Dot.Blog

Aujourd'hui, je vais vous parler du Prompt Engineering, cette science mystérieuse qui se cache derrière les performances extraordinaires des modèles d'intelligence artificielle comme GPT. Tout le monde en parle, et c'est finalement normal : le sujet des IA passionne à juste titre. Mais c'est un domaine complexe dont les concepts restent souvent nébuleux, comme le brouillard qui enveloppe le sommet d'une montagne sacrée.
Alors, plongeons dans l'univers du Prompt Engineering, qui se situe à la frontière du fantasme, de la magie et de la programmation, et explorons ensemble les secrets de cet art ancien (car le langage humain n'est pas une invention de ChatGPT !). Comme l'a si bien dit Arthur C. Clarke, "toute technologie suffisamment avancée est indiscernable de la magie". C'est justement ce qui rend le Prompt Engineering si fascinant.

Tout d'abord, il faut définir ce qu'est un "prompt". Un prompt est une question, une instruction ou un déclencheur qui invite un modèle d'IA à générer une réponse. En somme, il s'agit de la façon dont on interagit avec les LLM (qui sont des NLP) pour obtenir des réponses ou des résultats. On parle aussi d'invite en français.

Le Prompt Engineering est donc l'art et la science de concevoir et d'optimiser ces prompts pour obtenir les meilleures performances possibles d'un modèle d'IA. Il s'agit de comprendre comment le modèle traite l'information et comment lui donner des instructions claires et efficaces pour obtenir la réponse souhaitée.

Le fait qu'on utilise du langage humain n'est pas forcément une simplification, bien au contraire… Cela impose de savoir parler correctement la ou les langues dans lesquelles on va interroger l'IA, d'avoir un vocabulaire riche et précis et une grammaire irréprochable. Rappelez-vous que les IA comme GPT sont entraînées sur un corpus de textes sérieux, du Victor Hugo, du Proust, du Shakespeare en plus de sources comme Wikipédia. Le modèle a appris comment les langues fonctionnent en partant de textes bien écrits. Pas en lisant des paroles de RAP… Et ne rigolez pas, dans les news de Bing dernièrement je lisais dans le même article de mauvaise qualité "relever la pente" au lieu de remonter la pente ou relever la tête, et "ils ont alors vite déjanté..;" au lieu de déchanter ! Il y a trente ans c'était un sketch de Coluche, aujourd'hui ce sont les vraies infos qu'on nous sert. Si ce sont vos sources uniques de lectures, abandonnez tout espoir de faire carrière dans le P.E. !

"La différence entre le mot juste et le mot presque juste, c'est la différence entre la foudre et la luciole", disait Mark Twain. Cette citation illustre parfaitement l'importance du Prompt Engineering. Un bon prompt peut permettre au modèle de fournir des réponses précises et pertinentes, tandis qu'un mauvais prompt peut entraîner des réponses erronées ou incohérentes, voire favoriser ce qu'on appelle des hallucinations, des propos ayant l'aspect du vrai et du juste mais totalement inexacts. En travaillant sur l'amélioration des prompts, on peut donc améliorer considérablement les performances des IA de type LLM comme GPT. Finalement, c'est la même chose entre humains. Mal poser une question, c'est assurément ne pas recevoir une réponse claire. On mesure d'ailleurs l'intelligence d'une personne bien plus aux questions qu'elle pose qu'aux réponses qu'elle donne... Il en va de même pour celui qui interroge une IA : poser les bonnes questions permet d'obtenir de meilleures réponses.

Maintenant que vous avez compris ce qu'est le Prompt Engineering et pourquoi il est si important, je vous propose de regarder quelques stratégies utilisées dans ce domaine pour mieux cerner la nature du travail effectué par celui qui le pratique. Imaginez ces stratégies comme les ingrédients d'une potion magique qui, une fois combinés, permettent de dévoiler le véritable potentiel des IA.

Il est important de formuler des prompts clairs et spécifiques pour obtenir des réponses précises. Les modèles d'IA peuvent mal interpréter les questions vagues ou ambiguës, il est donc crucial de bien définir ce que nous attendons du modèle.

