Dans 18 mois, il y aura deux types de professionnels.
Ceux qui tapent des prompts dans le vide, un coup, une réponse, bonne chance. Et ceux qui ont construit des boucles IA qui travaillent pour eux, se vérifient elles-mêmes, et livrent des résultats exponentiellement meilleurs sans effort supplémentaire.
La frontière entre ces deux profils, elle a un nom : le Loop Engineering.
Ça n'a rien de réservé aux devs, et les ingénieurs chez Google n'ont aucun monopole là-dessus. C'est une méthode. À la fin de cet article, tu comprends ce que c'est, comment l'appliquer à ton métier, et tu pars avec 3 prompts prêts à copier-coller.
Du Prompt Engineering au Loop Engineering : l'évolution de l'IA
Il y a deux ans, le sujet brûlant c'était le prompt engineering. Écrire la parfaite instruction, dans le parfait ordre, avec le parfait contexte. Des livres entiers ont été écrits là-dessus. Des formations vendues à prix d'or.
Puis est venu le context engineering : donner à l'IA les bons documents, le bon historique, la bonne fenêtre d'information pour qu'elle réponde mieux. Encore un niveau au-dessus.
Le loop engineering, c'est l'étape d'après, celle qui change vraiment la façon de travailler. La formule qui l'a fait exploser vient de Boris Cherny, le créateur de Claude Code chez Anthropic :
"Mon travail ne consiste plus à prompter l'IA. Il consiste à écrire les boucles qui la promptent à ma place."
Quand le créateur de l'outil dit qu'il n'utilise plus l'outil comme tout le monde, ça mérite qu'on s'arrête une seconde.
Ce que tu fais actuellement avec l'IA — et pourquoi ça plafonne
Voilà la scène qu'on voit se répéter.
Un manager demande à Claude de rédiger un compte-rendu de réunion. Il lit le résultat, fait une grimace, corrige à la main pendant 20 minutes. Il a gagné 10 minutes par rapport à sans IA. Pas transformateur.
Un CEO demande une synthèse de rapport de marché. L'IA sort 400 mots plats, sans angle, sans tension. Il les colle dans son deck sans les questionner. La décision qui suit est aussi incertaine qu'avant.
Une freelance envoie un pitch commercial généré en one-shot. Face à elle, un concurrent qui a fait tourner le sien en 3 boucles avec un vérificateur indépendant. Son texte serre le besoin client, anticipe les objections. Elle perd le deal sans savoir pourquoi.
Le problème n'est pas l'IA. Le problème, c'est qu'on l'utilise en ligne droite : question → réponse → fin. L'IA utilisée ainsi livre un premier jet. Elle n'a jamais la chance de faire mieux. C'est comme embaucher quelqu'un, lui demander un livrable, et ne jamais lui faire de retour.
Qu'est-ce que le Loop Engineering ? Définition
Le Loop Engineering (ou ingénierie de boucle) est une méthode de conception de systèmes IA où une boucle récursive exécute une tâche, vérifie de manière autonome le résultat par rapport à un critère de succès prédéfini, et itère jusqu'à l'atteinte de l'objectif, sans intervention humaine directe à chaque tour.
Dit autrement : tu définis ce que "bon" veut dire, tu lances l'IA, tu la fais vérifier par un second regard indépendant, et tu recommences jusqu'à ce que le critère soit atteint.
Deux choses sont non-négociables dans ce système :
Le rédacteur n'est jamais le vérificateur. L'IA qui a produit l'output ne peut pas noter son propre travail, ce serait comme demander à quelqu'un d'évaluer sa propre candidature. Elle trouvera toujours que c'est bien. La vérification doit venir d'un second prompt, indépendant, avec des critères précis.
Et la condition d'arrêt se définit avant de commencer. "Mon output est bon quand…" Cette phrase doit exister avant de lancer la première boucle. Sans elle, la boucle tourne dans le vide. Tu accumules des versions. Tu ne sais plus laquelle choisir.
Différence entre Prompt Engineering et Loop Engineering
Le prompt engineering optimise une requête. Le loop engineering optimise le système qui fait les requêtes à ta place. L'un est une technique de rédaction. L'autre est une architecture.
