Prompt Engineering → Instructions et conseils pour rédiger de bonnes requêtes
Publié le : 06.03.2024 | Durée de lecture : 9 minutes
La qualité d'un enterview classique dépend des compétences de l'intervieweur. Il doit formuler les bonnes questions afin d'obtenir un maximum d'informations de la part de la personne interrogée.
Il en va de même pour l'IA générative et les Large Language Models (LLM) : Les requêtes sont des instructions données aux systèmes d'IA, généralement en langage naturel. Et plus l'utilisateur formule une requête (ou prompt) avec précision, plus le résultat fourni par l'outil est précis et utile.
Le Prompt Engineering est le domaine de l'IA (intelligence artificielle) qui s'occupe de la conception des requêtes ou prompts en anglais. Pour cela, il faut comprendre comment les modèles d'IA traitent et interprètent le langage. Notre guide donne un aperçu du Prompt Engineering.
La force de l'IA générative - en particulier des systèmes basés sur le dialogue - réside dans la préparation des connaissances en quelques secondes. L'IA générative est capable d'évaluer de grandes quantités de données, de les filtrer, de les regrouper et de les présenter sous différents formats. Pour fournir une base pertinente aux décisions humaines, gagner du temps et laisser plus de place à la créativité, l'IA a besoin de bons éléments d'entrée.
Qu'il s'agisse de ChatGPT d'OpenAI, de Gemini de Google, de Midjourney, de Stable Diffusion ou d'un autre modèle conversationnel, l'homme qui commande le système d'IA donne la direction (l'objectif) avec ses requêtes et limite les possibilités. Il doit créer des requêtes ciblées dans le cadre de la conception d'invites afin d'obtenir les meilleurs résultats possibles.Nous nous trouvons ici au cœur du Prompt Engineering. Partout où l'IA rencontre le langage naturel, le prompt engineering est pertinent.
Un ingénieur de requêtes (Prompt Engineer) est un expert dans l'utilisation de tous les types d'outils d'IA pour la génération de texte, d'images, de vidéos et de musique. Il est spécialisé dans la création de requêtes (ou prompts), c'est-à-dire dans la conception, le développement et le raffinement de prompts d'IA. La requête est un produit préliminaire important et constitue la base du travail ultérieur. À première vue, une requête peut sembler simple. Mais lorsqu'il s'agit de produire un résultat d'IA de haute qualité pour des requêtes complexes, les choses sont différentes. Les moindres modifications apportées aux requêtes ont de grandes répercussions sur les résultats. Contrairement à un développeur de logiciels traditionnel, un ingénieur de requêtes n'utilise en général aucun langage de programmation. Les prompt engineers à plein temps constituent un nouveau profil professionnel.
Mais pas d'inquiétude : celui qui se forme ou qui forme ses collaborateurs en prompt engineering n'a pas besoin de plonger immédiatement dans les profondeurs de la science des requêtes et des Large Language Models. Dans le contexte professionnel, une bonne compréhension de base du fonctionnement suffit en général à piloter ChatGPT & Co. et à pouvoir classer leur résultat. Pour les cadres, des connaissances de base en prompt engineering sont importantes pour comprendre les possibilités et les limites de l'IA dans leur entreprise.
Le grand avantage des LLM basés sur le dialogue est la facilité d'accès via les chatbots : il n'y a en principe pas de barrière à l'entrée - l'utilisateur doit simplement savoir saisir du texte. Lors de la transmission des instructions au modèle, la langue est déterminante car elle influence la précision et la pertinence des réponses de l'IA. Lors de l'écriture d'une instruction concrète, il est utile de garder à l'esprit la structure de requête Instruction / Contexte / Entrée / Sortie :
1. Instruction
Les chatbots à IA attendent des instructions claires. Commencez donc votre requête par "écris", "compare", "explique", "paraphrase" (reformule) ou "résume". Dans le cas d'une image, utilisez par exemple "crée", "dessine" ou "peint".
2. Contexte
Le deuxième élément d'une requête est constitué d'informations supplémentaires qui vous permettent d'orienter l'IA dans la bonne direction. Demandez par exemple à l'IA d'examiner à la fois les avantages et les inconvénients d'un sujet, de considérer une situation passée ou future ou de se glisser dans un rôle particulier.
