Guide du prompt engineering : libérer le potentiel des modèles d’IA

Le prompt engineering consiste à élaborer soigneusement des entrées détaillées afin d’obtenir les résultats souhaités d’un modèle d’IA. Largement utilisé dans le traitement automatique du langage naturel (NLP), il consiste à adapter les bons types de prompts avec le niveau de détail nécessaire pour accroître la capacité du système à produire des résultats pertinents à partir des entrées de l’utilisateur.

Comprendre les différents types de prompts d’IA, connaître les techniques avancées pour les créer efficacement et savoir quelles erreurs courantes éviter améliorera la qualité de vos prompts et maximisera le potentiel de vos systèmes d’IA.

À RETENIR

• 
  Le prompt engineering optimise les réponses des modèles d’IA en orientant leurs résultats. (Accéder à la section)
• 
  Pour réussir ses prompts d’IA, il faut des objectifs clairs, un contexte pertinent et des détails précis. (Accéder à la section)
• 
  Il existe plusieurs types de prompts d’IA, adaptés à des objectifs et des applications variés. (Accéder à la section)
• 
  Les techniques avancées de prompting, comme le zero-shot, le few-shot et le prompting itératif, améliorent les performances de l’IA. (Accéder à la section)
• 
  Les pièges courants du prompting d’IA incluent les consignes vagues, le manque de contexte et l’absence d’itération sur les prompts. (Accéder à la section)

Qu’est-ce que le prompt engineering ?

Le prompt engineering est une compétence qui nécessite de combiner des connaissances techniques et une réflexion créative pour concevoir des prompts capables d’orienter les intelligence artificielle (IA) modèles de langage et d’obtenir les réponses souhaitées. Bien que le concept puisse sembler très technique, le prompt engineering repose avant tout sur le langage et la communication.

Toute entrée ne produit pas nécessairement un résultat utile lorsqu’on interagit avec un modèle d’IA. Le prompt engineering est simplement un moyen de s’assurer que sa requête est aussi claire et directe que possible, en orientant l’IA vers le bon contexte et la bonne intention. Le processus nécessite des améliorations constantes jusqu’à l’obtention des résultats les plus précis.

L’essor des applications alimentées par l’IA et des solutions correspondantes a rendu le prompt engineering de plus en plus important.

9 types de prompts d’IA

Il existe une grande variété de prompts d’IA utilisables dans de nombreux domaines, qu’il s’agisse de créer du contenu original ou de contribuer à résoudre des problèmes complexes. Ces prompts peuvent susciter des types de réponses particuliers de la part des systèmes d’IA, chacun étant conçu pour répondre à des besoins et des objectifs distincts. Savoir quel type de prompt utiliser pour générer les résultats souhaités est essentiel lorsqu’on travaille avec des modèles d’IA.

Les types de prompts d’IA comprennent les prompts informationnels, créatifs, de persona, de consignes, de complétion, de raisonnement, multimodaux et de classification.

Prompts informationnels

Ces types de requêtes demandent des informations ou des données précises à l’outil d’IA et l’orientent afin qu’il fournisse des faits dans sa réponse. Le résultat attendu est une réponse concise et informative qui répond directement à l’entrée ou à la requête. Ils sont généralement utilisés pour obtenir rapidement des informations simples, comme des définitions.

• Exemple de bon prompt : « Donne une brève explication de ce qu’est la GenAI. »
• Exemple de mauvais prompt : « Quel est le sens de la vie ? »

Prompts de complétion

Ces requêtes fournissent à l’outil d’IA une entrée partielle et lui demandent de compléter le reste. L’IA analyse le contexte et le contenu de l’entrée fournie, puis ajoute du contenu correspondant à son thème, son ton et son style. Les prompts de complétion sont utiles pour l’écriture créative et le codage.

• Exemple de bon prompt : « Continue cette histoire : « L’écrivain fixait la page blanche, espérant voir venir les mots. Soudain, une idée lui vint… » »
• Exemple de mauvais prompt : « Il était une fois, un être magique… »

Prompts de classification

Ceux-ci fournissent des informations brutes à l’IA et lui demandent de les classer selon des catégories prédéfinies. Ils peuvent s’appliquer à différents types d’entrées, notamment du texte, des images ou de l’audio, et sont généralement utilisés pour l’analyse des sentiments ou la classification de données.

