Exemples, techniques et applications pratiques de l'ingénierie des invites, des instructions et des instructions

Vous n’appelleriez pas une pizzeria pour passer une commande simple pour une « pizza ». Pour obtenir le dîner que vous souhaitez, vous préciseriez votre choix de pâte, de garnitures, d’assaisonnement, de boisson d’accompagnement, ainsi que toute allergie éventuelle.

La morale de cette histoire est la suivante : plus vos instructions sont détaillées, plus la pizza correspondra à vos goûts. Cela s'applique à l'utilisation d'outils d'IA générative tels que ChatGPT d'OpenAI ou Gemini de Google.

Dans cet article de blog, nous vous expliquons comment donner des instructions claires et poser des questions précises aux outils d’IA générative — un processus également appelé « prompt engineering ».

Qu'est-ce que le « prompt engineering » ?

Le « prompt engineering » est le processus qui consiste à concevoir et à affiner le texte d'entrée fourni aux modèles d'IA, en particulier aux modèles linguistiques, afin d'obtenir les réponses les plus précises, les plus pertinentes et les plus créatives possibles.

Pourquoi vous devriez vous former au prompt engineering

L'IA générative est en passe de devenir l'un des outils les plus puissants et les plus influents dans un large intervalle d'applications, de la rédaction de contenu à la modélisation architecturale. Selon McKinsey, jusqu'à 30 % des heures actuellement travaillées dans l'économie américaine pourraient être automatisées d'ici 2030 grâce aux technologies basées sur l'IA générative.

Pour tirer le meilleur parti de l'IA générative, vous devez maîtriser l'ingénierie des invites.

Accélérer les interactions : l'ingénierie des invites sert d'interface principale entre l'intention humaine et la sortie de la machine. Pour qu'un modèle d'apprentissage automatique (ML) comprenne votre requête en langage naturel, vous devez maîtriser l'ingénierie des invites.

Stimuler la créativité de l’IA : ce qui distingue l’IA générative, c’est qu’elle « génère », c’est-à-dire qu’elle crée du texte, des images ou des données en réponse à des invitations. Pour obtenir des réponses créatives, vous devez saisir des invitations claires.

Obtenir des réponses précises : l’un des principaux défis de l’IA générative réside dans le phénomène dit d’« hallucination », c’est-à-dire lorsque le modèle d’IA produit des informations incorrectes ou trompeuses en se basant sur des hypothèses erronées ou des biais inhérents. Pour y remédier, il est indispensable de posséder de solides compétences en ingénierie des prompts.

Optimiser les résultats : l’IA générative repose sur de grands modèles linguistiques, qui traitent des volumes de données colossaux. Pour tirer le meilleur parti des capacités d’un modèle — et contourner ses limites —, une bonne ingénierie des invites est fondamentale.

Améliorer la pertinence : tout ce qui est généré par l’IA doit être pertinent pour le public visé. Par exemple, vous pouvez améliorer la pertinence d’une publication sur les réseaux sociaux générée par l’IA pour votre public en précisant ses caractéristiques démographiques, ses intérêts, ses besoins, ses défis, etc.

Pour profiter de ces avantages, vous devez comprendre comment utiliser l'ingénierie des invites afin d'obtenir les résultats souhaités avec l'IA générative. Commençons par quelques exemples

Exemples de « prompt engineering »

Il existe de nombreuses recommandations sur ce qu'il faut faire et ne pas faire, des bonnes pratiques et des modèles de prompts d'IA pour vous aider à bien vous y prendre. Mais avant d'aborder les astuces en matière d'IA, la meilleure façon d'apprendre une compétence aussi pratique que le prompt engineering est de la voir en action.

Voici quelques exemples d'ingénierie des invites dans différents domaines d'activité.

Le « prompt engineering » dans le développement logiciel

Que ce soit pour programmer, corriger des bugs ou rédiger de la documentation, les outils d'IA destinés aux développeurs peuvent considérablement simplifier votre travail. Voici comment.

