Guide · IA & agents
8 bibliothèques de prompts et patterns à connaître
Huit ressources publiques pour étudier prompts, patterns et contexte, avec leur propriétaire, leur licence, leur périmètre et leurs limites.

Une bibliothèque de prompts donne des exemples réutilisables. Un catalogue de patterns organise des méthodes ou des structures. Une documentation de techniques explique pourquoi et quand les employer. Les huit ressources ci-dessous ne jouent donc pas le même rôle. Leur ordre suit des usages, de l’automatisation générale à la création vidéo, sans classement ni score.
En bref. Commencez par Fabric si vous cherchez des patterns exécutables, par Prompt Engineering Guide pour apprendre les techniques, ou par Awesome Context Engineering pour élargir le travail au contexte d’un agent. Les cinq autres collections sont plus spécialisées, surtout en image et en vidéo. Toutes étaient accessibles publiquement le 4 novembre 2026. Lisez la licence du dépôt et les droits attachés à chaque contribution avant toute republication.
Tableau des huit ressources
Tableau vérifié le 4 novembre 2026. « Open source » décrit le dépôt ou la documentation publiée, pas automatiquement chaque prompt, image ou vidéo provenant d’un tiers.
| Ressource | Nature | Usage principal | Propriétaire ou mainteneur | Réutilisation | Plateforme |
|---|---|---|---|---|---|
| Fabric | Bibliothèque de patterns et outil | Automatiser des tâches textuelles | Daniel Miessler et contributeurs | MIT, notice à conserver | GitHub, CLI |
| Prompt Engineering Guide | Documentation de techniques et hub | Apprendre et comparer les méthodes | DAIR.AI, projet dirigé par Elvis Saravia | MIT, citation demandée par le projet | Web, GitHub |
| Awesome Context Engineering | Catalogue de techniques et références | Concevoir le contexte d’agents | Meirtz, contact Lingrui Mei, et contributeurs | MIT pour le dépôt ; sources liées sous leurs propres conditions | GitHub |
| awesome-gpt-image-2 | Bibliothèque de prompts et cas image | Étudier des structures pour GPT Image | freestylefly | MIT pour le projet ; droits tiers à vérifier par cas | Web, GitHub |
| awesome-seedance | Bibliothèque de prompts vidéo | Examiner des descriptions de plans et mouvements | ZeroLu et contributeurs | MIT pour le dépôt ; attribution aux créateurs d’origine | GitHub |
| awesome-opus-5.5-video-prompts | Bibliothèque sourcée de prompts vidéo | Retrouver le prompt et la publication d’origine | Li-Evan et contributeurs | CC BY 4.0 pour la collection ; attribution obligatoire | Web, GitHub |
| awesome-opus-5.5 | Catalogue de réalisations, prompts et guides | Parcourir des exemples Claude et leurs sources | SandBase Lab | MIT dans le fichier LICENSE ; droits tiers séparés | Web, GitHub |
| awesome-opus5-5-videos | Catalogue de vidéos et prompts publiés | Comparer des réalisations codées en vidéo | yihui-dev et contributeurs | MIT pour le dépôt ; vérifier chaque publication liée | GitHub |
Ces catégories évitent une confusion fréquente. Copier un exemple n’apprend pas à sélectionner le bon contexte, et lire une technique ne fournit pas forcément un prompt prêt à l’emploi. Pour écrire vos propres consignes, partez plutôt d’une structure de prompt de tâche, puis versionnez le résultat comme décrit dans le guide sur les prompts et le contexte agentique.
1. Fabric pour exécuter des patterns par tâche
Fabric est la ressource la plus proche d’une bibliothèque opérationnelle. Le projet range des prompts appelés « Patterns » par tâche concrète. Son outil en ligne de commande peut appliquer un pattern à une entrée, et le dépôt documente aussi la création de patterns personnels.[1]
Le propriétaire du projet est Daniel Miessler, avec des contributions communautaires. Le dépôt est sous licence MIT. Vous pouvez donc utiliser, modifier et redistribuer le code et les contenus couverts par cette licence, à condition de conserver la notice de copyright et le texte de licence dans les copies substantielles.
Son périmètre dépasse la simple inspiration. Fabric relie un catalogue à une interface d’exécution, ce qui convient aux tâches répétées : analyser un texte, en extraire une structure ou transformer une entrée selon une procédure stable. On peut aussi lire les patterns sans installer l’outil. Cette séparation est pratique si vous voulez d’abord étudier leur découpage.