Tu peux être excellent·e en prompt engineering et nul·le en loop engineering : ce sont deux compétences différentes. Le premier te rend meilleur·e à parler à l'IA. Le second te rend capable de construire un système qui parle à l'IA pour toi, le vérifie, le corrige, et s'arrête quand c'est bon.
C'est pour ça que Boris Cherny a dit qu'il ne prompte plus, qu'il écrit des boucles. Et c'est une description précise de ce que le loop engineering change au quotidien, pas une formule marketing.
L'architecture d'un agent autonome : les 5 briques du Loop Engineering
Quand une boucle devient vraiment autonome, quand un agent tourne sans toi, elle repose toujours sur les mêmes 5 briques. Pas besoin de les coder pour les comprendre. Mais les connaître change la façon dont tu conçois n'importe quel workflow IA, et surtout, ça t'évite d'acheter une formation ou un outil en croyant avoir "un agent" alors que tu as juste une automatisation déguisée.
1. Automations (n8n, Make, Zapier) : le déclencheur
Sans automation, la boucle ne tourne que quand tu l'allumes à la main. Ce qui revient exactement à prompter. L'automation, c'est ce qui déclenche le système sans toi : un email entrant, un horaire fixe (chaque matin à 7h), une commande client, un formulaire rempli. Outils accessibles sans code : n8n, Make, Zapier. Le choix entre les trois dépend surtout de ton niveau de confort, les trois font le même job pour 95% des cas.
2. Worktrees & State : la mémoire persistante
Voilà le truc que presque tout le monde oublie. Une IA oublie tout à la fin d'une conversation. Si ta boucle tourne en 3 itérations sur 3 conversations différentes, chaque tour repart de zéro. Elle ne sait pas ce qu'elle a essayé avant. Elle peut refaire exactement la même erreur le lendemain.
Le State, c'est la mémoire externe : un fichier texte, un tableau, une base où la boucle écrit ce qu'elle a fait, ce qui a marché, ce qui reste à corriger. C'est ce qui transforme une série de requêtes en un système qui apprend, pas en un système qui se répète.
3. Skills : le manuel d'instructions de l'agent
Les règles, les comportements, le contexte injecté dans l'agent avant qu'il parte travailler. Concrètement : un fichier de quelques paragraphes qui explique comment tu travailles, ce que tu ne veux jamais voir dans tes livrables, et ce qui compte vraiment pour toi.
Sans skills, l'agent redécouvre ton projet à chaque tour. Il brûle des tokens à re-dériver ce que tu lui as déjà dit 10 fois. Avec de bons skills, il démarre directement au bon niveau, comme un prestataire qui a lu ton brief complet avant le premier appel.
4. Plugins & Connectors : les outils d'action (Make, n8n, Zapier, Slack)
Ce qui permet à l'agent d'agir sur le monde réel, pas seulement de générer du texte. Lire un fichier, envoyer un email, mettre à jour un CRM, publier un post, notifier une équipe. Sans connecteurs, l'agent produit, mais tu dois encore tout exécuter à sa place. Avec les bons, la boucle se referme vraiment : l'agent agit, pas seulement il recommande.
5. Sub-agents : la division du travail Maker / Checker
Un agent "Manager" reçoit l'objectif global et le découpe. Il délègue à un agent "Maker" qui produit, et à un agent "Verifier" qui contrôle. Chacun a ses instructions, son périmètre, ses critères. Le Maker ne sait pas vérifier. Le Verifier ne sait pas écrire. Ils ne font qu'une seule chose, et ils la font bien.
C'est la même logique Maker/Checker que tu vas appliquer manuellement dans les prompts ci-dessous, portée à l'échelle d'un système qui tourne sans toi.
En pratique : l'automation détecte une tâche, les skills instruisent l'agent, le Maker produit, le Verifier contrôle, le state enregistre, les connecteurs envoient ou publient. Personne n'intervient entre les étapes.
La méthode en 5 étapes pour concevoir une boucle IA (sans coder)
Applicable sur Claude, ChatGPT, Gemini, à la main, dès maintenant.
Étape 1 : Définis ton critère de succès
Avant de toucher à quoi que ce soit, complète cette phrase : "Mon output est bon quand [condition précise et vérifiable]."