Aide à la révision du code

« Générez une checklist pour la révision du code d’une application d’automatisation des processus robotisés (RPA) développée en Python. Mettez particulièrement l’accent sur la lisibilité et la sécurité de l’entreprise. »

Documentation technique

« Rédigez un guide complet sur la mise en œuvre d’OAuth 2.0 dans une application web utilisant Node.js. Incluez des instructions étape par étape et des extraits de code pour chaque étape. »

Correction de bugs

« Décrivez une approche systématique pour identifier et corriger les fuites de mémoire dans une application Java, en précisant les outils à utiliser et les zones courantes à vérifier. » Si vous êtes débutant et que cela vous semble un peu trop complexe, nous sommes là pour vous aider. Utilisez les invites ChatGPT de ClickUp dédiées à l'ingénierie pour générer des idées, élaborer des plans de travail et bien plus encore.

Prompts d'IA générative pour la gestion de produit

Les équipes de développement logiciel agiles manquent souvent de chefs de produit capables de clarifier la feuille de route et de faire avancer les projets. Les outils d'IA tels que ChatGPT peuvent s'avérer utiles.

Hiérarchisation des fonctionnalités

« À l’aide du modèle de notation RICE (Portée, Impact, Confiance, Effort), hiérarchisez les fonctionnalités suivantes pour notre futur outil de gestion de projet : tableaux Kanban, collaboration en temps réel, rapports automatisés et intégrations tierces. »

Création de profils d'utilisateurs

« Développez un profil d'utilisateur détaillé pour une application de suivi de la condition physique ciblant les professionnels très occupés qui débutent dans le domaine du fitness. Précisez les caractéristiques démographiques, les objectifs, les défis et la manière dont ils pourraient utiliser l'application. »

Élaboration d'une feuille de route produit

« Élaborez une feuille de route produit sur 6 mois pour l'expansion d'une plateforme de commerce électronique, en mettant l'accent sur l'intégration de l'IA pour offrir des expériences d'achat personnalisées. Précisez les phases, les jalons clés et les résultats attendus. » Ou faites votre choix parmi plus de 130 prompts ClickUp ChatGPT dédiés à la gestion de produit et lancez-vous sans attendre.

Exemples d'ingénierie des invites dans la gestion de projet

Vous pouvez demander à l’IA de créer un plan de projet, que vous pourrez ensuite personnaliser. Vous pouvez également lui demander de vous aider à optimiser certaines parties de ce plan. Nous verrons ces deux cas ci-dessous.

Élaboration d'un plan de projet

« Rédigez un plan de projet détaillé pour le lancement d’une nouvelle place de marché en ligne, comprenant des phases telles que l’étude de marché, la conception et le développement, les tests et la stratégie de mise en service. Précisez les activités clés, les ressources nécessaires et les échéanciers pour chaque phase. »

Optimisation des ressources

« Analysez la répartition actuelle des ressources pour un projet de développement logiciel et proposez des optimisations afin de garantir une livraison dans les délais sans compromettre la qualité. Tenez compte de facteurs tels que les compétences, la distribution de la charge de travail et les tâches du chemin critique. »

Plus de 190 prompts ChatGPT pour la gestion de projet, sélectionnés exclusivement pour vous par ClickUp.

Pour en savoir plus sur ClickUp Brain, cliquez ici :

Prompts pour la création de contenu

Les meilleurs outils de création de contenu basés sur l'IA peuvent vous aider à améliorer considérablement vos résultats marketing. Essayez les conseils suivants pour vous en rendre compte par vous-même.