• Exemple de bon prompt : « Classe le sentiment exprimé dans ces avis clients comme positif, négatif ou neutre. » [Ajoutez les avis clients à classer].
• Exemple de mauvais prompt : « Classe ce texte comme bon ou mauvais. »

Prompts créatifs

Ceux-ci demandent à l’IA de créer du contenu imaginatif, comme des poèmes, des chansons ou même des images. Les prompts créatifs lancent la génération de contenu original et sont ouverts, ce qui permet à l’IA de produire plusieurs réponses possibles. Ils peuvent fournir une idée ou un thème innovant pour stimuler la création.

• Exemple de bon prompt : « Compose un poème dramatique sur l’art généré par l’IA. »
• Exemple de mauvais prompt : « Écris une nouvelle totalement originale, détaillée et bouleversante, qui n’a jamais été racontée auparavant, avec des personnages et une intrigue auxquels personne n’a jamais pensé. »

Prompts de comparaison

Ceux-ci demandent à un système d’IA de comparer et d’opposer différents éléments, objets ou concepts, en mettant en évidence leurs similitudes et leurs différences. Le modèle d’IA examine les traits, les caractéristiques ou les propriétés communes aux éléments ou aux entités comparés. Les prompts de comparaison aident à comprendre les distinctions et à évaluer diverses options afin de faciliter la prise de décision.

• Exemple de bon prompt : « Compare les capacités de ChatGPT et de GPT-4. »
• Exemple de mauvais prompt : « Compare les styles artistiques de Leonardo DaVinci et de Picasso et explique pourquoi l’un est meilleur que l’autre. »

Prompts de raisonnement

Ces prompts demandent au système d’IA de faire preuve de capacités de résolution de problèmes, d’analyser une situation, de tirer des conclusions logiques et d’expliquer son raisonnement. Les prompts de raisonnement impliquent de mettre en balance plusieurs facteurs ou de prendre en compte différents points de vue. Ils sont idéaux pour résoudre des problèmes et prendre des décisions.

• Exemple de bon prompt : « Analyse nos données de ventes hebdomadaires de l’année passée et identifie les principaux facteurs qui influencent les ventes. Suggère ensuite des stratégies pour les optimiser. »
• Exemple de mauvais prompt : « Justifie pourquoi tout le monde devrait avoir les mêmes convictions politiques. »

Prompts de consignes

Ceux-ci attribuent une tâche à l’IA et lui demandent de créer des procédures étape par étape pour l’accomplir. Ces prompts vont au-delà des simples commandes : ils décrivent le processus précis que le modèle d’IA doit suivre. Ils sont généralement utilisés pour rédiger des tutoriels ou des recettes.

• Exemple de bon prompt : « Rédige des instructions détaillées, étape par étape, pour créer un compte Gmail. »
• Exemple de mauvais prompt : « Donne des instructions détaillées pour pirater un réseau sécurisé. »

Prompts de persona ou de jeu de rôle

Ceux-ci demandent à l’outil d’IA de simuler un rôle ou une persona particulière, en répondant comme s’il adoptait un personnage ou un point de vue. Ces prompts précisent les objectifs, les motivations et les attentes liés aux interactions de l’IA dans la persona, et sont largement utilisés dans les applications d’IA interactives, comme les assistants virtuels, pour rédiger des réponses personnalisées.

• Exemple de bon prompt : « Vous êtes conseiller financier. Quelles stratégies utiliseriez-vous pour aider vos clients à épargner en vue de leur retraite ? »
• Exemple de mauvais prompt : « Agis comme un voyant et prédis l’avenir avec une exactitude absolue. »

Prompts multimodaux

Ceux-ci permettent à un système d’IA de traiter différents types d’entrées et d’y répondre, notamment du texte, des images et de la voix. Ils fournissent à l’IA un contexte plus riche pour construire ses résultats et sont utilisés pour des tâches liées à la compréhension de contenus multimédias. Les prompts multimodaux peuvent améliorer les performances des modèles d’IA dans un large éventail de tâches, notamment la génération de légendes d’images et la reconnaissance de l’écriture manuscrite.