Pas "quand c'est bien écrit". Pas "quand c'est convaincant". Quelque chose qu'on peut évaluer sans être l'auteur. Par exemple : "Mon pitch est bon quand il identifie le problème client en 2 phrases, propose une solution différenciante et finit sur un CTA avec une date." Ou : "Mon compte-rendu est bon quand chaque décision a un responsable et un délai."
Étape 2 : Lance le Maker
Demande à l'IA d'exécuter la tâche. Premier jet. Pas d'attente particulière, le Maker n'a pas besoin d'être parfait, il a besoin d'être un point de départ.
Étape 3 : Lance le Checker (nouvelle conversation)
C'est l'étape que tout le monde rate en l'oubliant ou en la fusionnant avec la précédente. Le Checker ne doit pas être le même prompt dans la même conversation, il doit arriver sans mémoire du Maker. Il évalue le travail sur la base de ton critère de succès défini à l'étape 1. Il note. Il liste les failles. Il ne réécrit pas, il diagnostique.
Étape 4 : Relance le Maker avec le diagnostic
Envoie le diagnostic complet au Maker : les corrections précises, dans l'ordre. Pas "améliore ça", le résultat exact du Checker.
Étape 5 : Vérifie la condition d'arrêt
Le critère de l'étape 1 est-il rempli ? Si oui : tu sors. Si non : un tour de plus. Dans la grande majorité des cas, 2 à 3 tours suffisent. Si tu en es à 5 tours sans résultat, le problème est dans le critère de succès, il est trop flou.
Les 4 erreurs qui sabotent une boucle IA
❌ L'IA qui se note elle-même. Tu demandes à l'IA de critiquer son propre output. Elle trouve que c'est parfait. La boucle ne sert à rien, tu aurais le même résultat en une requête.
❌ Le critère trop vague. "Améliore ça" n'est pas un critère, c'est un souhait. L'IA optimise ce que tu lui demandes de mesurer. Si tu ne mesures rien de précis, elle optimise rien de précis, et te le livrera avec beaucoup d'assurance.
❌ La boucle sans fin. Pas de condition d'arrêt = tu accumules des versions, tu ne sais plus laquelle choisir, tu passes plus de temps à gérer la boucle qu'à travailler. Si tu ne sais pas quand c'est bon, ni ta boucle ni toi ne le saurez.
❌ Le périmètre trop large. C'est tentant de vouloir tout résoudre d'un coup. "Refais toute ma stratégie commerciale." Une boucle efficace a un périmètre borné : un document, une tâche, un livrable. Quand le périmètre est trop large, la boucle dérive, et tu t'en rends compte seulement au 4e ou 5e tour.
3 cas d'usage concrets
Trois exemples, sur des tâches que tu fais probablement déjà.
Le CEO face à un rapport de marché. La synthèse IA classique sort en 400 mots plats, sans angle décisionnel. Avec une boucle : le Maker produit la synthèse, le Checker évalue sur un critère précis ("Chaque point a-t-il un chiffre, un risque identifié, et une recommandation actionnable ?"). Deux tours, 15 minutes. Le brief arrive en réunion avec une vraie colonne vertébrale.
Le manager ou la collaboratrice qui prépare un brief. Le compte-rendu bouclé 2 fois avec un Checker posant la question "Un·e nouveau·elle dans l'équipe comprend-il·elle les décisions, les responsables et les délais sans demander de clarification ?" — ce compte-rendu arrive en réunion sans aller-retour. Pas de "c'est quoi la deadline déjà ?". Pas de réunion pour clarifier la réunion précédente.
La freelance qui prospecte. Un alumni Lion a multiplié par 2 son taux de prise de RDV en passant ses emails de prospection dans une boucle avec un Checker jouant le rôle du prospect. Même positionnement. Même offre. Juste une boucle de plus, et un email qui serre vraiment la douleur avant de proposer quoi que ce soit.
3 prompts Loop Engineering à copier-coller (Maker + Checker + Relance)
USE CASE 1 — Contenu écrit (article, post LinkedIn, email)
PROMPT MAKER (étape 2)
Tu es expert·e en [domaine]. Rédige [type de contenu : post LinkedIn / article / email] sur [sujet].
