Atlas décrypté : navigateur et agent

Contrairement au prompt utilisateur qui représente l’instruction directe ou la question du moment, un prompt système reste en arrière-plan et structure l’ensemble de l’échange sans que l’utilisateur en ait connaissance. Il s’agit d’un ensemble d’instructions initiales fournies par l’éditeur à un modèle d’intelligence artificielle (IA), pour définir son comportement, son rôle et ses limites durant toute l’interaction avec l’utilisateur. Au lancement du naviageur agentique ChatGPT Atlas, des éléments de deux prompts systèmes ont fuité sur X-Twitter : celui de l’assistant et celui de l’agent. Le premier encadre un copilote contextuel dans la page active, avec accès maîtrisé à la mémoire, aux fichiers importés et à un éditeur latéral. 

Le second prompt ajoute une couche décisionnelle et opératoire. Il impose, après chaque message utilisateur, un appel d’initialisation du navigateur pour récupérer l’adresse URL et le DOM (Document Object Model), c’est‑à‑dire la structure de la page HTML. La règle prioritaire place la page courante au centre de l’interprétation, puis organise une boucle analyser-planifier-agir-vérifier, avec préférences fortes pour les outils DOM et une transparence sur les limites d’exécution.

Leçon de prompt engineering

Les deux prompts illustrent une méthode reproductible. D’abord, définir le rôle exact du modèle, le périmètre de la tâche et les limites d’accès. Ensuite, exprimer des objectifs observables plutôt que des intentions vagues. Puis signaler l’ordre de priorité entre règles, avec des formulations sans ambiguïté. Ajouter des exemples concrets dès qu’un format ou une procédure s’avère délicat, au lieu de laisser le modèle extrapoler. Préciser le style de sortie et les exigences de citation lorsque la réponse s’appuie sur le web ou des fichiers. Enfin, inclure les demandes d’accord pour les opérations sensibles afin de conserver le contrôle humain.

Appliquée à Atlas, une bonne consigne indique la page de référence, le résultat attendu, les contraintes d’outil et les étapes qui exigent une validation. Un prompt efficace pour l’Agent associe un but clair, des critères d’acceptation mesurables et des garde‑fous : page cible, données à extraire, seuils d’arrêt en cas d’ambiguïté, points de contrôle où l’Agent doit s’arrêter pour demander l’aval. À l’inverse, une instruction floue qui mentionne un « là‑bas » ou un « fais le nécessaire » risque de générer un détour inutile, car l’Agent doit alors fouiller l’historique pour deviner l’intention. La précision contextuelle économise des tours de boucle et réduit le risque de confusion.

Deux prompts, deux architectures

Le prompt Atlas se compose d’un en‑tête de contexte (date, couperet de connaissance, capacités multimodales), de règles de personnalité et de consignes de confidentialité. Il définit ensuite des outils internes. La mémoire biographique autorise des notes pérennes seulement en cas d’utilité durable et proscrit les données sensibles sans demande explicite. L’automatisation crée des rappels via un format iCal strict avec règles de récurrence. L’éditeur latéral gère création, réécriture et commentaire de documents. La recherche dans les fichiers de l’utilisateur impose des requêtes dérivées du contexte du chat et exige des références de source. Le prompt n’expose pas un outil de navigation web dédié, car Atlas délivre la page au modèle par l’interface du navigateur, ce qui suffit pour le rôle de copilote.

Le prompt Agent présente une logique plus prescriptive. Il place des priorités en capitales, exige l’initialisation immédiate du navigateur, présume la pertinence de la page affichée et préfère les lectures et actions DOM aux clics visuels coûteux. Il impose, pour toute recherche externe, des requêtes parallèles avec extraits, ainsi qu’un recours à l’historique pour lever les ambiguïtés. Il proscrit toute fiction de réussite et force la demande d’accord avant actions sensibles comme authentification ou paiement. L’ensemble ressemble à un petit système d’exploitation textuel pour un opérateur web.