La limite vient du caractère communautaire et généraliste du catalogue. Un pattern présent dans le dépôt n’est pas une preuve de qualité sur vos données, votre modèle ou votre langue. Certains supposent une sortie textuelle et ne traitent ni les permissions d’un agent ni la validation métier. Adaptez le pattern, ajoutez des cas de test et contrôlez les données envoyées au fournisseur de modèle.
2. Prompt Engineering Guide pour comprendre les techniques
Le Prompt Engineering Guide de DAIR.AI est d’abord une documentation de techniques. Il couvre les bases du prompting, le few-shot, les chaînes de prompts, ReAct, le RAG, les risques et plusieurs familles d’applications. Le site contient aussi un hub de prompts, mais sa valeur principale est d’expliquer les approches et de renvoyer vers les travaux associés.[2]

DAIR.AI maintient le projet, dirigé par Elvis Saravia. Le dépôt et le site source sont publiés sous licence MIT. Le README fournit en plus une référence bibliographique pour citer le guide. La réutilisation de passages substantiels demande donc de garder la notice de licence ; les articles scientifiques et ressources externes reliés depuis le guide conservent leurs propres conditions.
Utilisez cette ressource pour nommer une technique avant de chercher un exemple. Elle aide à distinguer une démonstration pédagogique d’un protocole adapté à la production. Elle est aussi plus utile qu’un grand dossier de prompts lorsque le problème porte sur la factualité, l’évaluation ou l’injection de contexte.
Sa limite est la largeur du sujet. Les pages rassemblent méthodes, notebooks, articles et exemples écrits à des dates différentes. Une technique documentée n’est pas une recommandation universelle, et un exemple associé à un ancien modèle peut réagir autrement avec un modèle récent. Vérifiez la documentation du fournisseur et mesurez le comportement sur vos cas.
3. Awesome Context Engineering pour élargir le cadre
Awesome Context Engineering est un catalogue de patterns, d’architectures et de références. Il traite du contexte long, de la récupération, de la mémoire, des outils, des protocoles d’agents et de l’observabilité. Le dépôt accompagne une enquête académique et organise surtout des liens vers des sources plus détaillées.[3]

Le dépôt est maintenu sous le compte Meirtz. Il nomme Lingrui Mei comme contact et accueille des contributions. Sa licence MIT couvre le contenu propre au dépôt. Elle ne change pas les licences des articles, frameworks ou documentations qu’il indexe. Si vous reprenez un diagramme ou un passage trouvé par cette liste, remontez toujours à la source.
Cette ressource convient lorsque « améliorer le prompt » ne suffit plus. Un agent dépend aussi des fichiers chargés, de sa mémoire, des résultats d’outils et de l’état transmis entre deux étapes. Le guide sur le harness d’un agent de code propose une mise en pratique de cette distinction.
Sa limite est l’ampleur du catalogue : son vocabulaire mélange recherche, produits et pratiques d’ingénierie. Il ne fournit pas une procédure unique à appliquer. Plusieurs liens décrivent des systèmes incompatibles entre eux. Servez-vous-en comme carte de lecture, puis choisissez une source primaire et une hypothèse testable.
4. awesome-gpt-image-2 pour les prompts structurés d’image
awesome-gpt-image-2 est une bibliothèque de prompts, de cas visuels et de modèles structurés destinés à GPT Image. Le projet, maintenu par freestylefly, associe une galerie web à un dépôt qui organise les exemples et leurs métadonnées.[4]
Le dépôt est sous licence MIT. Son propre avertissement précise toutefois que certains cas et visuels viennent de contenus publics tiers, que les auteurs d’origine conservent leurs droits et que l’usage commercial n’est pas garanti. La règle raisonnable est simple : la licence du logiciel et de l’organisation du dépôt ne transforme pas chaque image collectée en actif libre.
Cette bibliothèque sert à étudier la forme d’un brief image : sujet, composition, cadrage, lumière, texte à rendre ou contraintes d’édition. Elle montre aussi comment représenter des paramètres sous une forme structurée. Pour construire votre propre prompt, relevez les champs utiles et rédigez un exemple original au lieu de republier celui d’un tiers.
Sa limite tient à sa spécialisation dans une famille de modèles. Une structure qui fonctionne dans cette interface peut être ignorée ou interprétée différemment ailleurs. La présence d’une image réussie ne prouve pas non plus la reproductibilité du résultat. Les conditions exactes de génération et les éventuelles images de référence peuvent manquer.