3. Entrée
Donnez à l'IA l'entrée que l'outil doit traiter. Exemples : "Traduis le texte suivant ...", "Crée un titre à cliquer selon ce modèle ..." ou "Paraphrase ce texte ...".
4. Sortie
Indiquez à ChatGPT & co le format de réponse souhaité, par exemple "Réponds par mots-clés" ou, pour une image, "Crée une aquarelle".
Utilisez des requêtes claires, contextualisées et formulées précisément pour obtenir de meilleurs résultats. Voici dix conseils pour de meilleures requêtes :
1. Arriver au résultat étape par étape
Posez un problème concret à la fois. Utilisez des phrases entières ou des points clés - combinez les deux si nécessaire. Renoncez aux imbrications. Procédez plutôt étape par étape en divisant les tâches importantes en tâches spécifiques.
2. Être spécifique
Formulez des requêtes aussi précisément que possible et décrivez à l’IA ce que vous voulez savoir précisément.
3. Ajouter du contexte
Donnez autant de contexte que possible à la tâche. Mentionnez tous les détails importants. Évitez les informations superflues.
4. Utiliser des guillemets
Placez entre guillemets ("") les informations, les exemples de textes et les matériaux qui doivent être analysés et évalués par l'IA. Exemple : ... ceci est un exemple de texte de notre service marketing, adopte le ton : "Voici le texte".
5. Définir le rôle
Indiquez à l'IA le rôle qu'elle doit jouer, par exemple "Tu es un expert en nutrition..." ou "Agis en tant qu'expert en programmes scolaires et crée...". Cela permet d'indiquer clairement sous quel angle une réponse est souhaitée. Par exemple, dans le cas d'une image : "Tu es un expert en pétrole".
6. Déterminer le type de réponse
Indiquez la forme souhaitée du résultat. Par exemple, "sous forme de tableau", "rédige une introduction de 400 mots" ou "crée une liste de 20 points". Si vous avez besoin de plusieurs variantes, indiquez-le, par exemple "donne-moi 5 variantes".
7. Interagir avec l’IA
Ne vous contentez pas du premier résultat obtenu. Demandez à l'IA de s'améliorer (approche itérative), par exemple "Sois plus précis", "Étoffe la réponse maintenant", "Donne des raisons" ou "maintenant à la manière d'un scientifique". Dans le cas d'une image dans Stable Diffusion, par exemple, "crée une image avec plus de nuances de rouge et réduis la taille des arbres".
8. Travailler avec Markdown
Les chatbots d'intelligence artificielle sont souvent capables d'interpréter les balises Markdown dans les requêtes. Profitez de la possibilité de marquer les titres et les listes en ajoutant "Cette requête est formatée avec la syntaxe Markdown" en introduction.
9. Faire formuler de bonnes requêtes par l’IA
Utilisez le chatbot comme créateur d'IA. Un exemple : "Agis en tant qu'expert en Prompt Engineering et montre-moi comment améliorer ma requête".
10. Démarrer une nouvelle discussion
Si vous n'avancez pas sur un sujet, démarrez une nouvelle discussion. Cela réinitialise l'historique des réponses précédentes et vous pouvez recommencer.
Même si vous n'obtenez pas les résultats escomptés lors de vos premières expériences de requêtes avec des modèles d'IA, ne vous découragez pas et continuez à vous entraîner !
Utilisée à bon escient, l'intelligence artificielle a le potentiel d'accroître l'efficacité et la productivité des entreprises et donc d'augmenter leur compétitivité. L'augmentation de l'efficacité grâce à l'IA générative est donc souvent l'objectif prioritaire.
De nombreux processus d'IA sont automatisés, d'autres sont déclenchés en saisissant manuellement des requêtes.
L'avantage des processus d'IA : dans les deux cas, vous ne devez pas vous contenter des résultats, mais vous pouvez les améliorer en reformulant, en précisant et en spécialisant les requêtes.
Pour cela, il est nécessaire d'évaluer la qualité et la quantité des résultats. Mot-clé : efficacité de l'IA.
