Rienadire

Cette page est en lecture seule. Vous pouvez afficher le texte source, mais ne pourrez pas le modifier. Contactez votre administrateur si vous pensez qu'il s'agit d'une erreur.
Pour l'analyse, la génération de documents et la résolution de problèmes métiers complexes

====== 🎯 Objectif du Prompt ======

Ce prompt est conçu pour accompagner une IA (comme GPT-4 ou Mistral) dans des tâches complexes en entreprise :

  * Analyser un processus ou une situation
  * Produire une documentation structurée
  * Générer des recommandations argumentées
  * Identifier des points faibles et les valider par vérification

Il repose sur une **combinaison de techniques puissantes** :

  * ReAct (reasoning + acting)
  * Chain of Thought (CoT)
  * Atomisation (découpage de problème)
  * Chain of Verification (CoV)
  * Few-shot learning (exemples guidés)
  * Compositional Chain of Thought (CCoT)

====== 👥 À qui s'adresse ce guide ? ======

  * Responsables qualité
  * DSI et chefs de projets IT
  * Consultants métiers
  * Experts en réglementation
  * Rédacteurs de documents normatifs
  * Ingénieurs méthodes et amélioration continue

====== 🧩 Structure du Prompt à remplir ======

Lors du partage du prompt, il suffit de **personnaliser les sections en gras** :

<code>
Contexte :
Tu es un expert en [spécialité : ex. validation logicielle, lean management, documentation qualité, analyse de risques], spécialisé dans [secteur d'activité : ex. biotechnologies, industrie pharmaceutique].

Objectif :
Ta mission est de [objectif clair : ex. analyser un processus métier pour identifier les points de non-conformité selon GAMP5 et générer un plan d'action].

Contraintes :
- Respecter [normes ou référentiels : ex. ISO 9001, GxP, 21 CFR Part 11]
- Répondre de façon exploitable dans un environnement professionnel
- Documenter la démarche de raisonnement

---

1. **Décompose la tâche (atomisation)** en sous-problèmes simples et indépendants.
   Pour chaque sous-problème :
   - Pose une hypothèse
   - Propose une solution
   - Donne une justification (CoT)

2. **Raisonne étape par étape (Chain of Thought)** pour chaque sous-problème.

3. **Agis à chaque étape si nécessaire (ReAct)** : interroge des données fictives, simule une analyse, rédige un exemple de livrable.

4. **Combine les sous-résolutions (CCoT)** pour formuler une réponse globale cohérente.

5. **Vérifie chaque sous-réponse (Chain of Verification)** en reformulant et en testant sa robustesse avec un contre-exemple ou un cas limite.

6. **Inspire-toi des exemples suivants (Few-shot learning)** :
   - Exemple 1 :  
     Entrée : "Processus de gestion des formations internes"  
     Sortie : [analyse structurée + risques identifiés + proposition d'optimisation]  
   - Exemple 2 :  
     Entrée : "Contrôle des accès aux outils de supervision"  
     Sortie : [tableau d'analyse de risque + plan d'action technique]
</code>

====== 🧪 Exemple de cas d'usage ======

**Contexte :**

Un responsable qualité doit générer une fiche d'analyse de risques sur un processus de transport de produits pharmaceutiques sous température dirigée.

**Extrait personnalisé du prompt :**

<code>
Tu es un expert en validation qualité, spécialisé dans le transport pharmaceutique sous température dirigée.
Ta mission est d'analyser le processus de transport de produits sensibles pour identifier les risques et proposer un plan d'action.
Contraintes : respecter les BPD, 21 CFR Part 11, GAMP5, et produire une documentation exploitable.

Utilise ReAct, CoT, Atomisation, CCoT et CoV.
</code>

====== 🧭 Étapes pour utiliser le prompt ======

  - **Copier-coller le template** dans un outil comme ChatGPT, Claude ou Mistral.
  - **Adapter le contexte, la mission et les contraintes** à la situation métier.
  - Ajouter **1 à 2 exemples concrets (few-shot)** pour guider la génération.
  - Lancer la génération et laisser l'IA dérouler l'analyse.
  - **Lire la synthèse**, vérifier la cohérence.
  - Utiliser la section de vérification pour **challenger ou compléter** la sortie.

====== 🪪 Bonnes pratiques de diffusion interne ======

  * 📂 **Stocker le prompt dans un dossier partagé** (ex : Notion, GitBook, SharePoint)
  * 🧑‍🏫 **Former les collaborateurs à la lecture structurée** de la réponse (repérer CoT, ReAct, etc.)
  * 📝 **Créer un formulaire d'usage** où chaque personne peut proposer une version adaptée du prompt à son métier
  * 💬 **Inclure une boucle de feedback** pour améliorer le prompt (ce qui a bien marché, ce qui a bloqué)

====== ✅ Check-list avant usage ======

^ Élément ^ OK ? ^
| Contexte bien défini ? | ✅ / ❌ |
| Objectif clair et mesurable ? | ✅ / ❌ |
| Normes et contraintes identifiées ? | ✅ / ❌ |
| Exemples few-shot pertinents ? | ✅ / ❌ |
| Attente de sortie précisée ? | ✅ / ❌ |

====== 📦 Versions dérivées recommandées ======

Tu peux créer des **templates spécialisés** à partir de ce modèle général :

  * 💊 //Analyse de risque GxP / GAMP5//
  * 📃 //Rédaction d'URS / FRS / DQ//
  * 🛠️ //Évaluation d'un outil IT en vue d'un audit//
  * 📈 //Plan de migration SI ou plan d'amélioration Lean//

----
[[llm_prompt_design|LLM et prompt design]]