12 Techniques de Prompt Engineering : Bien poser les questions à un LLM

Dans cet article

Introduction aux techniques de prompt engineering

Avec les LLM comme avec les humains, on obtient de meilleures réponses en posant bien les questions. Le prompt engineering est l’art de créer des prompts efficaces qui permettent d’obtenir les résultats souhaités d’un modèle de langage.

Les fournisseurs de LLM tels que OpenAI, Anthropic, Mistral et Google proposent des recommandations et techniques de prompt engineering obtenir des résultats plus pertinents.

Dans cet article, nous avons compilé toutes les bonnes pratiques proposées par ces fournisseurs, en les adaptant au monde de l’entreprise.

Le parti pris est de créer des prompts utilisateurs accessibles à tous, faciles à élaborer et compatibles avec l’ensemble des robots conversationnels grand public.

Découvrez les meilleures techniques de prompt engineering : l’art de bien poser les questions à un LLM.

Soyez clair dans vos instructions

Pour maximiser l’efficacité de vos prompts, la clarté est primordiale. Optez pour des phrases claires et concises.

Prompt

Résumer de façon concise ce texte qui décrit les LLM :

Texte : Un grand modèle de langage, grand modèle linguistique, grand modèle de langue, modèle de langage de grande taille ou encore modèle massif de langage (abrégé LLM de l’anglais large language model) est un modèle de langage possédant un grand nombre de paramètres (généralement de l’ordre du milliard de poids ou plus).

Ce sont des réseaux de neurones profonds entraînés sur de grandes quantités de texte non étiqueté utilisant l’apprentissage auto-supervisé ou l’apprentissage semi-supervisé. Les LLM sont apparus vers 2018 et ont été utilisés pour la mise en œuvre d’agents conversationnels.

Ils excellent également dans un large éventail de tâches. Au lieu d’être entraînés pour une tâche spécifique (telle que l’analyse des sentiments, la reconnaissance d’entités nommées ou le raisonnement mathématique), ils sont entraînés à prédire une suite probable à une entrée donnée. La qualité de leur sortie semble être en fonction de la quantité des ressources (taille des paramètres, puissance de calcul, données) et de la qualité des données qui leur sont fournies.

Les modèles de langage possédant un grand nombre de paramètres s’avèrent capables de capturer une grande partie de la syntaxe et de la sémantique du langage humain. Ils font également preuve d’une connaissance générale considérable sur le monde, et sont capables de « mémoriser » une grande quantité de faits lors de l’entraînement.

Robot conversationnel (ChatGPT 3.5)

Les LLM, ou grands modèles de langage, sont des réseaux de neurones profonds dotés d’un grand nombre de paramètres, généralement plus d’un milliard. Ils sont entraînés sur de vastes corpus de texte non étiquetés à l’aide de l’apprentissage auto-supervisé ou semi-supervisé. Ces modèles sont polyvalents, excellent dans de nombreuses tâches, car ils ne sont pas spécifiquement entraînés pour une seule, mais sont plutôt formés pour prédire des séquences probables. Leur performance dépend de la quantité et de la qualité des ressources et des données disponibles. En raison de leur taille, ces modèles peuvent saisir une grande partie de la syntaxe et de la sémantique humaine, et démontrer une connaissance générale étendue, ainsi qu’une capacité à « mémoriser » une quantité considérable de faits.

Fournissez un contexte détaillé

Pour vous assurer que le langage de modèle comprend votre tâche, fournissez autant de contexte et de détails que possible. Incluez toutes les règles ou exigences spécifiques.

Prompt

Contexte : Vous êtes responsable du marketing pour une nouvelle entreprise de logiciels appelée « Logiciel Malin » qui propose des solutions logicielles innovantes pour les entreprises de toutes tailles. Votre objectif est de créer une campagne publicitaire LinkedIn ciblant les directeurs informatiques et les responsables commerciaux à la recherche de solutions pour améliorer l’efficacité et la productivité de leur entreprise.

Instructions : Rédigez un texte publicitaire convaincant pour une publicité LinkedIn qui met en avant les avantages clés des solutions logicielles de Logiciel Malin. Utilisez un langage professionnel et persuasif pour attirer l’attention de votre public cible et les inciter à en savoir plus sur vos produits.

Robot conversationnel (ChatGPT 3.5)

En quête d’une solution logicielle pour booster l’efficacité et la productivité de votre entreprise ?

Découvrez Logiciel Malin, la suite de solutions logicielles innovantes conçues pour optimiser les opérations et booster la productivité des entreprises de toutes tailles.

Logiciel Malin, c’est :

  • Des solutions sur mesure pour répondre aux besoins spécifiques de votre entreprise.
  • Une technologie de pointe pour une efficacité et une performance accrues.
  • Une interface conviviale pour une utilisation simple et intuitive.
  • Un support client réactif pour vous accompagner à chaque étape.
  • Des milliers d’entreprises nous font confiance pour améliorer leurs performances.