5. awesome-seedance pour décrire un mouvement vidéo
awesome-seedance rassemble des prompts et des ressources pour Seedance. Les exemples sont classés par styles et usages vidéo, avec des liens vers les publications ou créateurs quand ils sont indiqués. Le dépôt appartient à ZeroLu et accepte des contributions qui doivent citer leur source.[5]

Le fichier LICENSE place le dépôt sous licence MIT. Une partie des prompts est toutefois collectée depuis X, WeChat ou d’autres publications. Le détenteur du dépôt ne peut pas, par cette seule licence, accorder davantage de droits que ceux obtenus auprès de chaque auteur. Conservez l’attribution et vérifiez la publication d’origine avant de réutiliser un texte ou un média.
Le périmètre est utile pour observer comment un prompt vidéo découpe une durée, décrit les plans, précise le mouvement de caméra et maintient un personnage. La collection propose aussi des variantes linguistiques, dont une version française. Elle peut nourrir une grille de lecture pour vos propres briefs vidéo.
La limite est double. La collection est liée à Seedance et ses exemples viennent de contextes de publication hétérogènes. Certains noms de réalisateurs, de marques ou d’œuvres peuvent soulever des questions de style, de droit d’auteur ou de marque. Ne considérez pas la présence d’un exemple comme une autorisation de produire ou diffuser son résultat.
6. Li-Evan pour remonter au prompt vidéo d’origine
awesome-opus-5.5-video-prompts est une bibliothèque spécialisée dans les vidéos générées par du code avec Claude. Li-Evan maintient le dépôt. Chaque fiche relie le prompt au post de son créateur, à un aperçu et à des notes sur les outils employés.[6]

La collection est publiée sous licence Creative Commons Attribution 4.0. Une redistribution du contenu couvert demande une attribution appropriée, un lien vers la licence et l’indication des modifications. Le dépôt agrège aussi des publications et médias d’auteurs différents. Pour un usage substantiel, citez donc le créateur de l’entrée et vérifiez les droits du post et des actifs associés, pas seulement ceux de la compilation.
La ressource est utile pour étudier le passage d’une consigne à une vidéo codée avec Canvas, SVG, Three.js, Remotion ou d’autres moteurs. Son guide de réalisation aide à lire les exemples par contraintes de rendu plutôt que par simple esthétique. Pour un workflow plus large, consultez aussi les skills et prompts pour une vidéo d’agent.
Sa limite vient d’un périmètre étroit : une version de Claude, des exemples publics et une sélection éditoriale. Les aperçus favorisent les résultats visibles, pas les essais ratés. Ils ne permettent donc pas de déduire un taux de réussite, un coût moyen ou une méthode optimale.
7. SandBase Lab pour parcourir les réalisations par format
Le dépôt awesome-opus-5.5 est un catalogue de vidéos, jeux, scènes 3D, interfaces et prompts associés. SandBase Lab le maintient et synchronise les entrées avec sa galerie. Des guides distincts abordent la rédaction d’un prompt, la conversion d’une page HTML en vidéo et la comparaison de modèles.[7]
Le fichier LICENSE du dépôt contient une licence MIT au nom de SandBase Lab. Cette autorisation couvre le travail que SandBase Lab peut placer sous cette licence. Les vidéos, captures, posts et prompts attribués à des créateurs externes restent liés à leurs sources et à leurs conditions. Gardez la notice MIT si vous redistribuez une partie substantielle du dépôt, puis demandez les droits nécessaires pour les médias tiers.
Le classement par type de sortie aide à chercher un cas voisin : motion design, jeu navigateur, scène Three.js ou explication animée. C’est un catalogue de réalisations et de patterns visuels, pas seulement une suite de textes. On peut comparer la précision du brief, le moteur choisi et la forme de l’artefact rendu.
Sa limite est la dépendance à la curation et à la plateforme SandBase. Les éléments retenus sont ceux qui ont été publiés et repérés. Les métadonnées d’un post ne documentent pas toujours les itérations, les fichiers de départ ou les corrections manuelles. Ne transformez pas cette sélection en benchmark.
