Programme Leçon 112 sur 250 · L'intuition des réseaux de neurones, les LLM et le projet final IA
L'intuition des réseaux de neurones, les LLM et le projet final IA

L'art du prompt

Comme tout ce que le modèle sait de ta tâche vient du prompt, écrire de bons prompts est une vraie compétence. Deux principes portent l'essentiel.

Sois précis, pas vague

Un prompt vague appelle une réponse vague (ou fausse). Compare :

# vague
"summarize this"

# specific
"Summarize this in 2 sentences for a non-technical reader. "
"Lead with the single most important number."

Indique le format, le public, la longueur et ce sur quoi se concentrer. Le modèle ne lit pas dans les pensées ; c'est un prédicteur de texte.

Montre des exemples (few-shot prompting)

L'astuce la plus fiable consiste à montrer au modèle quelques paires entrée/sortie avant ta vraie question. Ça s'appelle le prompting few-shot, et ça enseigne le motif bien mieux que de le décrire :

Classify the sentiment.

Input: good
Output: positive
Input: awful
Output: negative
Input: great
Output:

Le modèle voit la forme de la tâche et la continue, en remplissant le dernier Output:. Laisser cette dernière ligne ouverte, c'est le signal pour répondre.

Essaie pour de vrai

Dans l'appli Floati, une fois un modèle sur l'appareil chargé, tu peux lui passer directement une chaîne comme celle-ci (par exemple await engine.chat(prompt) dans le panneau IA) et le regarder compléter la dernière ligne. On ne peut pas faire tourner le modèle en direct dans ce correcteur (il a besoin de WebGPU et n'est pas déterministe), donc ici tu construis la chaîne du prompt, la partie que tu contrôles entièrement.

À ton tour

Écris few_shot_prompt(task, examples, query). Elle renvoie une chaîne : la ligne task, puis une ligne vide, puis chaque exemple (inp, out) rendu sous forme d'une ligne Input: <inp> suivie d'une ligne Output: <out>, puis une dernière ligne Input: <query> et un Output: final que le modèle doit compléter. Relie le tout par des retours à la ligne. Puis écris prompt = few_shot_prompt("Classify the sentiment.", examples, "great").

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.