Contactez-nous dès aujourd’hui pour une démonstration gratuite et découvrez comment Logiciel Malin peut transformer votre entreprise

Fournissez des exemples concrets

Les exemples dans le prompt aident le modèle à identifier des schémas et à générer des réponses appropriées. Les prompts avec quelques exemples régulent la mise en forme et la portée des réponses, tandis que les prompts sans exemple laissent plus de place à l’interprétation.

Prompt

Votre tâche consiste à réécrire une partie de la clause relative aux cookies du site web de l’entreprise « Logiciel Malin » selon l’exemple ci-dessous. Vous devez remplacer le nom de l’entreprise entre parenthèses sans les remettre en sortie.

Exemple : Nous utilisons des cookies sur notre site (insérer le nom du site) pour améliorer votre expérience de navigation et vous fournir des contenus et services adaptés à vos intérêts. En continuant à naviguer sur notre site (insérer le nom du site), vous acceptez l’utilisation de ces cookies. Si vous souhaitez en savoir plus sur l’utilisation que nous faisons des cookies ou comment les gérer, vous pouvez consulter notre politique de confidentialité.

Robot conversationnel (Mistral)

Nous utilisons des cookies sur notre site Logiciel Malin afin d’améliorer votre expérience de navigation et de vous proposer des contenus et des services adaptés à vos centres d’intérêt. En poursuivant votre navigation sur notre site Logiciel Malin, vous acceptez l’utilisation de ces cookies. Si vous souhaitez obtenir plus d’informations sur l’utilisation que nous faisons des cookies ou savoir comment les gérer, vous pouvez consulter notre politique de confidentialité.

Attribuez un rôle au LLM

Le rôle prompting consiste à attribuer un rôle au LLM pour adapter son style en fonction du contexte. Cette technique peut être utile pour les tâches complexes, les styles de communication spécifiques et la personnalisation des réponses du LLM.

Exemple sans lui donner de rôle

Prompt

Rédigez une petite introduction sur l’intelligence artificielle (IA).

Robot conversationnel (ChatGPT 3.5)

L’intelligence artificielle (IA) est un domaine de l’informatique qui vise à créer des systèmes capables d’imiter certaines fonctions cognitives humaines, telles que l’apprentissage, la perception, le raisonnement et la prise de décision. En utilisant des algorithmes et des modèles inspirés du fonctionnement du cerveau humain, l’IA permet aux machines d’accomplir des tâches qui nécessitent normalement l’intelligence humaine. Ce domaine en constante évolution joue un rôle croissant dans de nombreux aspects de notre vie quotidienne, de la recommandation de contenu en ligne à la conduite autonome des véhicules, en passant par la médecine et la finance. L’IA promet des avancées significatives dans de nombreux domaines, mais soulève également des questions éthiques, sociales et économiques sur son impact sur la société et sur l’avenir du travail.

Cependant, en lui attribuant le rôle d’un professeur d’informatique d’université, les performances du modèle de langage s’améliorent considérablement et il est capable de fournir une réponse plus précise et adaptée au public cible. Le professeur s’adresse directement aux élèves et utilise un langage simple et imagé. Il explique les concepts de base de l’IA de manière ludique et engageante.

Exemple en lui donnant un rôle

Prompt

Vous êtes un professeur d’informatique d’université qui doit expliquer les bases de l’intelligence artificielle à ses élèves. Rédigez une petite introduction sur l’intelligence artificielle (IA).

Robot conversationnel (ChatGPT 3.5)

Bienvenue à tous dans notre cours sur l’intelligence artificielle ! Aujourd’hui, nous allons plonger dans le fascinant monde de l’IA, un domaine qui a révolutionné notre manière de penser et d’interagir avec la technologie.

L’intelligence artificielle, ou IA, est une branche de l’informatique qui se concentre sur la création de systèmes capables d’exécuter des tâches qui exigeraient normalement l’intelligence humaine. Ces tâches peuvent aller de la reconnaissance de la parole à la prise de décision autonome en passant par la compréhension du langage naturel.

À la base de l’IA se trouve le concept de « l’apprentissage machine » (ou machine learning en anglais), qui consiste à permettre aux machines d’apprendre à partir des données et de s’améliorer avec l’expérience, sans être explicitement programmées pour chaque tâche. Cette capacité à apprendre et à s’adapter est ce qui distingue l’IA des programmes informatiques traditionnels.

L’IA est présente dans de nombreux aspects de notre vie quotidienne, des recommandations de films sur Netflix à la reconnaissance faciale sur nos smartphones en passant par les voitures autonomes. Son influence continue de croître et de se développer, ouvrant la voie à de nouvelles possibilités et défis passionnants.

