adapté à vos métiers et à vos outils, notre formation au prompt engineering en entreprise part de vos cas réels.