• Exemple de bon prompt : « Examine cette image de présentation en magasin et suggère des améliorations pour augmenter les ventes. » [Joignez l’image de la présentation en magasin.]
• Exemple de mauvais prompt : « Examine l’image de cette personne et génère un profil psychologique détaillé basé sur son apparence. »

Techniques utilisées en prompt engineering

Plusieurs techniques de prompting peuvent vous aider à ajuster et à orienter les réponses de l’IA afin d’obtenir des résultats non seulement plus utiles, mais aussi nettement plus précis pour diverses tâches et applications.

Diverses techniques, comme le zero-shot, le one-shot, le few-shot, le prompting itératif, le prompt chaining, le Chain-Of-Thought et le prompting négatif, sont utilisées en prompt engineering.

• Prompting zero-shot : Cette technique présente au modèle d’IA une tâche qu’il n’a jamais effectuée auparavant, sans exemples ni contexte préalable. Il doit donc s’appuyer entièrement sur son entraînement existant pour produire des résultats appropriés ; elle teste la capacité du modèle d’IA à généraliser à partir de ses données d’entraînement.
• Prompting one-shot : Cette technique fournit à l’IA un exemple de réalisation d’une tâche et l’oriente vers une réponse au format similaire ; l’utilisation d’un point de référence clair permet d’obtenir de meilleures réponses de l’IA.
• Prompting few-shot : Cette technique prolonge l’approche one-shot en ajoutant quelques exemples de la tâche ; comme avec le prompting one-shot, les exemples aident le modèle à comprendre le schéma ou les règles qui régissent la tâche et à générer des résultats ciblés.
• Prompting négatif : Cette technique demande à l’IA d’éviter certains éléments ou styles que vous ne souhaitez pas voir apparaître dans le résultat ; énoncer explicitement les contraintes négatives permet de mieux adapter la réponse de l’IA et d’éviter les résultats indésirables.
• Prompting itératif : Cette méthode demande au modèle d’IA d’affiner ou de développer sa réponse initiale au fil de plusieurs itérations, afin de l’aider à améliorer progressivement la qualité de son premier résultat grâce à des retours successifs.
• Prompting Chain-of-Thought (CoT) : Cette approche décompose les tâches complexes en étapes plus petites qui imitent le raisonnement humain, afin de rendre le processus de réflexion du modèle d’IA plus transparent et d’accroître la précision de ses réponses en veillant à la solidité de chaque étape du raisonnement.
• Prompt chaining : Cette technique décompose un prompt unique et multidimensionnel en une série de prompts ou de sous-tâches plus simples et interconnectés, afin d’aborder les tâches complexes de manière modulaire ; chaque prompt s’appuie sur le résultat du précédent, ce qui permet au modèle de se concentrer sur un aspect du problème à la fois et d’améliorer sa précision.

7 conseils pour créer un prompt efficace

Créer un prompt efficace exige de la créativité, une pensée analytique et une compréhension approfondie des forces et des limites du modèle d’IA. Les conseils suivants vous aideront à rédiger des prompts efficaces qui expriment clairement l’intention et établissent le contexte, afin que le système d’IA puisse générer des informations ou des actions pertinentes :

Pour créer un prompt d’IA efficace, définissez vos objectifs, fournissez du contexte, soyez précis et clair, donnez des exemples, fixez des limites, anticipez les demandes de clarification et soyez prêt à l’affiner.