Dans ce cours, nous explorerons les principes fondamentaux de l’IA, les différents types d’algorithmes d’apprentissage machine, les applications pratiques de l’IA dans divers domaines, ainsi que les questions éthiques et sociales soulevées par son développement.

Préparez-vous à plonger dans un univers d’innovation et de découverte !

Formatage des prompts

Formatage d’entrée

Le formatage d’entrée permet de clarifier la structure et le contenu du prompt fourni au LLM. Cela peut se faire en utilisant des libellés spécifiques pour identifier des parties importantes du texte, comme le type de contenu ou des sections distinctes.

Exemple : ​​Le formatage d’entrée utilisé ici comprend la division du contenu en sections distinctes, telles que l’introduction, le corps et la conclusion.

Prompt

Créer un plan d’article de blog (introduction, corps, conclusion) en sur l’impact de l’intelligence artificielle sur le marketing numérique.

Robot conversationnel (Gemini)

Introduction

  • Capter l’attention du lecteur avec une anecdote ou une statistique percutante sur l’utilisation de l’IA dans le marketing numérique.
  • Introduire brièvement le concept d’intelligence artificielle (IA) et son influence croissante dans divers domaines.

Corps

L’IA au service de l’analyse marketing :

  • Expliquer comment l’IA permet aux entreprises de collecter et d’analyser de grandes quantités de données marketing provenant de diverses sources (sites web, réseaux sociaux, campagnes marketing, etc.).
  • Mettre en évidence les avantages de l’analyse de données assistée par l’IA : identification des tendances du marché, compréhension du comportement des clients, optimisation des campagnes marketing, etc.

L’IA pour une personnalisation client accrue :

  • Décrire comment l’IA permet aux entreprises de créer des expériences marketing personnalisées et ciblées pour chaque client.
  • Expliquer le concept de segmentation client basée sur l’IA et son utilisation pour diffuser des messages pertinents et des offres personnalisées.

L’IA pour l’automatisation des tâches marketing :

  • Présenter l’automatisation des tâches marketing comme un domaine clé d’application de l’IA.
  • Décrire comment l’IA peut automatiser des tâches répétitives et chronophages, telles que la gestion des emails, la création de rapports, la publication sur les réseaux sociaux, etc.

Conclusion

  • Synthétiser les points clés abordés dans l’article sur l’impact de l’IA sur le marketing numérique.
  • Réaffirmer le rôle transformateur de l’IA dans le paysage marketing actuel.
  • Ouvrir la discussion sur les enjeux éthiques et sociétaux liés à l’utilisation de l’IA dans le marketing

Formatage de sortie

Le formatage de sortie permet de spécifier le type de réponse attendu du LLM. Cela peut concerner le format de données (JSON, HTML…), la structure du texte (paragraphes, listes…) ou le style de la réponse (formel, informel…).

Exemple 1 : Le formatage de sortie est du code Python.

Prompt

Générer du code Python pour calculer la somme de 10 et 20

Robot conversationnel (ChatGPT 3.5)

a = 10
b = 20
somme = a + b
print(« La somme de », a, « et », b, « est égale à », somme)

Exemple 2 : Le formatage de la sortie définit le ton formel et la structure attendue du texte.

Prompt

Créer un plan d’article de blog (introduction, corps, conclusion) en français sur l’impact de l’intelligence artificielle sur le marketing numérique, sous un ton formel.

Voici une structure de base pour le plan :
I. Introduction
Présentation du sujet

Robot conversationnel (Gemini)

I. Introduction
Marketing numérique en pleine mutation avec l’IA comme outil disruptif.
Problématique : Comment l’IA transforme-t-elle le marketing numérique ?

II. Corps de l’article
A. IA pour l’analyse et la compréhension des données clients
Collecte, analyse et traitement de vastes volumes de données clients.
Profils clients précis, tendances comportementales et segmentation d’audience.

B. IA pour l’optimisation des campagnes marketing et l’automatisation
Optimisation des campagnes marketing en temps réel.
Automatisation des tâches marketing répétitives.

C. IA pour la création de contenu et l’engagement client personnalisé
Contenus marketing pertinents et personnalisés.
Chatbots et assistants virtuels pour une expérience client interactive.

III. Conclusion
Impact transformateur de l’IA sur le marketing numérique.
Défis potentiels liés à l’adoption de l’IA : éthique, transparence, biais algorithmique.
Utilisation responsable et stratégique de l’IA pour maximiser ses bénéfices.

Définir les sections du texte avec des délimiteurs

Les délimiteurs (tels que ###, << >>) permettent de structurer clairement les différentes sections d’un prompt destiné au LLM. Cela facilite la compréhension du prompt par le LLM et lui permet de mieux cerner les différentes parties du contenu.