8. yihui-dev pour une seconde lecture des vidéos codées
awesome-opus5-5-videos est un autre catalogue de vidéos produites avec Claude et du code. Le dépôt est maintenu par yihui-dev. Il relie les réalisations à leur publication et conserve le prompt lorsque l’auteur l’a rendu public.[8]
Le dépôt est sous licence MIT. Comme pour les deux collections précédentes, cette licence ne doit pas être étendue sans contrôle aux posts, vidéos et actifs de tiers. La bonne unité de vérification est l’entrée : auteur, source, texte disponible, média utilisé et licence éventuelle.
Cette ressource sert surtout à recouper une recherche. Deux catalogues peuvent indexer des exemples différents, employer d’autres catégories ou conserver des métadonnées distinctes. Comparer leurs liens vers la publication d’origine aide à repérer une attribution manquante avant de garder une référence.
Le recoupement a aussi une limite : deux listes peuvent reprendre la même source et répéter la même erreur. Elles ne deviennent pas deux preuves indépendantes. Pour publier un exemple, ouvrez le post d’origine, relevez son auteur et ne reprenez pas un prompt substantiel si ses conditions restent floues.
Comment choisir sans copier les prompts
Pour une tâche textuelle récurrente, commencez par Fabric et transformez le besoin en pattern testable. Pour apprendre une méthode, lisez le Prompt Engineering Guide. Pour un système agentique, Awesome Context Engineering aide à identifier si le problème vient du prompt, de la mémoire, de la sélection des fichiers ou des outils. Quand le prompt lui-même doit devenir mesurable, DSPy et le programme évaluable décrit l’approche par signatures, modules et métriques plutôt que par texte figé.
Les cinq collections visuelles servent davantage à observer des structures. Notez les éléments abstraits : durée, séquence des plans, contraintes de rendu, références autorisées et format de sortie. Écrivez ensuite votre propre brief avec vos actifs. Cette méthode évite de dépendre d’un texte tiers et donne un document adapté à votre projet.
Avant de conserver une ressource dans votre équipe, enregistrez son URL, son propriétaire, la licence lue, la date de vérification et la révision du dépôt. Ajoutez un contrôle de provenance pour chaque contribution externe. Une licence permissive ne remplace ni l’attribution ni la vérification des droits sur les médias.
Questions fréquentes
Une bibliothèque de prompts est-elle une collection libre de droits ?
Non. La licence du dépôt peut couvrir le code, l’organisation ou les textes de son propriétaire sans couvrir les contributions récupérées ailleurs. Vérifiez la licence et la source de chaque entrée avant de la copier, la modifier ou la publier.
Quelle différence entre un prompt et un pattern ?
Un prompt est une instruction donnée au modèle dans une situation précise. Un pattern décrit une structure réutilisable, parfois avec des variables, des étapes ou un format de sortie. Fabric emploie « Pattern » pour ses unités exécutables, tandis que d’autres ressources utilisent ce mot pour une technique générale.
Faut-il copier un prompt qui a produit une bonne vidéo ?
Mieux vaut en extraire la structure puis écrire un brief original. Le résultat visible dépend aussi du modèle, des actifs, des outils, des itérations et du montage. Copier le texte ne reproduit ni ces conditions ni les droits associés.
Comment garder une bibliothèque interne à jour ?
Conservez la source, la révision, la licence et un petit jeu d’évaluations avec chaque prompt. Relisez les changements avant une mise à jour. Supprimez les exemples dont la provenance ou l’usage autorisé ne peuvent plus être établis.
Sources
- [1] Fabric, dépôt officiel de Daniel Miessler, licence MIT, consulté le 4 novembre 2026.
- [2] Prompt Engineering Guide, dépôt officiel de DAIR.AI, licence MIT, consulté le 4 novembre 2026.
- [3] Awesome Context Engineering, dépôt officiel, licence MIT, consulté le 4 novembre 2026.
- [4] awesome-gpt-image-2, dépôt officiel de freestylefly, licence MIT et avertissement sur les contenus tiers, consulté le 4 novembre 2026.
- [5] awesome-seedance, dépôt officiel de ZeroLu, licence MIT, consulté le 4 novembre 2026.
- [6] awesome-opus-5.5-video-prompts, dépôt officiel de Li-Evan, licence CC BY 4.0, consulté le 4 novembre 2026.
- [7] awesome-opus-5.5, dépôt officiel de SandBase Lab, fichier
LICENSEMIT, consulté le 4 novembre 2026. - [8] awesome-opus5-5-videos, dépôt officiel de yihui-dev, licence MIT, consulté le 4 novembre 2026.