Campagne sur les réseaux sociaux

« Concevez une campagne sur les réseaux sociaux pour le lancement prochain d’un shampoing écologique. Prévoyez 3 publications différentes sur Instagram et 3 publications différentes sur Twitter. Ajoutez des hashtags pertinents pour chaque plateforme. »

Contenu de la newsletter par e-mail

« Créez un contenu captivant pour la newsletter mensuelle d’une start-up technologique, comprenant une mise à jour sur les produits, un coup de projecteur sur un membre de l’équipe, les évènements à venir et un appel à l’action encourageant les lecteurs à essayer une nouvelle fonctionnalité. »

Vous pouvez également fournir davantage de détails sur la mise à jour du produit ou sur un membre de l'équipe afin d'obtenir des résultats plus précis. Exemple ci-dessous.

« Mettons en avant un membre de l’équipe. Il s’appelle Jake, c’est un développeur hors pair. Il fête ce mois-ci son premier anniversaire au sein de l’entreprise. Depuis son arrivée, il a contribué à résoudre certains des problèmes les plus complexes rencontrés par nos clients. Un client a déclaré un jour : « Sans Jake, nous serions restés enlisés dans un cercle vicieux de confusion. Il a fait un travail formidable en nous aidant à faire d’une pierre deux coups. »

Utilisez ClickUp Brain comme assistant de rédaction : effectuez des vérifications orthographiques, résumez des documents volumineux, créez des tableaux, des modèles, des transcriptions, et bien plus encore.

N’oubliez pas que la plupart des entreprises ne privilégient pas encore le contenu généré par l’IA, ce qui a donné lieu à l’apparition de plusieurs outils de détection de l’IA. La meilleure façon d’utiliser l’IA générative pour la création de contenu serait de s’en servir comme outil de brainstorming ou comme point de départ permettant de surmonter le syndrome de la page blanche.

L'ingénierie des invites dans les applications de chatbot

D'un point de vue technique, ChatGPT ou Google Gemini est un chatbot avec lequel nous dialoguons. Il comprend nos requêtes et génère des réponses. Il est entraîné sur de grands modèles linguistiques à partir d'une multitude de données.

Vous pouvez utiliser ces modèles et les entraîner davantage à l’aide d’informations propriétaires ou spécifiques à votre secteur d’activité afin de permettre des discussions nuancées, adaptées au contexte et personnalisées avec l’utilisateur. Dans ce cas, le client pourrait simplement poser des questions telles que : « Combien coûte ce sac à dos ? »

Cependant, un bon chatbot de service client peut s'appuyer sur les données de l'entreprise concernant l'historique d'achats, l'emplacement, les préférences, les réclamations passées, etc., pour fournir des réponses et proposer des ventes incitatives, améliorant ainsi considérablement l'expérience de l'utilisateur.

L'ingénierie des invites et des instructions pour la programmation informatique et les systèmes de contrôle de version

Le « prompt engineering » peut aider un développeur à générer des extraits de code spécifiques dans divers langages de programmation.

« Écrivez une fonction Python permettant de réaliser une connexion à une base de données SQL et d'exécuter une requête SELECT en fonction des paramètres transmis à la fonction. »

L'intégration de l'IA dans les flux de travail de gestion de versions fournit des recommandations pour la révision du code en fonction de l'historique des validations, suggère les parties du code susceptibles de nécessiter une refactorisation et automatise les tâches courantes de gestion de versions, améliorant ainsi la qualité du code et la productivité de l'équipe.

Les technologies créatives /IA basées sur les invitations et les instructions

L'ingénierie des invites, en particulier avec des modèles tels que DALL-E, offre des possibilités sans précédent pour générer des visuels imaginatifs et complexes à partir de descriptions textuelles.

Par exemple, un développeur de jeux vidéo pourrait utiliser une invite telle que : « Génère une image d’une rue commerçante, bordée de boutiques de mode de part et d’autre, au crépuscule, avec une architecture moderne et des couleurs froides. » Les résultats permettent une visualisation rapide des environnements de jeu sans nécessiter un travail de dessin manuel fastidieux.