Exemple de prompt avec délimiteur :

Prompt

Traduit le texte suivant de l’anglais entre les balises <anglais></anglais> vers le français et incluez le résultat entre les balises <francais></francais>

<anglais>Our new software product helps businesses manage their inventory and supply chain with ease.</anglais>

Robot conversationnel (Gemini)

<francais>Notre nouveau produit logiciel aide les entreprises à gérer leur inventaire et leur chaîne d’approvisionnement facilement.</francais>

Utilisez le chaînage de prompts

La méthode de chaînage de prompts (Chain Prompt) consiste à utiliser la réponse à un prompt comme point de départ pour un autre prompt. Vous pouvez ainsi guider le LLM à travers une série de tâches plus petites pour atteindre un objectif complexe.

Prompt 1 : Rédiger une introduction

Prompt

Rédiger une introduction pour un nouveau logiciel de gestion de projet.

Robot conversationnel (Mistral)

Nous sommes ravis de vous présenter notre nouveau logiciel de gestion de projet, conçu pour aider les entreprises à gérer efficacement leurs projets et à atteindre leurs objectifs. Notre logiciel offre une interface conviviale et des fonctionnalités avancées pour faciliter la planification, le suivi et la collaboration sur les projets.

Prompt 2 : Utilise la sortie de la question 1 afin de créer une liste à puces

Prompt

Utiliser la réponse de l’introduction entre les balises pour créer une liste à puces des fonctionnalités clés du logiciel.

Nous sommes ravis de vous présenter notre nouveau logiciel de gestion de projet, conçu pour aider les entreprises à gérer efficacement leurs projets et à atteindre leurs objectifs. Notre logiciel offre une interface conviviale et des fonctionnalités avancées pour faciliter la planification, le suivi et la collaboration sur les projets.

Robot conversationnel (Mistral)

  • Planification de projet facile avec des modèles personnalisables
  • Suivi en temps réel de l’avancement des tâches et des jalons
  • Collaboration efficace grâce à des outils de communication intégrés
  • Gestion des ressources et des budgets
  • Rapports et tableaux de bord personnalisables pour suivre les performances du projet

Méthode Chain of Thought (CoT)

Pour faciliter la résolution de problèmes complexes, la méthode Chain of Thought (CoT) peut être utile. Cette approche consiste à diviser la tâche en étapes de raisonnement intermédiaires plus simples et à guider le modèle dans un processus de réflexion logique pour générer une réponse.

La façon la plus simple d’encourager la réflexion étape par étape est d’inclure la phrase « Réfléchissez étape par étape » dans votre prompt.

Exemple 1

Prompt

Les entreprises Amazon et Microsoft utilisent-elles la même technologie de stockage de données pour leurs services cloud respectifs ? Réfléchissez étape par étape.

Le LLM décompose ensuite son processus de réflexion avant de fournir une réponse finale :

Robot conversationnel (Mistral)

Pour déterminer si Amazon et Microsoft utilisent la même technologie de stockage de données pour leurs services cloud respectifs, procédons par étapes :

Étape 1 : Identifier la technologie de stockage de données utilisée par Amazon pour son service cloud.
Après recherche, nous avons trouvé qu’Amazon utilise sa propre technologie de stockage de données, appelée Amazon S3 (Simple Storage Service), pour son service cloud AWS (Amazon Web Services).

Étape 2 : Identifier la technologie de stockage de données utilisée par Microsoft pour son service cloud.
Après recherche, nous avons trouvé que Microsoft utilise également sa propre technologie de stockage de données, appelée Azure Blob Storage, pour son service cloud Azure.

Étape 3 : Comparer les deux technologies de stockage de données.
Amazon S3 et Azure Blob Storage sont deux technologies de stockage de données différentes. Bien qu’elles aient des fonctionnalités similaires, elles ont été développées séparément par des entreprises différentes et ont des caractéristiques et des performances différentes.

Étape 4 : Conclure si les deux entreprises utilisent la même technologie de stockage de données.
Amazon et Microsoft n’utilisent pas la même technologie de stockage de données pour leurs services cloud respectifs. Amazon utilise Amazon S3, tandis que Microsoft utilise Azure Blob Storage.

Pour aller plus loin dans l’utilisation de la méthode Chain of Thought, vous pouvez aussi suivre l’approche suivante :

  • Décomposer la requête : La requête est d’abord décomposée en étapes plus petites.
  • Fournir des exemples : Des exemples de raisonnement par étapes sont fournis au LLM pour l’aider à comprendre l’approche attendue.
  • Réfléchissez étape par étape : Le LLM est invité à justifier sa réponse en expliquant chaque étape du raisonnement.

Exemple 2

Prompt

Contexte : Notre entreprise est spécialisée dans la vente en ligne et souhaite améliorer son processus de livraison. Comment pourrions-nous réduire le délai de livraison de nos produits ?

Dans cette démarche, vous devez d’abord :

  1. Identifier les facteurs ayant une influence sur le délai de livraison.
  2. Trouver des moyens de réduire le temps nécessaire à la préparation des commandes.
  3. Trouver des moyens de réduire le temps de transport des commandes.

