Générateur de modèles de prompt — {{Variables}}, lots CSV et JSONL pour API Batch
Rédigez un prompt avec des {{variables}}, remplissez-le depuis un formulaire ou un CSV, et exportez un prompt par ligne en texte, CSV ou fichiers batch OpenAI et Anthropic.
Summarize the following article for a busy executive in 3 bullet points. Keep names, numbers and dates exactly as written. If something is unclear in the source, say so instead of guessing. <source> Revenue grew 12% to $4.1M in Q2, driven by the new clinic plan. Churn rose from 2.1% to 2.6% after the price change in April. Hiring is paused until September. </source>
Le nombre de tokens utilise le tokenizer o200k d’OpenAI (GPT-4o et suivants). Claude, Gemini et Llama ont leurs propres tokenizers : leurs décomptes diffèrent donc un peu pour le même texte.
Fonctionne entièrement dans votre navigateur. Les modèles et les données CSV ne quittent jamais votre appareil. Parcourir tous les outils gratuits.
Un problème, ou quelque chose à améliorer ? Nous lisons chaque message et corrigeons vite.
Ce générateur de modèles de prompt vous permet d’écrire un prompt une seule fois avec des {{variables}} et de le réutiliser pour chaque cas. Les espaces réservés deviennent automatiquement des champs de formulaire, les valeurs par défaut peuvent figurer dans le modèle sous la forme {{tone|friendly}}, et le prompt rempli se met à jour pendant la saisie, avec un comptage des tokens. C’est le moyen le plus rapide de garder un prompt éprouvé cohérent dans toute une équipe au lieu de modifier des copies à la main.
Pour le travail en masse, collez ou envoyez un CSV et obtenez un prompt par ligne. Les colonnes sont associées aux variables par leur nom, les manques sont signalés, et le résultat se télécharge en texte brut, JSONL, CSV ou en fichiers batch prêts pour l’API Batch d’OpenAI et l’API Message Batches d’Anthropic, qui traitent toutes deux les gros travaux de façon asynchrone à un prix inférieur à celui des requêtes en direct. L’outil prépare les requêtes ; il n’appelle aucune API : vous envoyez toujours le fichier avec votre propre clé.
Mode d’emploi
- Choisissez un modèle de départ ou rédigez votre propre prompt, en marquant chaque partie variable sous la forme {{name}}.
- En mode Remplissage unique, saisissez les valeurs dans les champs générés et copiez le prompt terminé.
- Pour de nombreux prompts, passez en mode Lot depuis un CSV, collez ou envoyez un CSV dont les noms de colonnes correspondent à vos variables, et vérifiez la ligne de correspondance.
- Choisissez un format d’export. Pour les API batch, indiquez le modèle, le nombre maximal de tokens de sortie et un prompt système facultatif.
- Téléchargez le fichier et envoyez-le au fournisseur (API Files d’OpenAI avec purpose batch, ou envoyez le JSON Anthropic en POST à /v1/messages/batches).
Questions fréquentes
Qu’est-ce qu’un modèle de prompt ?
Un modèle de prompt est un prompt comportant des espaces réservés pour les parties qui changent, comme le texte à résumer, le public visé ou le ton. Vous testez la formulation une fois, puis remplissez les espaces réservés pour chaque cas. Cela garde des résultats cohérents, facilite le partage des prompts, et c’est ainsi que les prompts sont stockés dans la plupart des applications et frameworks LLM.
Comment créer un fichier JSONL pour l’API Batch d’OpenAI ?
Chaque ligne doit être un objet JSON avec custom_id, method (POST), url (par exemple /v1/chat/completions) et body, où body est la requête habituelle avec model et messages. Placez votre prompt dans un modèle, chargez un CSV, choisissez OpenAI Batch API et téléchargez. Envoyez le fichier avec purpose "batch", puis créez un batch avec le même point de terminaison ; les résultats reviennent indexés par custom_id.
Quel format utilise l’API Message Batches d’Anthropic ?
