Initiation à l’Intelligence Artificielle Générative à l’attention de la communauté universitaire
5. Pour toutes et tous
5.3. Comment donner des instructions efficaces à une IAG ?
Rappels :
Nous avons vu qu’un prompt est une requête ou une instruction que vous formulez à une IAG pour obtenir une réponse. La qualité du prompt détermine la qualité de la réponse de l'IAG.
Pourquoi est-ce important ?
Un prompt bien formulé permet de guider l'IAG vers le résultat souhaité, et d'éviter des réponses vagues ou hors sujet.
La première instruction à une IAG peut avoir une importance particulière en structurant le reste de la conversation mais aussi en vous permettant de penser vos objectifs pour plus d’efficacité.
Règles de base pour formuler un prompt
Pour formuler un prompt efficace, il recommandé de s’adresser à l’IAG en répondant aux questions suivantes
Conseils d’usage
- Vérifiez les affirmations de l’IA en croisant avec d’autres sources ;
- Prévoir dans un prompt les moyens de contrôler la compréhension de l’IA ;
- Donnez l’instruction de fournir une introduction courte avant toute autre réponse pour vérifier la compréhension d’ensemble des thèses de l’article ou que tout simplement : il travaille sur le bon article … ;
- Lui demander de fournir une explication de son raisonnement ;
- Le contraindre à citer la liste des modifications réalisées sur le texte qui était à modifier…
Techniques avancées pour orienter les réponses de l'IA
Il est important de noter qu'il est tout à fait possible d'obtenir des résultats satisfaisants avec une IA en commençant simplement une conversation par une question ou proposition, puis d’explorer différentes pistes à travers des échanges successifs. Cette approche intuitive permet de préciser progressivement ses objectifs et intentions. Cependant, pour aller plus loin et obtenir des résultats plus précis, voici quelques techniques avancées qui vous permettront d'orienter plus efficacement les réponses de l'IA.
Le persona
Un persona dans le contexte du prompting est une technique qui consiste à attribuer un rôle spécifique à l'IA pour obtenir des réponses plus pertinentes et adaptées à vos besoins.
Pour utiliser cette technique, il faut définir clairement dans votre prompt :
- L'expertise ou le rôle que doit incarner l'IA ;
- Le niveau de compétence attendu ;
- Le contexte professionnel ou la situation spécifique dans lequel vous vous inscrivez.
Voici 3 exemples d'utilisation de personas
- Pour une explication pédagogique : "Agis comme un professeur de lycée spécialisé en physique. Explique le concept de la gravité à des élèves de seconde" ;
- Pour une révision de texte : "Agis comme un rédacteur professionnel spécialisé en communication scientifique. Révise ce texte en le rendant plus accessible tout en conservant sa précision technique" ;
- Pour un conseil méthodologique : "Agis comme un expert en gestion du temps. Propose une méthode pour organiser efficacement une journée de travail chargée."
Le contexte d’une conversation
La qualité d’une conversation que vous créez avec un LLM varie en fonction d’un contexte. Ce contexte est essentiel !
En effet, au début d’une conversation, l’IA ne sait rien de vous ou de vos intentions. Chaque conversation est par conséquent unique.
Le contexte d'une conversation est un concept essentiel à garder à l'esprit lorsque vous échangez avec un LLM, car l'ensemble des échanges précédents permet au modèle de fournir des réponses plus pertinentes et cohérentes.
Exemple de déroulement d’une conversation :
- Nouvelle conversation : L'utilisateur ouvre son navigateur et se rend dans le chat. Il y commence une nouvelle conversation. À ce stade, le modèle n'a aucune information préalable : il ne connaît pas les intentions de l’utilisateur ni ce qu’en tant qu’IA, il va devoir réaliser pour lui ;
- Premier prompt : L'utilisateur entre une question ou une instruction (un prompt). Ce prompt est spécifique car il initie la conversation et définit le sujet ;
- Réponse du modèle : Le modèle analyse le prompt et génère une réponse en utilisant les connaissances qu'il a acquis pendant l’entraînement et qu’il croise avec cette première instruction ;
- Enchaînement : L'utilisateur peut continuer à poser des questions ou donner de nouvelles instructions ;
- … suite : Chaque nouvelle entrée prend en compte les échanges précédents (le contexte) pour fournir des réponses cohérentes tout en donnant une forte priorité à la dernière instruction reçue.
Si vous gardez en tête le contexte et que vous concevez vos interactions en fonction de cet historique : vous obtiendrez des réponses efficaces de votre nouveau partenaire d’écriture.
Attention : le contexte a une taille limitée (fenêtre de contexte). Par conséquent, si vous échangez longuement avec un LLM, il pourra perdre les premiers éléments de vos échanges. Vous ne pouvez pas deviner les éléments qui ont été exclus du contexte. C’est pourquoi, il est parfois nécessaire de fournir à nouveau ces éléments si vous souhaitez qu’ils soient absolument pris en compte (Democratizing Artificial Intelligence Research, Education, and Technologies, 2024).