L'ingénierie des invitations et des instructions pour l'analyse de bases de données

En règle générale, l'extraction d'informations à partir de bases de données nécessite les compétences d'un spécialiste du langage SQL pour rédiger des requêtes complexes en langage de programmation. L'IA générative a changé la donne : elle vous permet désormais de rédiger vos requêtes en langage naturel pour extraire des données à partir de sources de données non structurées ou semi-structurées.

Traitement des données

« Mets-toi dans la peau d’un data scientist et écris du code pour nettoyer et prétraiter mes données en vue de leur analyse. Mon ensemble de données contient les informations d’achat de tous les clients au cours des 30 derniers jours. »

Ici, vous pouvez demander à l'IA de faire des tâches de nettoyage spécifiques, telles que la suppression des lignes vides, la suppression des lignes dont la valeur du panier est inférieure à 50 $, etc.

Visualisation des données

« Écrivez du code en Python pour visualiser mon ensemble de données. Mon ensemble de données contient les informations d'achat de tous les clients âgés de plus de 50 ans au cours des 30 derniers jours. »

Précisez davantage vos demandes en matière de visualisation et d’ajustement, par exemple « montre-moi les tendances d’achat » ou « classe-les par catégorie ».

Analyse des sentiments à l'aide de prompts pour l'IA générative

L'analyse des sentiments est extrêmement répandue dans les contenus générés par les utilisateurs en ligne, en particulier dans les publications sur les réseaux sociaux. Voici un exemple de prompt permettant de comprendre le sentiment des clients à l'égard de votre produit.

« À partir de mon ensemble de données contenant des publications sur les réseaux sociaux mentionnant [marque], classez-les en positives, négatives ou neutres. Identifiez les fonctionnalités/aspects spécifiques associés à chaque sentiment. »

Si vous avez acquis les bases du fonctionnement de l'ingénierie des invites, il est temps d'en découvrir les applications et les implications à plus grande échelle.

Rôle de l'ingénierie des invites dans les secteurs axés sur les données

Comme le montrent les exemples ci-dessus, vous pouvez faire des analyses de données de base ou des analyses de sentiment dans tous les secteurs d’activité. Cependant, l’IA générative et le « prompt engineering » apportent une valeur particulière dans les secteurs et les applications axés sur les données. Voici comment.

Formation

Un bon « prompt engineering » aide les enseignants à créer à grande échelle des contenus précis, pertinents, captivants et personnalisés. Voici quelques-uns des cas d'utilisation les plus prometteurs de l'IA générative dans l'éducation :

Expériences d'apprentissage personnalisées : créez des cours et des forfaits adaptés aux préférences, au niveau et aux intérêts de chaque élève en un temps record.

Création automatisée de contenu : génération rapide de supports pédagogiques, tels que des résumés, des quiz et des questions de compréhension écrite.

Apprentissage et pratique des langues : génération de scénarios de discussion, d’exercices de grammaire et de révision de vocabulaire adaptés au niveau actuel de l’apprenant.

Tutorat et assistance : un tutorat basé sur l'IA pour répondre aux questions spécifiques des élèves ou aborder leurs points faibles, en leur proposant des explications, des ressources et des exercices pratiques.

Recherche et développement

En élaborant des invitations précises et adaptées au contexte, les chercheurs exploitent les modèles d'IA pour passer au crible de vastes quantités de données, générer de nouvelles hypothèses et même simuler des résultats expérimentaux.

Les ingénieurs en prompts peuvent aider les chercheurs à concevoir les entrées appropriées pour obtenir des résultats précis à grande échelle. Voici quelques scénarios dans lesquels cela peut s'avérer utile :

Revue de la littérature : Réaliser des revues de littérature exhaustives, identifier les études pertinentes, les conclusions clés et les lacunes dans l'état actuel des connaissances.

Exploration de données : mise en évidence de tendances, de corrélations et d'anomalies dans de grands ensembles de données.

Génération d'hypothèses : générer plusieurs hypothèses au sein d'un même domaine de recherche afin d'explorer différentes pistes.

Simulation d'expériences : simuler des expériences ou les résultats de modèles, ce qui réduit le recours à des expériences physiques coûteuses et chronophages.