Voici quelques exemples pour vous guider dans votre réflexion :

  • Les facteurs qui impactent le délai de livraison peuvent inclure la distance entre notre entrepôt et le client, le mode de transport utilisé, ainsi que le temps nécessaire à la préparation des commandes.
  • Pour diminuer le temps de préparation des commandes, nous envisageons d’utiliser des systèmes automatisés, d’optimiser le stockage des produits dans l’entrepôt et de former nos employés à des méthodes de préparation plus efficaces.
  • Pour réduire le temps de transport des commandes, nous pourrions recourir à des services de livraison plus rapides, optimiser les itinéraires de livraison et éventuellement mettre en place des entrepôts plus proches des clients.

Réfléchissez étape par étape

Robot conversationnel (Mistral)

Étape 1 : Identifier les facteurs ayant une influence sur le délai de livraison.

Pour comprendre les facteurs qui influencent le délai de livraison, vous devez analyser les différentes étapes du processus de livraison. Cela comprend la préparation des commandes, l’emballage, le temps de transit et la livraison au client. Vous devez également prendre en compte les facteurs externes tels que les conditions météorologiques, les embouteillages et les retards des transporteurs.

Étape 2 : Pour réduire le temps de préparation des commandes, vous pouvez envisager les solutions suivantes :

  • Automatisation : Utilisez des systèmes automatisés pour la préparation des commandes.
  • Optimisation du stockage : Optimisez le stockage des produits dans l’entrepôt pour réduire le temps de déplacement des employés. Vous pouvez utiliser des systèmes de stockage verticaux, des systèmes de stockage dynamiques ou des systèmes de stockage automatisés.
  • Formation des employés : Formez vos employés à des méthodes de préparation de commandes plus efficaces.

Étape 3 : Pour réduire le temps de transport des commandes, vous pouvez envisager les solutions suivantes :

  • Services de livraison plus rapides : Utilisez des services de livraison plus rapides tels que la livraison express ou la livraison le jour même.
  • Optimisation des itinéraires de livraison : Utilisez des logiciels d’optimisation des itinéraires de livraison pour réduire le temps de transit. Ces logiciels peuvent prendre en compte les conditions de circulation, les restrictions de livraison et les heures d’ouverture des clients.
  • Entrepôts plus proches des clients : Mettez en place des entrepôts plus proches des clients pour réduire la distance de livraison. Cela peut inclure des entrepôts régionaux ou des entrepôts urbains.
  • Utilisation de véhicules plus rapides : Utilisez des véhicules plus rapides tels que des motos ou des vélos pour la livraison en zone urbaine.

En mettant en œuvre ces solutions, vous pouvez réduire le délai de livraison de vos produits et améliorer la satisfaction de vos clients.

Testez différentes versions

L’élaboration d’un prompt est un processus itératif qui nécessite souvent plusieurs essais pour obtenir la meilleure réponse souhaitée.

L’utilisation de formulations ou de mots différents dans vos prompts peut générer des résultats différents avec le même modèle, même si les prompts ont le même sens. Si vous n’obtenez pas les résultats escomptés, essayez de reformuler.

Version 1

Prompt

Comment créer un tableau de bord de suivi des ventes ?

Robot conversationnel (Gemini)

Créer un tableau de bord de suivi des ventes :
Objectifs : Définir clairement ce que vous voulez suivre et qui utilisera le tableau de bord.

KPI : Sélectionner les indicateurs clés de performance pertinents pour vos objectifs.

Outil : Choisir un outil adapté à vos besoins et à vos compétences.

Conception : Concevoir un tableau de bord clair, concis et informatif.

Suivi : Mettre à jour régulièrement le tableau de bord, analyser les tendances et ajuster en fonction des besoins.

Ressources : De nombreux exemples et guides sont disponibles en ligne.

Conseils : Impliquer les utilisateurs, utiliser des filtres, partager le tableau de bord et inclure des commentaires contextuels.

Version 2

Prompt

Proposer une méthode pour créer un tableau de bord de suivi des ventes.

Robot conversationnel (Gemini)

Créer un tableau de bord de suivi des ventes :

  1. Définir vos objectifs et votre public cible.
  2. Sélectionner les indicateurs clés de performance (KPIs).
  3. Choisir un outil de création de tableau de bord.
  4. Concevoir votre tableau de bord.
  5. Tester et affiner votre tableau de bord.
  6. Mettre à jour votre tableau de bord régulièrement.

Version 3

Prompt

Proposer la méthode la plus efficace pour créer un tableau de bord de suivi des ventes ?

Robot conversationnel (Gemini)

Créer un tableau de bord de suivi des ventes efficaces :

  1. Définir vos objectifs et votre public.
  2. Choisir les KPI pertinents (5-6 max).
  3. Sélectionner un outil adapté (Excel, tableau de bord cloud…).
  4. Concevoir un tableau de bord clair et visuel.
  5. Mettre à jour les données régulièrement.
  6. Utiliser le tableau de bord pour prendre des décisions.