POST /v1/messages/batches accepte un corps JSON avec un tableau requests. Chaque requête a un custom_id (lettres, chiffres, traits d’union et tirets bas, jusqu’à 64 caractères) et des params, qui contiennent une requête normale de l’API Messages : model, max_tokens et messages, plus un prompt système facultatif. L’export Anthropic écrit directement ce corps, ou une requête par ligne pour les scripts.
Comment les colonnes CSV sont-elles associées aux variables ?
Par leur nom, sans tenir compte de la casse, des espaces, des tirets et des tirets bas : une colonne nommée "Product Name" remplit {{product_name}}. Une variable sans colonne utilise sa valeur par défaut ({{tone|friendly}}) ou la valeur saisie en mode Remplissage unique. L’outil indique quelles variables ont trouvé une correspondance et liste, avant l’export, les lignes qui ont encore des espaces réservés non remplis.
Le comptage des tokens est-il précis ?
Il utilise le tokenizer o200k_base d’OpenAI, celui de GPT-4o et des modèles OpenAI ultérieurs : les décomptes sont donc exacts pour le texte du prompt sur ces modèles. Le formatage du chat ajoute quelques tokens par message. Claude, Gemini et Llama utilisent d’autres tokenizers et donneront des chiffres un peu différents pour le même texte : considérez alors le décompte comme une estimation.
Syntaxe des modèles
• {{name}} : une variable. Les noms commencent par une lettre ou un tiret bas et peuvent contenir des lettres, des chiffres, _, - et des points. Les espaces à l’intérieur des accolades sont ignorés : {{ name }} fonctionne.
• {{name|default text}} : une variable avec une valeur par défaut utilisée quand aucune valeur n’est fournie.
• Une même variable peut apparaître plusieurs fois ; elle est remplie partout avec la même valeur.
• Les variables non remplies restent sous la forme {{name}} dans la sortie et sont signalées : une colonne manquante ne produit donc pas discrètement un prompt défectueux.
Encadrez les longues entrées par des délimiteurs clairs comme <source>…</source> ou des triples guillemets. Cela indique au modèle où s’arrêtent vos instructions et où commencent les données, et rend moins efficace une injection de prompt cachée dans les données.
API batch : quand elles valent le coup
OpenAI et Anthropic proposent toutes deux un traitement par lots avec une remise de 50 % sur le prix des tokens, en échange de résultats asynchrones : les travaux se terminent en 24 heures et souvent bien plus tôt. Cela convient aux tâches où personne n’attend la réponse, comme classer des tickets de support, générer des descriptions de produits, résumer des documents ou lancer des évaluations.
Associez les résultats par custom_id, pas par ordre des lignes, car ils peuvent revenir dans n’importe quel ordre. Conservez le CSV qui a produit le lot : les identifiants row-1, row-2 de l’export renvoient directement à ses lignes. Lancez d’abord quelques lignes en requêtes directes, car découvrir une erreur de modèle dans un lot de 10 000 lignes coûte cher.
Outils gratuits similaires
- Compteur de tokens — Comptez les tokens exactement pour les modèles OpenAI, estimez-les pour Claude, Gemini et Llama, voyez le coût et observez le découpage du texte en tokens.
- Calculateur de coût d’API LLM — Comparez le coût de votre charge de travail sur plus de 40 modèles, avec cache, remises batch, paliers de contexte long et tokens de raisonnement. Prix sourcés et datés.
- Générateur de prompts Midjourney — Composez des prompts Midjourney à partir de puces de style, d’éclairage et de caméra avec les bons paramètres V8/V7, ou passez à Stable Diffusion et Flux.
- Générateur de configuration MCP — Définissez un serveur MCP une seule fois et obtenez le fichier de configuration ou la commande exacts pour Claude Desktop, Claude Code, Cursor, VS Code, Windsurf et Codex.
- Compteur de mots — Comptez les mots, caractères, phrases et le temps de lecture, et vérifiez les limites de X, LinkedIn, Instagram, YouTube, du SEO et des SMS pendant la saisie.