Santé

Le « prompt engineering » améliore la capacité des modèles d'IA à interpréter des données médicales complexes, à fournir de l'assistance au diagnostic, à personnaliser les soins prodigués aux patients et à faciliter la recherche et la formation.

Les ingénieurs en prompts peuvent aider les professionnels de santé à mieux exploiter leurs données dans les scénarios suivants.

Cas d'utilisation pratiques du « prompt engineering »

Fondamentalement, l'IA générative permet de créer du contenu sous trois formes : texte, image et audio/vidéo. Voici quelques-uns des cas d'utilisation les plus efficaces de l'IA pour ces trois formats.

L'ingénierie des invites dans la génération de texte

Il s'agit aujourd'hui du cas d'utilisation le plus répandu de l'IA générative. Des journalistes aux spécialistes du marketing en passant par les développeurs les plus timides, des utilisateurs de tous horizons ont recours aux générateurs de texte basés sur l'IA pour répondre à leurs besoins.

Voici quelques cas d'utilisation courants :

Il existe également des outils d'IA dédiés aux comptes-rendus de réunion, capables de transcrire des visioconférences en notes textuelles ou de résumer des notes textuelles afin d'identifier les points clés, les actions à mener, etc.

Le « prompt engineering » dans la génération d'images

Bien qu'elle ne soit pas encore aussi répandue que la génération de texte, la génération d'images offre d'incroyables possibilités en matière de créativité. Parmi les cas d'utilisation courants, on peut citer :

L'ingénierie des invites dans la génération audio et vidéo

La génération de contenu audio et vidéo grâce à l'ingénierie des prompts trouve de nombreuses applications dans les domaines du divertissement, de l'éducation et de l'assistance virtuelle. Voici quelques cas d'utilisation concrets des outils de création de contenu basés sur l'IA :

L’impact de l’IA générative est extraordinaire : elle influence tous les secteurs, toutes les industries, toutes les zones géographiques et tous les types d’entreprises. Au cours de la prochaine décennie, le « prompt engineering » pourrait définir la capacité de chacun à apprendre et à comprendre les choses, tout comme le fait aujourd’hui « faire une recherche sur Google ».

Même si l'IA générative évolue rapidement, voici quelques méthodes fondamentales que vous pouvez utiliser pour vous lancer dans le prompt engineering.

Méthodes d’invitation et d’instructions

Avant d’aborder les termes techniques, n’oubliez pas que le principal avantage de l’IA générative réside dans le fait que vous pouvez lui fournir des instructions en langage naturel. N’hésitez donc pas à vous adresser à ChatGPT, Google Gemini ou Microsoft Copilot comme vous le feriez naturellement.

Observez les réponses et affinez votre requête au fur et à mesure. Voici quelques concepts qui pourraient vous aider dans cette démarche.

Apprentissage « zero-shot »

Le fait de confier une tâche à l'IA sans exemples ni contexte préalables s'appelle le « zero-shot prompting ». Cette technique se caractérise par les éléments suivants.

Exemple d’invite : « Identifiez le langage de programmation principal utilisé dans l’extrait de code suivant : print(‘Hello, World!’). »

Apprentissage en quelques exemples

Le fait de fournir au modèle d’IA quelques exemples de la tâche à accomplir avant de lui présenter la tâche proprement dite s’appelle le « few-shot prompting ».

Exemple d’invite : « Étant donné les paires d’entrée et de sortie suivantes : Entrée : 5 * 5, Sortie : 25 ; Entrée : 8 + 2, Sortie : 10 ; calculez la sortie pour Entrée : 7 – 4. »

Prompting par chaîne de pensée

Le fait d'inviter le modèle à générer des étapes intermédiaires ou des chemins de raisonnement menant à la réponse finale ou au résultat souhaité s'appelle le « chain-of-thought » (COT).

