Table des matières

🎯 Objectifs pédagogiques

À la fin de ce module, vous serez capable de :

Qu'est-ce que le Prompt Engineering ?

🧠 Définition

Le prompt engineering consiste à formuler des requêtes textuelles de manière stratégique pour guider l'IA vers une réponse pertinente, claire et utile. C'est un peu comme apprendre à parler à une IA pour en tirer le meilleur.

✍️ Un bon prompt = une demande explicite, contextualisée et orientée vers un résultat précis.

📌 Ce que vous allez apprendre :

Comprendre le fonctionnement des LLM

Un LLM comme ChatGPT génère du texte en prévoyant mot après mot ce qui vient ensuite. Il s'appuie pour cela sur le prompt que vous lui fournissez.

Votre prompt est donc le contexte initial sur lequel l'IA base toute sa réponse.

🧾 Exemple simple :

Rédige un e-mail de candidature pour un poste de Data Scientist chez Nvidia.

Ce prompt contient :

🔍 À vous de jouer : Transformez un prompt flou en un prompt clair et structuré.

Les grandes techniques de Prompting

🎯 Zero-Shot vs 📚 Few-Shot Prompting

Type de Prompt Description Exemple simplifié
Zero-Shot Prompting L'IA répond sans exemple préalable “Traduis ce texte en italien.”
Few-Shot Prompting L'IA reçoit 1 à 3 exemples pour s'inspirer “Voici deux résumés d'article…”

🧪 Démonstration : une phrase absurde sans contexte, puis avec exemples ➜ la qualité des réponses s'améliore nettement.

🧠 Exercice : créez trois few-shots à partir d'un cas métier (ex : e-mail client, résumé RH, fiche produit…)

🎭 Persona Prompting

Attribuer un rôle à l'IA améliore significativement la pertinence des réponses.

🔸 Exemple : 

Agis comme un professeur. J'aimerais réviser les statistiques. Pose-moi des questions.

Cela influence :

📌 Cas d'usage :

🧠 Exercice : définissez une mission pour l'IA avec un rôle spécifique (coach, formateur, conseiller, etc.)

📁 RAG — Retrieval Augmented Generation

Même les LLM ont des limites. Grâce au RAG, on peut connecter l'IA à une base documentaire spécifique pour des réponses plus fiables.

🔧 Fonctionnement :

  1. Le retriever sélectionne les documents ou extraits pertinents
  2. Le LLM formule une réponse à partir de ces documents

📌 Idéal pour :

🎬 Ressource suggérée : démonstration RAG avec PDF + LangChain

🧠 Chain of Thought (CoT)

Plutôt que de donner directement une réponse, cette technique pousse l'IA à raisonner étape par étape.

🔸 Exemple : résoudre une énigme en décomposant chaque indice.

💬 “Commence par le Norvégien dans la première maison…” ➜ L'IA suit votre logique.

📈 Avantage : améliore la qualité et la transparence du raisonnement, utile pour des tâches complexes.

🧠 Exercice : reformulez un prompt pour qu'il incite l'IA à détailler son raisonnement.

🧭 Directional Stimulus Prompting (DSP)

Le DSP consiste à guider la créativité ou la tonalité de l'IA via des consignes précises.

🔸 Exemple : 

Imagine une ville sous-marine en 3024. Décris sa culture, ses technologies et ses défis écologiques.

📌 Applications :

✍️ Exercice : rédigez un prompt créatif avec des indications claires de style, ton ou ambiance.

📚 Pour aller plus loin

🎓 Mise en pratique finale

Choisissez un besoin réel de votre quotidien professionnel et créez plusieurs versions du prompt :

  1. En mode Zero-shot
  2. En mode Few-shot
  3. Avec un Persona
  4. En Chain of Thought
  5. Avec Directional Stimulus

Comparez les résultats, identifiez les différences et choisissez la stratégie la plus efficace !

chaînes de pensées, few-shot, prompt templates