Contraintes :
- Cible : [décideur B2B / freelance / directrice marketing…]
- Ton : [direct, sans jargon / inspirationnel / professionnel]
- Longueur : [200 mots / 5 paragraphes…]
- Objectif : [faire cliquer / déclencher un RDV / partager]
Produis uniquement le contenu. Pas de commentaire.
PROMPT CHECKER (étape 3 — nouvelle conversation)
Tu es un lecteur critique exigeant. Voici un [post / article / email] à évaluer :
[COLLER L'OUTPUT DU MAKER]
Évalue ce contenu sur ces 4 critères. Note chacun de 1 à 5 :
1. Accroche — capte-t-elle l'attention dès les 3 premiers mots ?
2. Clarté — la cible comprend-elle immédiatement ce qu'on lui propose ?
3. Preuve — y a-t-il au moins 1 chiffre, exemple concret ou témoignage ?
4. CTA — l'action à faire est-elle claire et unique ?
Pour chaque critère sous 4 : liste ce qui est faible et propose une reformulation précise.
Ne réécris pas l'ensemble — diagnostique point par point.
PROMPT RELANCE MAKER (étape 4)
Voici les corrections issues d'une revue critique :
[COLLER LE DIAGNOSTIC DU CHECKER]
Réécris le [post / article / email] en intégrant toutes les corrections.
Respecte les contraintes initiales. Produis uniquement le contenu final.
USE CASE 2 — Synthèse décisionnelle (rapport, brief stratégique, analyse)
PROMPT MAKER
Tu es analyste senior. Synthétise les informations suivantes en un brief décisionnel :
[COLLER LES DONNÉES / NOTES / RAPPORT BRUT]
Format attendu :
- Contexte (2 phrases)
- 3 insights clés (chacun avec 1 chiffre ou fait précis)
- 2 risques identifiés
- 1 recommandation actionnable avec un délai
Sois factuel·le, pas rhétorique.
PROMPT CHECKER
Tu es un·e dirigeant·e qui reçoit ce brief avant de prendre une décision importante.
Évalue-le sur 3 points :
[COLLER LA SYNTHÈSE DU MAKER]
1. Chaque insight est-il soutenu par un fait ou chiffre vérifiable ?
(oui/non + correction si non)
2. La recommandation est-elle actionnable sans information supplémentaire ?
(oui/non + ce qui manque)
3. Y a-t-il une ambiguïté qui pourrait mener à une mauvaise décision ?
(oui/non + laquelle)
Sois direct·e. Pas de diplomatie.
PROMPT RELANCE MAKER
Voici le retour d'un·e dirigeant·e sur ton brief :
[COLLER LE DIAGNOSTIC DU CHECKER]
Réécris le brief en corrigeant tous les points soulevés. Garde le même format.
USE CASE 3 — Prospection commerciale (email froid, message LinkedIn, pitch)
PROMPT MAKER
Tu es expert·e en copywriting B2B. Rédige un [email de prospection / message LinkedIn]
pour [profil du prospect : directeur ops / responsable RH / CEO PME…].
Contexte :
- Ce que je propose : [description courte]
- Problème que je résous : [formuler le problème du prospect]
- Preuve ou résultat concret : [chiffre ou exemple]
- CTA : [proposer 20 min / partager une ressource / poser 1 question]
Longueur : [5-7 lignes / 150 mots max].
Pas de formule générique. Pas de "j'espère que vous allez bien".
PROMPT CHECKER
Tu es le·la prospect·e qui reçoit ce message.
Tu as 3 secondes pour décider si tu lis la suite.
[COLLER L'OUTPUT DU MAKER]
Réponds à ces 3 questions depuis ton point de vue de prospect :
1. La première phrase me parle-t-elle de mon problème réel,
ou de ce que la personne veut me vendre ?
2. Ai-je une raison de répondre plutôt que d'ignorer ?
3. Le CTA me demande-t-il un effort disproportionné
par rapport à ce qu'on m'offre ?
Pour chaque réponse négative : formule concrètement ce qui devrait changer.