Exemple de prompt : « Pour inverser la chaîne de caractères donnée “hello”, commencez par diviser la chaîne en caractères individuels. Ensuite, inversez l’ordre de ces caractères. Enfin, réassemblez ces caractères pour former une nouvelle chaîne. Quel est le résultat final ? »

Techniques avancées de formulation d'invites et d'instructions

Abordons maintenant quelques techniques d'ingénierie des invites plus complexes et avancées.

CoT « zero-shot »

La méthode « zero-shot chain-of-thought » (COT) combine ces deux approches pour résoudre des problèmes complexes sans s'appuyer sur des exemples préalables présents dans les données d'entraînement.

Imaginez que vous utilisiez un modèle d'IA générative pour déboguer un bout de code logiciel qu'il n'a jamais rencontré auparavant.

Grâce au COT « zero-shot », le modèle serait capable d’exprimer sa compréhension du problème, d’en déduire logiquement les causes et de proposer des solutions potentielles, étape par étape, même s’il n’a pas été entraîné sur ce problème spécifique.

Ingénieur de prompts automatique (APE)

Et si l'IA pouvait inciter l'IA à trouver les bonnes réponses ? Eh bien, c'est ce qu'on appelle l'automatisation du prompt engineering.

L'utilisation d'algorithmes et de techniques visant à générer ou à optimiser automatiquement des invitations ou des instructions pour interagir avec des modèles d'IA est appelée APE. Dans ce modèle, l'algorithme analyse un corpus de tentatives de réussite et d'infructuosité afin d'automatiser des tâches similaires.

Il intègre ensuite les mots-clés, les structures et les instructions identifiés comme les plus susceptibles de déboucher sur une réussite. À mesure que l'IA génère des scripts, le système APE évalue leur efficacité, affine le prompt en fonction de ce qu'il apprend et améliore le processus de manière itérative.

Quelle que soit la méthode que vous utilisez, vous risquez de rencontrer quelques difficultés dans votre parcours vers une ingénierie des prompts efficace.

Limites et défis du prompt engineering

En tant que champ émergent, l'IA générative connaît des hauts et des bas. D'un autre côté, les utilisateurs testent divers prompts et styles pour obtenir les résultats dont ils ont besoin. Une technologie qui évolue aussi rapidement est inévitablement confrontée à des défis.

Certaines des principales limites de l'ingénierie des prompts et les moyens de les surmonter.

Dépendance vis-à-vis du modèle : une invitation qui fonctionne bien avec un modèle donné peut ne pas donner les mêmes résultats avec un autre.

Restez attentif aux différences entre les modèles. Procédez à des ajustements et à des optimisations au fur et à mesure.

Complexité et spécificité : pour être efficaces, les invites nécessitent souvent une compréhension approfondie du langage et des capacités du modèle.

Trouvez le juste équilibre entre une formulation trop vague et une formulation trop précise pour tirer le meilleur parti de vos grands modèles linguistiques.

Biais et sensibilité : les modèles d'IA peuvent hériter de biais issus de leurs données d'entraînement, que vous risquez d'amplifier involontairement par le biais des instructions d'invite. De plus, les hallucinations, les biais, le manque de sensibilité, etc., peuvent conduire à des résultats préjudiciables, trompeurs ou contraires à l'éthique.

Mettez en place des systèmes permettant une réflexion approfondie et un contrôle éthique de l'utilisation de l'IA.

Évolutivité : à mesure que l'étendue des tâches s'élargit, la création manuelle d'invites pour chaque scénario spécifique devient impraticable.

Envisagez la génération ou l'optimisation automatique des invitations ou instructions pour répondre à vos besoins futurs.

Interprétabilité : un manque d'interprétabilité peut compliquer l'amélioration itérative des invites ou le diagnostic des problèmes.

Utilisez des méthodes de « chaîne de pensée » et exigez de voir le raisonnement logique de l’IA pour les résultats importants.

