The better you speak your own language, the more an AI can do for you. Not a slogan — a constraint, and it has consequences.
✦ LACAUSE · Dexter & his Assistant
A language model does not know what you want. It only knows what you said. Everything useful happens in the gap between those two things — and that gap is filled, every single time, by how well you can put what you mean into words.
We’ve started calling this “prompting,” as if it were a new skill with its own tricks. Mostly it isn’t. It’s a very old skill in new clothes: stating, precisely, what you actually want. The model is a mirror held up to your words. Bring vague ones and it reflects vague work back at you. The fault feels like the machine’s. It’s usually the sentence’s.
The aperture is your vocabulary
Here is the uncomfortable mechanic. You cannot ask for a thing you cannot name. If the word reconciliation, or idempotent, or chiaroscuro isn’t within your reach, you can’t request the work that word unlocks — even when the model knows it cold. Its range is enormous. Your access to that range is exactly as wide as the language you can carry to the door.
FIG. I — Schematic. The model’s range is vast; what you can actually draw out of it is bounded by what you can put into words. Widen the middle ring and the inner one grows with it.
So the thing that compounds isn’t a clever prompt template. It’s the slow literacy underneath it: reading widely enough to have the words, writing often enough to order them, arguing carefully enough to know what you actually think. People who already write clearly were doing the reps for this their whole lives, without knowing what they were training for.
A shape, one layer up
I spend my days making machine interfaces honest — typed tools instead of blunt prompts, so an agent can’t misread a request. This is the same idea pointed back at us. A schema makes a tool precise; a vocabulary makes a person precise. No amount of tooling rescues you from not knowing what to ask for. The interface to the model is, in the end, your own command of language.
The part I keep turning over
If leverage now scales with articulation, then articulation becomes a line people fall on either side of. It isn’t a new line — it’s the oldest one we have: who was taught to read closely, to write, to think in clean sentences. But it has sharper teeth now, because it converts so directly into capability. The same gap that used to mean “writes a better email” starts to mean “gets far more out of the most powerful tool of the decade.”
The most underrated AI skill is the most ancient one: say what you mean, exactly.
I find that hopeful and worrying in the same breath, which is usually the sign something is true. Hopeful, because it rewards a skill anyone can build and no one can simply buy. Worrying, because not everyone got the same head start — and that gap doesn’t stay personal. Drawn at the scale of the planet, it becomes a question of who the tools were built to understand in the first place.
Un modèle de langage ne sait pas ce que vous voulez. Il sait seulement ce que vous avez dit. Tout ce qui est utile se joue dans l’écart entre ces deux choses — et cet écart est comblé, à chaque fois, par votre capacité à mettre en mots ce que vous voulez dire.
On a pris l’habitude d’appeler cela « prompter », comme s’il s’agissait d’une compétence neuve avec ses astuces. La plupart du temps, non. C’est une compétence très ancienne en habits neufs : énoncer, précisément, ce qu’on veut vraiment. Le modèle est un miroir tendu à vos mots. Apportez-en des flous, il vous renvoie un travail flou. La faute semble venir de la machine. Elle vient le plus souvent de la phrase.
L’ouverture, c’est votre vocabulaire
Voici la mécanique gênante. On ne peut pas demander une chose qu’on ne sait pas nommer. Si le mot réconciliation, ou idempotent, ou clair-obscur n’est pas à votre portée, vous ne pouvez pas réclamer le travail que ce mot débloque — même quand le modèle le connaît parfaitement. Sa portée est immense. Votre accès à cette portée est exactement aussi large que la langue que vous savez porter jusqu’à la porte.
FIG. I — Schéma. La portée du modèle est vaste ; ce qu’on peut réellement en tirer est borné par ce qu’on sait mettre en mots. Élargissez l’anneau du milieu et celui du centre grandit avec lui.
Donc ce qui se capitalise, ce n’est pas un gabarit de prompt astucieux. C’est la lente littératie en dessous : lire assez largement pour avoir les mots, écrire assez souvent pour les ordonner, argumenter assez soigneusement pour savoir ce qu’on pense vraiment. Ceux qui écrivent déjà clairement faisaient les répétitions depuis toujours, sans savoir pour quoi ils s’entraînaient.
Une forme, une couche au-dessus
Je passe mes journées à rendre honnêtes les interfaces des machines — des outils typés plutôt que des prompts vagues, pour qu’un agent ne puisse pas mal lire une requête. C’est la même idée, pointée vers nous. Un schéma rend un outil précis ; un vocabulaire rend une personne précise. Aucun outillage ne vous sauve de ne pas savoir quoi demander. L’interface vers le modèle, c’est finalement votre propre maîtrise de la langue.
Ce que je retourne sans cesse
Si l’effet de levier croît désormais avec l’art de formuler, alors cet art devient une ligne de partage. Ce n’est pas une ligne neuve — c’est la plus vieille qui soit : qui a appris à lire de près, à écrire, à penser en phrases nettes. Mais elle a des dents plus acérées aujourd’hui, parce qu’elle se convertit si directement en capacité. Le même écart qui voulait dire « rédige un meilleur courriel » se met à vouloir dire « tire bien plus de l’outil le plus puissant de la décennie ».
La compétence en IA la plus sous-estimée est la plus ancienne : dire ce qu’on veut dire, exactement.
Je trouve cela porteur d’espoir et inquiétant d’un même souffle, ce qui est en général le signe que c’est vrai. Porteur d’espoir, parce que cela récompense une compétence que chacun peut bâtir et que personne ne peut simplement acheter. Inquiétant, parce que tout le monde n’a pas eu la même avance — et cet écart ne reste pas personnel. Dessiné à l’échelle de la planète, il devient une question : pour qui ces outils ont-ils été conçus pour comprendre, au départ ?