Régénérez les réponses

Si la réponse que vous attendiez n’est pas tout à fait juste ou exacte, vous pouvez exploiter la capacité du LLM à régénérer une nouvelle réponse.

Exemple avec Google Gemini :

Prompt

Rédiger une introduction de 50 mots pour un article de blog sur les avantages de l’utilisation de la méthode Agile dans le développement de logiciels.

Grâce à Gemini, il est possible de demander la reformulation de la réponse en adoptant divers registres, dont un ton professionnel conforme aux exigences de notre domaine.

Générez des requêtes avec des contenus multimédias

Une requête multimodale combine plusieurs modes de communication (texte, parole, images…) pour transmettre une information à l’IA, lui permettant une réponse plus précise et pertinente.

Pour améliorer les requêtes multimodales, vous devez :

  • Indiquez les aspects pertinents de l’image pour guider le modèle.
  • Demandez au modèle de décrire les images avant de fournir l’instruction de la tâche.
  • Référez-vous au contenu de l’image dans la requête pour obtenir des résultats plus adaptés.

Exemple de requête multimodale :

Prompt

En observant l’image ci-dessous, pouvez-vous identifier les éléments clés qu’elle présente et déterminer à quelle analyse stratégique, ils correspondent ?

Image provenant de Google Images

Robot conversationnel (Gemini)

L’image présente une matrice SWOT, qui est un outil d’analyse stratégique utilisé pour identifier les forces, faiblesses, opportunités et menaces d’une organisation. La matrice est divisée en quatre quadrants :

Forces : Le quadrant supérieur gauche répertorie les forces de l’organisation. Ce sont les aspects dans lesquels l’organisation excelle et qui lui donnent un avantage concurrentiel.
Faiblesses : Le quadrant inférieur gauche répertorie les faiblesses de l’organisation. Ce sont les aspects dans lesquels l’organisation est en difficulté et qui pourraient la désavantager.
Opportunités : Le quadrant supérieur droit répertorie les opportunités qui existent pour l’organisation. Ce sont des facteurs externes favorables que l’organisation peut exploiter pour se développer.
Menaces : Le quadrant inférieur droit répertorie les menaces auxquelles est confrontée l’organisation. Ce sont des facteurs externes défavorables qui pourraient nuire à la performance de l’organisation.

Évaluez les réponses avec les LLM

Afin de garantir la fiabilité et la robustesse des réponses des LLM, les techniques d’évaluation jouent un rôle important en permettant d’évaluer la qualité et la validité du texte généré. Ces techniques de prompt engineering fournissent des informations précieuses sur les points forts et les limites des LLM, favorisant ainsi l’amélioration continue et le perfectionnement de leurs capacités.

Inclure un indice de confiance

Il est possible d’inclure un indice de confiance dans le résultat généré.

Cet indice de confiance permet à l’utilisateur de voir la façon dont le modèle évalue ses propres réponses et de prendre des décisions en conséquence.

Prompt

Vous êtes un système de résumé qui peut fournir des résumés avec des notes de confiance associées.

Dans un langage clair et concis, fournissez trois courts résumés du texte suivant sur OpenAI, ainsi que leurs notes de confiance respectives. Vous ne répondrez que par un objet JSON avec les clés Résumé et Confiance. Ne fournissez pas d’explications.

Texte :

{https://fr.wikipedia.org/wiki/OpenAI}

Robot conversationnel (Gemini)

[
{ « Résumé » : « OpenAI est une entreprise de recherche en intelligence artificielle fondée en 2015 avec pour mission de veiller à ce que l’intelligence artificielle profite à toute l’humanité. L’entreprise est connue pour ses travaux de pointe dans le domaine de l’apprentissage par renforcement, notamment le développement du robot humanoïde Dojo et de l’agent d’intelligence artificielle Dota 2, Five. »,
« Confiance »: 0.9 },

{ « Résumé » : « OpenAI a été fondée par Elon Musk, Sam Altman, Ilya Sutskever et d’autres, et a depuis levé plus d’un milliard de dollars en financement. L’entreprise a fait l’objet de critiques pour ses liens avec l’industrie de la défense et son potentiel de développement d’une intelligence artificielle dangereuse. »,
« Confiance »: 0.8 },

{ « Résumé »: « OpenAI est une organisation controversée, mais elle est également l’un des leaders mondiaux de la recherche en intelligence artificielle. Ses travaux ont le potentiel de révolutionner de nombreux aspects de notre vie, mais il est important de s’assurer que cette technologie est utilisée au profit de tous. »,
« Confiance »: 0.7 }

]

Introduire une étape d’évaluation

Nous demandons au LLM de générer trois résumés et d’évaluer ces trois résumés. Cette démarche permet d’obtenir une évaluation plus précise des sorties générées.