PROMPT RELANCE MAKER
Voici le retour du prospect sur ton message :
[COLLER LE DIAGNOSTIC DU CHECKER]
Réécris le message depuis zéro en partant des corrections.
Même contraintes de longueur. Pas de formule générique.
Loop Engineering et agents IA : quelle est la différence ?
Un agent IA, dans sa structure fondamentale, c'est une boucle automatisée. Pas plus magique que ça.
La différence pratique avec ce que tu viens de faire : quand tu appliques les 3 prompts ci-dessus, c'est toi qui appuies sur "envoyer" à chaque tour. Quand un agent tourne, l'automation déclenche, les skills instruisent, les sub-agents exécutent et vérifient, le state mémorise. Même logique. Zéro intervention humaine entre les tours.
Maîtriser les boucles à la main d'abord, c'est la seule façon d'évaluer si un agent travaille vraiment, ou s'il te livre de la vitesse sans fiabilité. C'est un détail qui coûte cher quand on le découvre trop tard.
Commence dès ce soir
Concrètement : ouvre une conversation avec Claude ou ChatGPT. Prends la dernière tâche que tu lui as donnée. Lance le prompt Maker. Puis ouvre une nouvelle conversation et lance le prompt Checker. Compare les deux outputs.
La différence entre le first draft et le résultat bouclé, c'est la différence entre un outil et un système. Tu la verras en 15 minutes, sans coder, sans formation, sans rien installer.
C'est ça, le loop engineering. Un changement de méthode que tu peux tester ce soir, pas dans 6 mois.
Créer son Agent IA : la formation Lion pour aller plus loin
Les boucles manuelles, c'est le point de départ. La prochaine étape, c'est les automatiser : construire des agents IA qui tournent les boucles à ta place, sur tes propres cas d'usage, sans que tu touches quoi que ce soit.
C'est exactement ce qu'on enseigne dans la formation Créer son Agent IA chez Lion.
En 6 semaines, tu passes du loop engineering manuel à des agents IA opérationnels, conçus pour ton métier. La formation est accessible sans profil technique (80% de pratique, zéro ligne de code), et elle ouvre droit à une certification RNCP. Format hybride Paris/en ligne, financement CPF possible.
Ce que tu sais faire à la sortie :
- Concevoir des boucles IA complètes avec des critères de succès solides
- Construire et déployer ton propre agent IA sur un cas d'usage réel
- Automatiser tes workflows sans dépendre d'une équipe tech
20 minutes avec Mohamed pour faire le point sur ton profil, tes objectifs, et si la formation te correspond, sans pression, sans engagement.
👉 Découvrir la formation Créer son Agent IA de Lion
FAQ — Loop Engineering : les questions fréquentes
Qu'est-ce que le Loop Engineering ?
Le Loop Engineering est une méthode de conception de systèmes IA où une boucle récursive exécute une tâche, vérifie le résultat par rapport à un critère de succès prédéfini, et itère jusqu'à l'atteinte de l'objectif, sans intervention humaine directe à chaque tour.
Quelle est la différence entre Prompt Engineering et Loop Engineering ?
Le prompt engineering optimise une requête unique : tu écris, tu envoies, tu lis. Le loop engineering conçoit le système qui enchaîne plusieurs requêtes, les vérifie avec un œil indépendant (le Checker), et s'arrête quand le critère de succès est atteint. C'est la différence entre conduire une voiture et construire un GPS.
Comment faire du Loop Engineering sans coder ?
Avec n'importe quel outil IA (Claude, ChatGPT, Gemini), en appliquant la méthode Maker/Checker : un premier prompt exécute la tâche, un second prompt indépendant critique le résultat sur des critères précis, et tu relances le Maker avec ce diagnostic. 2 à 3 tours suffisent dans la majorité des cas.
Quels outils utiliser pour faire du Loop Engineering ?
Pour commencer sans coder : Claude, ChatGPT ou Gemini suffisent, tu appliques les prompts manuellement. Pour automatiser les boucles : n8n, Make ou Zapier déclenchent les automations. Pour construire des agents IA complets qui tournent les boucles à ta place : la formation Créer son Agent IA de Lion te donne les briques opérationnelles en 6 semaines.