• Définissez vos objectifs : Exprimez clairement ce que vous voulez que l’IA fasse ou les informations que vous recherchez, afin de mieux cibler votre prompt.
• Fournissez des informations contextuelles : Incluez toutes les informations générales, contraintes ou précisions nécessaires que l’IA doit prendre en compte.
• Soyez clair et précis : Soyez direct et sans ambiguïté, et évitez les formulations vagues qui pourraient entraîner de la confusion ou une mauvaise interprétation : le moindre changement dans le choix des mots ou la formulation peut produire des résultats différents. Structurez votre prompt d’IA selon un enchaînement logique et décomposez les tâches complexes en étapes faciles à gérer pour éviter toute confusion.
• Donnez des exemples : Fournissez des exemples à l’IA pour clarifier les tâches complexes : en incluant des résultats types avec votre prompt principal, vous pouvez orienter le modèle d’IA vers les résultats ciblés.
• Fixez des limites : Définissez des contraintes ou des limites pour restreindre le champ de réponse de l’IA : elles l’aident à comprendre ce que vous voulez ou ne voulez pas qu’elle fasse, réduisant ainsi le risque de réponses hors sujet.
• Anticipez les demandes de clarification : Préparez-vous à répondre aux éventuels malentendus ou à fournir les informations supplémentaires dont l’IA a besoin pour produire une meilleure réponse.
• Itérez et affinez vos prompts : Testez votre prompt et évaluez la réponse de l’IA. Si elle n’a pas produit le résultat escompté, affinez votre prompt et réessayez. Des tests et des ajustements continus amélioreront la qualité des résultats.

3 exemples de prompt engineering réussi

En élaborant méticuleusement vos prompts d’IA, vous pouvez orienter le comportement de l’IA pour atteindre des objectifs précis et améliorer ses performances. Les exemples suivants montrent comment l’utiliser avec différents outils d’IA pour générer de meilleures images, résumer plus efficacement des informations et jouer le rôle de différentes personas.

Génération d’images avec Stable Diffusion

Pour cet exemple, j’ai utilisé un prompt créatif avec la technique de prompting zero-shot afin de demander à Stable Diffusion AI de générer l’image d’un ours polaire et d’un golden retriever dans l’espace.

Résumé avec Ninja AI

Pour le deuxième exemple, j’ai combiné un prompt informatif avec un prompt négatif afin de demander à Ninja AI de résumer Roméo et Juliette de William Shakespeare sans utiliser les prénoms des personnages principaux.

Prompt de persona sur ChatGPT

Dans ce cas, j’ai utilisé un prompt de jeu de rôle ou de persona avec la technique du one-shot prompting pour demander à ChatGPT d’agir comme un représentant serviable du service client et de rédiger une réponse polie et empathique à un client, à partir de l’exemple de réponse fourni.

Erreurs courantes en prompt engineering

Connaître les erreurs courantes du prompt engineering vous aide à éviter de perdre du temps et des efforts, tout en garantissant la pertinence et l’exactitude des résultats produits par l’IA.

Les erreurs courantes en prompt engineering consistent notamment à donner des instructions vagues, à créer des prompts trop complexes, à fournir trop peu de contexte, à ignorer les limites de l’IA et à ne pas itérer sur les prompts.

• Instructions vagues : Des instructions vagues ou des prompts trop généraux produisent des résultats hors sujet : soyez précis, car chaque mot de votre prompt compte. Indiquez les détails importants, notamment ce que vous souhaitez obtenir et le format de sortie requis.
• Prompts trop complexes : Tout comme les prompts vagues peuvent entraîner de mauvais résultats, les prompts complexes peuvent désorienter l’IA. Les systèmes d’IA ont du mal à traiter plusieurs concepts simultanément, ce qui augmente le risque de mauvaise interprétation et de résultats sous-optimaux.
• Manque de contexte : Fournissez du contexte, notamment des informations générales, pour garantir la clarté. Par exemple, le prompt « Expliquez l’IA en termes simples qu’un utilisateur non technique puisse comprendre et utilisez des exemples pour décrire les concepts clés » fournit des informations supplémentaires qui permettent d’entraîner le système d’IA à adapter sa réponse.
• Ignorer les limites de l’IA : L’IA présente encore d’importantes limites à garder à l’esprit, comme l’absence de compréhension contextuelle, un entraînement reposant sur des données obsolètes ou la production d’informations incorrectes (ce que l’on appelle les hallucinations de l’IA).
• Ne pas itérer sur les prompts : Lorsque vous n’itérer pas sur vos prompts, vous passez à côté d’occasions d’améliorer la qualité et la pertinence des résultats générés par l’IA. Ajustez continuellement vos prompts pour obtenir des résultats plus précis et entraîner l’IA à mieux interpréter vos besoins.