Sur-ajustement et sous-ajustement : le sur-ajustement se produit lorsqu’une invite est trop adaptée à des exemples spécifiques, ce qui la rend moins efficace pour les cas généraux. Le sous-ajustement se produit lorsqu’une invite est trop vague, ce qui conduit à des résultats génériques ou non pertinents.

En somme, trouvez le juste équilibre.

Contraintes de coûts et de ressources : Une ingénierie des invites de haute qualité, en particulier dans un contexte commercial, peut nécessiter d'importantes ressources informatiques et le temps de travail d'experts.

L'accent est mis sur les applications pratiques et le retour sur investissement.

Maîtrisez le prompt engineering avec ClickUp

Comment s'appelle cette chanson de Taylor Swift ? Combien de fromage dois-je mettre dans mes pâtes ? Ce jeu de données est-il propre et prêt à être analysé ? À quel médicament ce patient est-il allergique ? Quelles tâches de ce sprint restent encore à attribuer ?

Le champ d'application des modèles d'IA générative ne cesse de s'étendre. De ce fait, l'ingénierie des prompts s'impose désormais comme une compétence incontournable pour les professionnels de tous les secteurs.

Votre capacité à parler le langage du LLM détermine votre réussite à obtenir les meilleurs résultats possibles — une compétence que l’on résume sous le terme de « prompt engineering ».

Vous pouvez vous essayer au prompt engineering avec n'importe quel grand modèle de langage (LLM) gratuit, tel que ChatGPT, Google Gemini, DALL-E, etc. Demandez-lui par exemple de créer un remix de vos chansons préférées pour votre prochaine fête d'anniversaire ou d'analyser vos relevés de carte de crédit afin de visualiser vos dépenses les plus importantes.

Gagnez en rapidité et en efficacité grâce à ClickUp Brain. ClickUp intègre l'IA à sa plateforme pour la gestion des connaissances, la gestion de projet et la rédaction.

Et ce n'est pas tout ! ClickUp Brain intègre également des invites et des centaines de modèles pour vous permettre de partir du bon pied. Découvrez ce que l'IA générative peut apporter à la gestion de projet. Essayez ClickUp gratuitement dès aujourd'hui!

FAQ sur le prompt engineering

1. Qu'est-ce que le « prompt engineering » ? Pouvez-vous donner un exemple ?

La conception d'invites pour les modèles d'IA générative tels que ChatGPT, visant à les guider vers la production de résultats spécifiques ou souhaités, est appelée « prompt engineering ».

Exemple d'« engineering des prompts »

Imaginons qu'un développeur souhaite utiliser un modèle linguistique tel que GPT-4 pour générer un script Python destiné à un outil de scraping web chargé de collecter les titres d'actualités sur un site web spécifique.

Invite : « Générez un script Python utilisant la bibliothèque Beautiful Soup pour extraire les derniers titres d’actualités du site « example-news-site.com ». Le script doit gérer la pagination et stocker les titres dans une liste. »

2. Quel est un exemple d’« invitation » ?

Toute instruction que vous donnez à un modèle d'IA génératif est une « invite ». Grâce à une bonne ingénierie des invites, vous pouvez améliorer considérablement vos résultats, en les rendant plus utiles, pertinents, précis et captivants.

Voici un bon exemple de prompt : « Générez une description de produit de 150 mots pour un ensemble de serviettes en fibre de bambou, en mettant l’accent sur ses avantages écologiques, sa durabilité et sa douceur. Incluez un appel à l’action encourageant un mode de vie respectueux de l’environnement et mettant en avant l’engagement de la marque en faveur du développement durable. »

3. Comment se lancer dans le prompt engineering ?

La meilleure façon de se lancer dans le prompt engineering est de l'essayer par vous-même. Interagissez avec le modèle en langage naturel et apprenez à le comprendre. En parallèle, vous pouvez :

Tenez-vous informé des avancées en matière d'IA et de traitement du langage naturel, car celles-ci peuvent influencer la manière dont les invites doivent être structurées.