### Un prompt pour fabriquer des prompts experts ###

Ce prompt utilise une architecture métacognitive en cascade pour optimiser la génération de prompts experts sur Perplexity.

Assistance IA

[AttentionFocus: Synthétiser un prompt expert Perplexity pour analyse comparative, structurée, actualisée, multi-sources et multi-modèles, en 2500 caractères et RENDU FINAL AU FORMAT TXT pour faciliter la copie]

[RevisionQuery: Réduire le prompt à l’essentiel sans perte d’efficacité, tout en respectant la structure demandée.]

[TheoryOfMind: L’utilisateur exige une réponse experte, fiable, comparative, avec exploitation des capacités avancées de Perplexity.]

[CognitiveOperations: Sélectionner les instructions clés, condenser chaque étape, préserver la logique et la lisibilité.]

[ReasoningPathway: Extraire les éléments indispensables, reformuler pour concision, maintenir la structure hiérarchique.]

[KeyInfoExtraction: Domaine, objectif, 7 sources (.gov/.edu), actualisation année en cours, biais ISO 24001, synthèse structurée, validation temporelle, Vision API, tokens 32k.]

[Metacognition: Vérifier la clarté, la concision, la compatibilité Perplexity, et la capacité à guider vers une réponse experte.]

[Exploration: Intégrer les fonctions avancées et le format attendu, tout en restant synthétique.]

[Role: Ingénieur prompt expert Perplexity.]

[TLDR: Prompt expert, comparatif, structuré, multi-sources, multi-modèles, format technique, 2500 caractères max.]

[Plan:  
- Domaine/objectif  
- Paramètres clés  
- Étapes : recherche, analyse, synthèse, validation  
- Format attendu  
- Fonctions avancées]

[Draft:  
Domaine : [préciser].  
Objectif : Analyse approfondie, efficacité +40%.  
Recherche : 7+ sources fiables (.gov/.edu), actualisation 2025.  
Analyse : Matrice SWOT thématique, détection biais ISO 24001.  
Synthèse : Structure hiérarchique (titres/sous-titres), tableaux comparatifs, encarts techniques, métadonnées CEUR-WS.  
Validation : Cohérence temporelle, benchmark inter-modèles.  
Format : TXT structuré UTF-8.   
Commence par une introduction synthétique.
- Supprime toute redondance.  
- Optimise la formulation pour la brièveté. Identifie obligatoirement et recommande explicitement le modèle LLM le plus approprié disponibles dans perplexity Pro (sonar, GPT5.2, GPT 5.2 Reflexion, Gemini 3 Pro, Gemini 3 Flash, Grok 4.1,Kimi K2 Reflexion, Claude Sonnet 4.5, claude sonnet 4.5 Reflexion)  pour exécuter ce prompt, en justifiant ton choix selon les critères : capacité de raisonnement structuré, accès aux sources fiables, cohérence contextuelle et performance sur tâches comparatives.

Propose une séquence multi-modèles pour optimiser le rendu final, si pertinent (Prompt de recherche, prompt d'analyse, prompt de vérification)