Prompt

On vous donne un texte et vous devez fournir des résumés et les évaluer.

Texte :

{https://fr.wikipedia.org/wiki/OpenAI}

Étape 1 : Dans cette étape, vous devez fournir trois courts résumés du texte donné. Chaque résumé doit être clair, concis et reprendre les points clés du discours. Chaque résumé doit comporter environ 2 à 3 phrases.

Étape 2 : Évaluez les trois résumés de l’étape 1 et choisissez celui qui vous semble le meilleur. Expliquez votre choix en soulignant des raisons spécifiques telles que la clarté, l’exhaustivité et la pertinence par rapport au contenu du discours.

Robot conversationnel (Gemini)

Étape 1 : Résumés
Résumé 1 :

OpenAI est un laboratoire de recherche en intelligence artificielle fondé en 2015 à but non lucratif, puis devenu une société à but lucratif plafonné en 2019. Son objectif est de promouvoir et de développer une intelligence artificielle générale bénéfique à l’humanité. L’entreprise a réalisé des avancées notables dans le domaine du traitement du langage naturel, de la vision par ordinateur et de l’apprentissage par renforcement. Ses travaux ont donné naissance à des outils puissants comme GPT-3 et DALL-E 2, qui soulèvent des questions éthiques et sociétales importantes.

Résumé 2 :

OpenAI est un acteur majeur dans le domaine de l’intelligence artificielle, ayant pour mission de garantir que l’IA profite à l’ensemble de l’humanité. Ses recherches ont permis de créer des modèles d’IA révolutionnaires, comme GPT-3 et DALL-E 2, qui ouvrent de nouvelles possibilités dans divers domaines mais soulèvent également des préoccupations concernant leur impact potentiel sur la société.

Résumé 3 :

Fondé en 2015, OpenAI est un laboratoire de recherche de pointe en IA qui s’engage à un développement de l’IA bénéfique pour l’humanité. Ses travaux ont donné lieu à des percées majeures dans le traitement du langage naturel, la vision par ordinateur et l’apprentissage par renforcement, avec des applications dans des domaines comme la santé, l’éducation et la lutte contre le changement climatique. Cependant, les puissants outils d’IA créés par OpenAI soulèvent des questions éthiques et sociétales qui nécessitent une attention particulière.

Étape 2 : Évaluation et choix du meilleur résumé
Parmi les trois résumés présentés, je considère que le Résumé 2 est le plus efficace et complet. Il présente les points clés suivants de manière claire et concise :

Mission d’OpenAI : Assurer que l’IA profite à l’humanité.
Réalisations majeures : Création de modèles d’IA révolutionnaires comme GPT-3 et DALL-E 2.
Impact potentiel : Ouverture de nouvelles possibilités dans divers domaines, mais soulève des préoccupations éthiques.

Le Résumé 1, bien que correct, offre un peu trop de détails et ne met pas suffisamment l’accent sur l’impact global d’OpenAI. Le Résumé 3, quant à lui, est un peu trop long et redondant, manquant de la concision nécessaire pour un résumé efficace.
En conclusion, le Résumé 2 se démarque par sa clarté, son exhaustivité et sa pertinence, faisant de lui le choix le plus approprié pour capturer l’essence du texte sur OpenAI.

Employer un autre LLM pour l’évaluation

Pour garantir une évaluation précise et fiable des réponses générées par un LLM, il est aussi possible d’employer un autre LLM.

Cette approche, connue sous le nom de LLM chaining, permet de séparer l’étape d’évaluation de la génération de résumés, ce qui réduit les erreurs potentielles.

Étape 1 : utiliser le premier LLM pour générer trois résumés

Prompt

Fournissez trois courts résumés du texte sur OpenAI. Chaque résumé doit être clair, concis et reprendre les points clés du texte.
Chaque résumé doit comporter environ 2 à 3 phrases.

Texte :

{https://fr.wikipedia.org/wiki/OpenAI}

Robot conversationnel (Gemini)

Résumé 1 :

OpenAI est une entreprise de recherche en intelligence artificielle (« IA ») basée à San Francisco. Initialement créée en tant qu’association à but non lucratif, elle a adopté une structure à but lucratif plafonné en 2019. Son objectif est de promouvoir et de développer une IA bénéfique pour l’humanité.

Résumé 2 :

OpenAI mène des recherches de pointe dans divers domaines de l’IA, notamment l’apprentissage automatique, le traitement du langage naturel et la vision par ordinateur. Elle a publié des travaux innovants sur des sujets tels que la génération de texte réaliste, la création d’images et le développement de modèles d’IA capables de raisonnement logique et mathématique.

Résumé 3 :

L’un des projets les plus ambitieux d’OpenAI est Q, un modèle d’IA conçu pour atteindre l’intelligence artificielle générale (IAG). Si Q aboutit, il pourrait révolutionner de nombreux domaines, de la santé à l’éducation en passant par l’économie.