Les 3 meilleures formations pour en apprendre davantage sur le prompt engineering de l’IA

Suivre des formations en prompt engineering de l’IA vous aidera à apprendre à formuler des instructions précises et nuancées, afin que les modèles d’IA comprennent votre intention et produisent des résultats utiles qui répondent à vos attentes. L’organisme de formation en ligne Coursera propose un large éventail de formations pertinentes pour développer vos compétences et vous rendre plus attractif auprès des principales entreprises spécialisées dans l’IA—nous vous recommandons les trois suivantes.

Spécialisation en prompt engineering, Vanderbilt University

Proposée par Vanderbilt University, la spécialisation en prompt engineering est une formation en trois parties conçue pour vous apprendre à élaborer des prompts d’IA destinés aux grands modèles de langage (LLM). Elle couvre les connaissances fondamentales et les techniques avancées, afin que vous puissiez utiliser l’IA générative (GenAI) pour l’automatisation, la productivité et l’augmentation des capacités intellectuelles.

Cette formation convient parfaitement aux débutants et comprend des exercices pratiques de prompt engineering. Un abonnement à ChatGPT+ est nécessaire pour la terminer.

IA générative : les bases du prompt engineering, IBM

La formation d’IBM intitulée « IA générative : les bases du prompt engineering » comprend trois modules qui explorent les principales techniques de prompting, comme le zero-shot et le few-shot, et présentent différentes approches, notamment l’Interview Pattern et le Tree-of-Thought. Elle présente également des outils de prompt engineering de l’IA comme IBM Watson X Prompt Lab, Spellbook et Dust.

Cette formation en prompt engineering de l’IA convient aux débutants et permet d’acquérir une expérience pratique dans l’IBM Generative AI Classroom.

Prompt engineering pour ChatGPT

Prompt Engineering for ChatGPT est une autre formation complète de Vanderbilt University. Ses six modules enseignent des techniques efficaces pour travailler avec ChatGPT. Elle couvre les principaux concepts et les bonnes pratiques, montre comment exploiter les capacités de l’IA et offre une compréhension intuitive du fonctionnement des modèles de langage, ainsi que de l’utilisation des schémas de prompts et des prompts de persona pour obtenir les résultats souhaités. Plus important encore, elle aborde les limites des prompts et les stratégies permettant de réutiliser les prompts.

Tout le monde peut suivre cette formation : les seules exigences sont des connaissances informatiques de base, comme savoir utiliser un navigateur et accéder à ChatGPT.

En résumé : le prompt engineering de l’IA est la clé pour optimiser les résultats de l’IA

Le prompt engineering de l’IA est nécessaire pour obtenir régulièrement des modèles de TAL optimisés. Grâce à des prompts bien structurés, vous pouvez entraîner les systèmes d’IA à construire des résultats pertinents et adaptés à vos besoins. Mais le prompt engineering de l’IA ne se résume pas à saisir quelques mots-clés : utilisez donc ce guide du prompt engineering pour découvrir les types de prompts adaptés aux différentes situations. Essayez les différentes techniques que nous avons présentées pour orienter les modèles d’IA vers les résultats souhaités. En combinant le bon type de prompt avec les techniques appropriées, vous pouvez obtenir des résultats cohérents et utiles à partir des modèles d’IA.

Gardez à l’esprit les pièges courants à éviter, expérimentez et affinez constamment vos prompts, et suivez des formations en prompt engineering de l’IA. Avec la pratique et l’expérience, vous développerez une compréhension fine de la manière de concevoir des prompts d’IA qui amènent les systèmes d’IA à produire les résultats souhaités.

Lisez notre guide consacré aux meilleurs outils de productivité basés sur l’IA pour découvrir les meilleurs outils d’IA permettant de fluidifier les flux de travail et d’améliorer l’efficacité.