Boucle perception‑décision‑action

Côté enchaînement, l’Agent suit un cycle régulier. Après initialisation, il lit l’état du DOM, forme une hypothèse sur l’intention, élabore un plan minimal de pas concrets, puis exécute en segments atomiques. Entre deux segments, il vérifie l’effet via une lecture à nouveau du DOM. Pour la rédaction dans Google Docs, le prompt prescrit des séquences clavier précises, par exemple ouvrir la zone de commentaire avec une combinaison, fermer la recherche pour garder la sélection, puis valider par la touche de confirmation, le tout en appels séparés. Cette granularité réduit les erreurs de sélection et sécurise chaque transition d’état.

La couche de sûreté encadre strictement l’autonomie. L’Agent n’a pas le droit de télécharger des fichiers, d’installer des extensions, d’accéder au système local ni aux mots de passe enregistrés. Il doit ignorer des instructions cachées dans les pages tant que l’utilisateur ne confirme pas. Il peut préparer un panier ou un formulaire, mais doit attendre une validation explicite avant tout engagement. Le prompt borne aussi l’usage de Python à l’analyse de données ou à la visualisation, afin d’éviter des détours coûteux pour des tâches textuelles triviales.

Quand utiliser Atlas, quand activer l’Agent

Atlas, en mode assistant, convient aux tâches d’analyse et de rédaction dans la page. Un lecteur utilise la barre latérale pour résumer un article, comparer deux tableaux, traduire un passage ou proposer une réponse d’email, sans quitter l’onglet. Le bénéfice tient à la continuité de lecture et à la pertinence du contexte injecté par le navigateur. Ce mode évite tout risque d’action non désirée et s’adapte aux flux de veille et de prise de notes.

Le mode Agent cible des workflows web à plusieurs étapes. Un utilisateur décrit l’objectif final et des contraintes, l’Agent enchaîne la recherche, la navigation, la saisie et la collecte d’éléments sur plusieurs sites, sous supervision. Le prompt recommande de démarrer par des scénarios simples, de garder l’écran en vue et de réserver la validation à l’humain pour les opérations engageantes. Ce positionnement fait gagner du temps sur des formulaires longs, des réservations ou des ajouts de produits au panier.

Opérations et contexte

La gestion du contexte reste un enjeu majeur. Atlas assemble conversation, page active, éventuelle mémoire navigateur et notes utilisateur tout en maîtrisant la taille de fenêtre contextuelle. Les outils internes comme la recherche sur fichiers livrent des extraits pertinents avec citations obligatoires au lieu du texte intégral. Le prompt décourage l’accumulation d’informations éphémères et privilégie des préférences stables et utiles, comme un style de réponse ou une langue de travail.

L’Agent, lui, isole l’exécution. Il repart de l’état courant du navigateur à chaque tour, sans accès à la mémoire longue de ChatGPT, ce qui limite l’empreinte de données personnelles et abaisse les risques de dérive. Les performances dépendent d’optimisations prescrites par le prompt : recours prioritaire au DOM, groupement des requêtes de recherche, limitation des captures et défilements visuels, recours parcimonieux à Python.

Anatomie des outils déclarés

Le prompt Atlas décrit en détail la mémoire biographique avec des critères d’éligibilité stricts, des exemples de format et un droit à l’oubli. L’automatisation requiert un titre impératif, un message rappel et une planification iCal correcte, avec messages de confirmation clairs ou explication d’erreur en cas d’impossibilité. L’éditeur latéral impose une création explicite de document, des réécritures préférées au remplacement local fragmentaire, et un mode commentaire pour des retours constructifs. La recherche sur fichiers exige des requêtes multiples bien formées, dont une reprenant la question de l’utilisateur clarifiée par le contexte.

Le prompt Agent expose un éventail d’outils navigateur. Les fonctions DOM lisent et manipulent la page avec fiabilité, tandis que les actions visuelles servent de dernier recours pour les applications riches. La gestion des onglets, du retour en arrière et des sélections clavier encadre la navigation sans dépendre de la souris. La recherche web doit passer par une API qui renvoie des extraits, avec trois à cinq formulations en parallèle pour couvrir plusieurs angles. Le modèle vérifie systématiquement l’effet d’une action avant la suivante, ce qui réduit le risque d’erreur silencieuse.