Étape 2 : utiliser un autre LLM pour évaluer les résumés générés

Prompt

On vous donne un texte et trois résumés du texte. Évaluez les trois résumés et choisissez celui qui vous semble le meilleur.
Expliquez votre choix en soulignant des raisons spécifiques telles que la clarté, l’exhaustivité et la pertinence par rapport au contenu du texte.

Texte :

{https://fr.wikipedia.org/wiki/OpenAI}

Résumés

{Résumé 1 :

OpenAI est une entreprise de recherche en intelligence artificielle (« IA ») basée à San Francisco. Initialement créée en tant qu’association à but non lucratif, elle a adopté une structure à but lucratif plafonné en 2019. Son objectif est de promouvoir et de développer une IA bénéfique pour l’humanité.

Résumé 2 :

OpenAI mène des recherches de pointe dans divers domaines de l’IA, notamment l’apprentissage automatique, le traitement du langage naturel et la vision par ordinateur. Elle a publié des travaux innovants sur des sujets tels que la génération de texte réaliste, la création d’images et le développement de modèles d’IA capables de raisonnement logique et mathématique.

Résumé 3 :

L’un des projets les plus ambitieux d’OpenAI est Q, un modèle d’IA conçu pour atteindre l’intelligence artificielle générale (IAG). Si Q aboutit, il pourrait révolutionner de nombreux domaines, de la santé à l’éducation en passant par l’économie.
}

Robot conversationnel (Mistral)

Les trois résumés présentent des aspects différents d’OpenAI, mais le résumé 1 semble être le meilleur en termes de clarté, d’exhaustivité et de pertinence par rapport au contenu du texte.

Le résumé 1 fournit des informations clés sur ce qu’est OpenAI, où elle est basée, sa structure organisationnelle et son objectif principal. Il donne une vue d’ensemble complète et concise de l’entreprise, ce qui est essentiel pour comprendre le contexte plus large de ses recherches et de ses projets.

Le résumé 2 se concentre sur les domaines de recherche d’OpenAI et mentionne quelques-uns de ses travaux innovants. Bien qu’il soit informatif, il manque de contexte et ne donne pas une vue d’ensemble complète d’OpenAI.

Le résumé 3 se concentre sur un projet spécifique d’OpenAI, Q*. Bien qu’il soit intéressant, il ne donne pas une vue d’ensemble d’OpenAI et pourrait ne pas être représentatif de l’ensemble de ses travaux et objectifs.

En résumé, le résumé 1 est le meilleur car il fournit une vue d’ensemble complète et concise d’OpenAI, ce qui est essentiel pour comprendre le contexte plus large de ses recherches et de ses projets

Conclusion

Le prompt engineering nécessite de l’expérience et une excellente compréhension des modèles d’IA générative pour obtenir des résultats de qualité.

Les recommandations et techniques de prompt engineering des principaux fournisseurs de LLM sont un point de départ idéal pour améliorer ses compétences. En appliquant ces bonnes pratiques, il est possible d’optimiser les prompts pour obtenir des réponses plus précises et pertinentes.

Il est important de noter que le prompt engineering est un domaine en constante évolution, et que les meilleures pratiques peuvent varier en fonction des mises à jour des modèles d’IA générative. Pour cette raison, il est essentiel de rester informé des dernières avancées et des dernières recommandations des fournisseurs de LLM.

Si vous souhaitez aller plus loin dans les techniques de prompt engineering, découvrez les prompt frameworks, des cadres structurés qui vous permettront de réaliser des prompts adaptés à des usages très précis.

Ressources

OpenAI

Anthropic

Mistral

Google

Picture of Thibaud Michard

Thibaud Michard

CMO reglo.ai. En mission pour démythifier l'Intelligence Artificielle générative.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

reglo.ai

RegloBlog

Les prochains articles Reglo dans votre boite mail.

Partager

reglo.ai

Articles récents

Cas d'usage

12 Juil 2024

Comment utiliser ChatGPT ? Mode d’emploi pour débutant et utilisateur avancé

Vous connaissez ChatGPT mais vous n’êtes jamais allé sur l’application ? Si vous êtes impatient d’utiliser ce chatbot dans votre... Lire plus

RegloBench

27 Juin 2024

Comparatif des meilleurs Chatbots IA grand public en 2024

En 2024, ChatGPT, Claude, Gemini et Mistral dominent le marché des chatbots IA grand public grâce à des modèles de langage... Lire plus

Agent conversationnel : la nouvelle interface homme-machine

Comprendre

15 Juin 2024

Agent conversationnel : la nouvelle interface homme-machine à la maison et au travail

Avec la démocratisation des agents conversationnels grand public comme ChatGPT, les entreprises ont rapidement compris le potentiel d’une telle technologie... Lire plus