Vous devez apprendre à apprécier la pertinence des résultats proposés par l'IA, c'est-à-dire remettre en question et classer les résultats et les propositions de l'IA. Et pour cela, vous avez besoin de critères d'évaluation qui vous permettent de décrire si une mesure est appropriée pour atteindre l'objectif d'entreprise donné. La liste de contrôle suivante peut vous aider dans cette démarche :
1. Fixez-vous des objectifs clairs
Définissez ce que vous voulez obtenir avec vos requêtes. Il peut s'agir d'améliorer l'interaction avec l'utilisateur, d'augmenter la précision des réponses ou d'accroître la satisfaction de l'utilisateur.
2. Collectez des données
Suivez les interactions déclenchées par vos requêtes. Soyez attentif à des indicateurs tels que le taux de clics, le temps passé sur le site et le taux de conversion.
3. Tests A/B
Expérimentez différentes versions d'une requête pour savoir laquelle fonctionne le mieux.
4. Retour d'informations des utilisateurs
Collectez le retour d'informations de la part des utilisateurs de l'IA, par exemple par le biais de sondages, d'interviews ou de tests utilisateurs.
5. Analyse des résultats
Évaluez les données collectées pour comprendre quelles requêtes sont efficaces et pourquoi. Prenez en compte les facteurs quantitatifs et qualitatifs.
Dans la société moderne du savoir, l'IA générative joue un rôle clé dans la numérisation des processus commerciaux. Suite à l'intégration de l'intelligence artificielle dans le monde du travail, les compétences en matière de communication de l'IA deviennent de plus en plus importantes. Les employeurs attendent de leurs employés non seulement des connaissances traditionnelles, mais aussi des compétences qui leur permettront de réussir dans un monde du travail de plus en plus marqué par les systèmes d'IA. Les compétences en matière de requêtes deviennent indispensables, en particulier dans les métiers créatifs.
ChatGPT et d’autres LLMs se caractérisent par une forte dynamique. L'intelligence artificielle évolue à un rythme effréné. Il en résulte que les requêtes qui promettent le succès aujourd'hui ne seront plus aussi performantes demain. L'intégration de capacités d'IA génératives ajoute un niveau de complexité supplémentaire à l'environnement de travail, ce qui nécessite un engagement fort en faveur de l'apprentissage tout au long de la vie et de l'acquisition continue de compétences en constante évolution.
Certains experts en technologie partent du principe que la requête et, par conséquent, l'ingénierie et les ingénieurs associés sont des phénomènes temporaires. Cette hypothèse repose sur l'idée que la manière actuelle d'interagir avec les modèles de langage de l'IA va évoluer. Ils considèrent que la nécessité d'une requête précise constitue un obstacle à une adoption plus large d'outils d'IA tels que ChatGPT.
On s'attend à ce que les futurs modèles deviennent plus intuitifs et autonomes grâce aux réseaux neuronaux et à l'apprentissage automatique, ce qui pourrait réduire le besoin de requêtes spécifiques. Les développeurs aspirent à des systèmes d'IA pouvant être utilisés efficacement même sans connaissances spécifiques. Ils travaillent sur des solutions capables de mieux comprendre les entrées en langage naturel et d'y réagir, comme le ferait un être humain. En outre, les futurs systèmes pourraient être en mesure de mieux reconnaître l'intention de l'utilisateur et de générer eux-mêmes les requêtes nécessaires.
En outre, il faut s'attendre à ce que, dans le cadre de l'optimisation des processus commerciaux, les modèles d'IA soient intégrés plus profondément dans les applications et les services, de sorte que des requêtes spécifiques soient remplacées par des fonctions prédéfinies.
Le prompt engineering est un outil numérique précieux pour améliorer le contenu généré par l'IA, mais elle comporte également des défis. La formulation ciblée et consciente d'invites pour les systèmes basés sur l'IA aide les entreprises à obtenir des résultats plus précis de l'intelligence artificielle, ce qui peut conduire à des gains d'efficacité, des innovations et des avantages concurrentiels. L'expertise humaine en matière de prompt engineering reste indispensable.
Besoin d'autres informations ? – Voici notre livre blanc sur l'IA
Trouvez la meilleure façon de vous engager avec l'intelligence artificielle.
Découvrez dans notre livre blanc comment votre entreprise peut tirer profit de l'IA et quelles sont les solutions les mieux adaptées à vos processus opérationnels.