Cet article présente un cadre d'optimisation de prompts auto‑apprenant qui affine en continu les prompts des grands modèles de langage pour l'automatisation des questionnaires de sécurité. En combinant des métriques de performance en temps réel, une validation humaine en boucle et des tests A/B automatisés, la boucle délivre une précision de réponse supérieure, un délai d'exécution plus rapide et une conformité auditable — des avantages clés pour des plateformes comme Procurize.