Mauvais prompt : "Dis-moi quelque chose sur Paris."

Meilleur prompt : "Peux-tu me donner trois lieux historiques à visiter à Paris et expliquer brièvement leur importance ?"

Fournir des informations contextuelles peut aider le modèle à comprendre la situation et à fournir des réponses plus pertinentes. Par exemple, si nous demandons de l'aide pour résoudre un problème mathématique, il peut être utile d'inclure le contexte, comme le niveau de difficulté ou le type de problème.

Mauvais prompt : "Résous ce problème : x^2 - 4x + 4 = 0."

Meilleur prompt : "Résous cette équation quadratique en utilisant la méthode de la factorisation : x^2 - 4x + 4 = 0."

Parfois, il est nécessaire de donner des instructions explicites au modèle pour qu'il réponde d'une manière spécifique. Par exemple, si nous voulons une réponse concise, nous pouvons demander au modèle de résumer ses pensées en quelques phrases.

Mauvais prompt : "Qu'est-ce que la photosynthèse ?"

Meilleur prompt : "Explique brièvement en deux phrases ce qu'est la photosynthèse."

Si un prompt initial ne produit pas les résultats souhaités, il peut être utile de reformuler la question ou de poser des questions complémentaires pour obtenir une réponse plus précise.

Mauvais prompt : "Qu'est-ce que le changement climatique ?"

Par ex. si la réponse obtenue est trop technique ou complexe, reformulez-la : "Peux-tu expliquer le changement climatique en termes simples pour un enfant de 10 ans ?"

Fournir des exemples de réponses souhaitées dans le prompt peut aider à guider le modèle vers la bonne réponse ou le bon formatage de celle-ci. Par exemple, si nous voulons que le modèle génère un paragraphe argumentatif, nous pouvons inclure un exemple de ce à quoi nous nous attendons.

Mauvais prompt : "Rédige un paragraphe argumentatif sur l'importance de la protection de l'environnement."

Meilleur prompt : "Rédige un paragraphe argumentatif sur l'importance de la protection de l'environnement, en incluant une affirmation, des preuves à l'appui et une conclusion. Par exemple : 'L'importance de la protection de l'environnement réside dans le fait que notre planète est notre maison commune (affirmation). Des études montrent que la dégradation de l'environnement peut entraîner la perte de biodiversité et des catastrophes naturelles plus fréquentes (preuves à l'appui). Il est donc crucial de prendre des mesures pour préserver notre environnement afin de garantir un avenir durable pour les générations futures (conclusion).'"

Ce n'est qu'un bref extrait des techniques utilisées. Vous entendrez parler aussi du Rôle Prompting, des 0-shot, 1-shot et few-shot prompts, du guidage de style, des inserts de GPT, de l'utilisation des descripteurs, des invites d'amorce et plein d'autres stratégies car c'est un domaine jeune en constante évolution, et de nouvelles techniques et approches sont régulièrement développées pour améliorer la manière d'interagir les IA. 

En conclusion, le Prompt Engineering est une discipline fascinante, mêlant science et créativité, qui permet d'exploiter le plein potentiel des modèles d'IA comme GPT. En peaufinant l'art de poser des questions et en comprenant les mécanismes sous-jacents de ces modèles, nous pouvons créer des interactions plus efficaces et performantes avec les IA, pour le bénéfice de tous. Comme l'a dit un jour Isaac Asimov, "La science-fiction, c'est une branche de la littérature qui traite de la réaction de l'homme aux progrès de la science et de la technologie." Le Prompt Engineering, à la croisée de l'IA et de l'interaction humaine, incarne parfaitement cette vision.

Alors, que vous soyez un magicien en herbe ou un véritable sorcier des temps modernes, il est temps de plonger dans l'univers envoûtant du Prompt Engineering et de découvrir ses secrets. Qui sait, peut-être serez-vous le prochain grand maître de cet art, capable de déchiffrer les énigmes les plus complexes et de révéler la véritable magie des IA ?