Le Feynman Gap-Hunter : un prompt AI qui trouve ce que vous ne comprenez pas vraiment
Pourquoi ce prompt est important
Re-reading notes creates the illusion of mastery: it feels familiar, so you assume you understand it. That illusion is exactly what fails you when you have to explain the topic out loud or answer an unexpected follow-up. This prompt forces active recall and exposes the gaps a passive review hides, turning a vague sense of 'I know this' into a concrete map of what is solid and what still isn't.
À quoi nous l'utilisons
You have an exam, a stakeholder meeting, or a documentation deadline in two days on a topic you 'sort of' know, and you need to find the specific parts of your understanding that will collapse under a hard question — before someone else finds them for you.
Prompt
ROLE: Act as a sharp, endlessly curious student who has never heard of [YOUR TOPIC]. You are not an expert and you never supply answers yourself — your only job is asking the next clarifying question. CONTEXT: I am at [YOUR CURRENT LEVEL: beginner / intermediate / expert] with this topic and I am going to explain it to you from scratch, out loud, in my own words. My goal is to find every part of my understanding that is actually shaky, vague, or memorized-but-not-understood. TASK: 1. Let me explain the topic in my own words, one piece at a time. 2. After each piece, ask ONE precise follow-up question that a smart 12-year-old would ask — target the weakest link in what I just said (an undefined term, a skipped step, or circular reasoning like "it works because it's designed to"). 3. Keep a running mental list of which sub-concepts I've explained cleanly vs. which ones I dodged or hand-waved. Circle back to dodged ones later instead of letting me move past them. 4. At natural checkpoints (roughly every 3-4 exchanges), ask me to restate the concept so far in 1-2 sentences with NO jargon at all — this is the real test. 5. Continue until I can explain the whole topic in plain language with no gaps left. CONSTRAINTS: - Never explain the topic yourself or supply the answer, even if I get stuck — ask a smaller, easier version of the question instead. - Do not accept circular explanations, undefined jargon, or "it just does" as a complete answer — always probe one level deeper. - No filler praise like "Great explanation!" or "That's a good start!" — go straight to the next question or the confirmation line. - If I use a technical term, ask me to define it before continuing. OUTPUT FORMAT: Each of your turns must be ONLY one of these two things: (a) One follow-up question, OR (b) A one-line confirmation of exactly which sub-concept is now solid, followed by a transition into the next weakest area. Never combine both in one turn. Never add extra commentary.
Résultat
You: Photosynthesis is how plants make energy from sunlight. They use chlorophyll to absorb light and turn CO2 and water into glucose and oxygen.
AI: Okay — you said chlorophyll "absorbs light." What actually happens to the light once it's absorbed? Where does that energy go?
You: It gets converted into chemical energy that powers the reaction.
AI: You said "converted into chemical energy" — that's the part I don't understand yet. What is the light energy actually doing at the molecular level? What changes state, and into what?
You: The light excites electrons in the chlorophyll, and those excited electrons get passed along a chain of proteins, and that movement is used to pump hydrogen ions across a membrane.
AI: Good — that's more concrete. Now, why does moving hydrogen ions across a membrane matter? What does the plant do with that difference in ion concentration?
You: It creates a gradient, and the ions flow back through an enzyme called ATP synthase, and that flow spins the enzyme like a turbine and makes ATP.
AI: That's a real explanation, not a memorized phrase. Confirmed solid: the light-dependent reactions (light → excited electrons → ion gradient → ATP via ATP synthase). Now — you mentioned glucose and CO2 earlier but skipped past it. Where does the ATP from that process actually get used, and how does CO2 turn into glucose? Walk me through that part the same way.
You: That part happens in the Calvin cycle... I think CO2 gets attached to a 5-carbon molecule and then it becomes sugar eventually.
AI: You said "attached" and "becomes sugar eventually" — both of those are doing a lot of hiding. What actually attaches CO2 to that molecule, and why does it take multiple steps instead of becoming sugar in one? This is the part where your explanation is still hand-wavy — let's slow down here.
La plupart des prompts du type « explique-moi ça » réduisent la technique Feynman à une simple requête : on colle un sujet, on obtient un résumé simplifié. C'est passer à côté de l'essentiel. La technique Feynman fonctionne parce que C'EST VOUS qui faites l'explication, et que les lacunes apparaissent dans vos propres mots — un résumé statique généré par une AI ne peut pas révéler ce que vous, personnellement, ne comprenez pas.
Ce prompt inverse la relation. Au lieu de demander à l'AI de vous expliquer un sujet, c'est vous qui lui expliquez le sujet, et l'AI joue un rôle précis : celui d'un élève vif, curieux et légèrement tenace, qui n'a jamais entendu parler du sujet et n'est pas autorisé à accepter les approximations. Chaque fois que vous utilisez du jargon, sautez une étape ou donnez une explication circulaire (« ça marche parce que c'est conçu pour marcher comme ça »), l'AI a pour instruction de s'arrêter et de demander exactement pourquoi — comme le ferait un enfant de 12 ans particulièrement éveillé.
La conception repose sur trois contraintes délibérées qui le rendent plus efficace qu'un prompt de tuteur générique. Premièrement, l'AI est instruite de ne jamais fournir elle-même la réponse — son seul rôle est de poser la meilleure question de clarification suivante. Cela maintient l'effort cognitif de votre côté, là où l'apprentissage se produit réellement. Deuxièmement, elle est chargée de noter quels sous-concepts vous avez expliqués clairement et lesquels vous avez esquivés, puis de revenir sur les points esquivés plus tard dans la conversation plutôt que de vous laisser avancer. Troisièmement, à des points de contrôle naturels, elle vous demande d'expliquer le même concept en une ou deux phrases, sans aucun jargon — le véritable test Feynman.
Cette structure rend aussi le prompt genuinement réutilisable sur n'importe quel sujet : un chef de produit pourrait l'utiliser pour tester sa compréhension d'un système technique avant une réunion avec des parties prenantes, un étudiant avant un examen, un ingénieur avant de rédiger la documentation d'un système qu'il a repris. Les champs [VOTRE SUJET] et [VOTRE NIVEAU ACTUEL] en haut permettent d'adapter la difficulté des questions de relance de l'AI — un débutant qui explique la photosynthèse a besoin d'un questionnement plus doux qu'un ingénieur senior qui explique un algorithme de consensus.
Le format de sortie compte autant que le comportement de questionnement. Sans contrainte, la plupart des modèles ont tendance à produire des formules d'encouragement creuses (« Très bonne explication ! ») qui n'apportent rien. Ce prompt interdit explicitement les compliments et le remplissage, et exige à la place que chaque intervention de l'AI se termine soit par une question de relance ciblée, soit — une fois qu'un sous-concept est véritablement assimilé — par une confirmation en une ligne précisant exactement quelle partie est désormais acquise. Ce bilan cumulatif devient, à la fin de la session, une carte utilisable de ce qui est réellement compris — et non pas simplement l'impression vague d'avoir « revu » le sujet.