\n Conseil de pro <\/p>\n <\/div>\n
Le prompting en deux parties est souvent plus efficace pour les conversations plus longues. Cela signifie que vous attribuez un rôle au premier message, puis que vous modifiez les questions ou le contexte dans les messages de suivi, tout en conservant le même rôle tout au long du processus.<\/p>\n <\/div>\n \n\n\n\n<\/p>
L’inclusion d’exemples dans le format de l’invite donne au modèle d’IA un point de référence à imiter. En d’autres termes, l’inclusion d’un exemple permet d’orienter à la fois le ton et la structure de la réponse, ce qui est particulièrement utile pour les tâches créatives ou complexes.<\/p>
Rédigez une description de produit pour une nouvelle montre intelligente.<\/pre>✅ Bon exemple :<\/p>
<instruction>Créez une description de produit pour une nouvelle smartwatch avec les spécifications suivantes : suivi de la condition physique (pas, fréquence cardiaque, surveillance du sommeil), navigation GPS, notifications du smartphone, contrôle de la musique, paiements sans contact et surveillance de la santé (ECG, SPO2).\n\nUtilisez l'exemple suivant comme guide de style.<\/instruction>\n\n<example>Restez en forme et connecté avec notre tracker de fitness élégant qui surveille votre fréquence cardiaque, suit vos pas et se synchronise de manière transparente avec vos appareils.<\/example><\/pre>6. Demander au modèle d’expliquer son raisonnement<\/h2>
Le fait de demander une explication étape par étape encourage le modèle d’IA à raisonner sur un problème plutôt qu’à tirer des conclusions hâtives. Cette structure d’invite est particulièrement utile pour les tâches d’analyse, de logique ou de prise de décision.<\/p>
❌ Mauvais exemple :<\/p>
Quel est le meilleur canal de commercialisation pour une petite boulangerie ?<\/pre>✅ Bon exemple :<\/p>
Aidez-moi à choisir le meilleur canal de commercialisation pour la petite boulangerie que je viens de créer. Tout d'abord, dressez la liste de vos meilleurs choix et expliquez pourquoi ils sont bons, puis divisez-les en balises XML <meilleurs-choix> et <moins-recommandés>. Ensuite, donnez votre réponse finale.<\/pre>Le fait d’indiquer au modèle comment structurer sa réponse garantit la cohérence et la facilité d’utilisation. Que vous ayez besoin d’une liste, d’un tableau, d’un extrait de code ou de sections avec des en-têtes, indiquez-le clairement lorsque vous êtes invité à le faire.<\/p>
❌ Mauvais exemple :<\/p>
Listez des conseils de référencement pour débutants.<\/pre>✅ Bon exemple :<\/p>
Énoncez cinq conseils de référencement faciles à suivre pour les débutants, sous forme de puces. Pour chaque conseil, incluez une brève explication afin d'aider les lecteurs à comprendre pourquoi il est important.<\/pre>8. Fournir des données pertinentes à l’IA<\/h2>
Si le modèle doit faire référence à des faits, des chiffres ou des textes spécifiques, incluez ces données directement dans l’invite. Ne présumez pas qu’il a accès à des informations actuelles ou personnelles ; fournissez-lui plutôt ce dont il a besoin pour travailler.<\/p>
❌ Mauvais exemple :<\/p>
Résumez nos performances commerciales pour le premier trimestre.<\/pre>✅ Bon exemple :<\/p>
Résumez les données suivantes sur les ventes du premier trimestre en trois points :\n\n\"Chiffre d'affaires du premier trimestre : 120 000 dollars, en hausse de 15 % par rapport à l'année précédente. Produit phare : SmartLamp. Croissance de la clientèle : +8%.\"<\/pre>9. Demander des preuves<\/h2>
L’IA peut parfois avoir des hallucinations et faire des affirmations fausses ou non étayées. La bonne nouvelle, c’est qu’il existe des stratégies pour réduire ce phénomène.<\/p>
Vous pouvez demander à l’IA de dire “Je ne sais pas” lorsqu’elle n’est pas sûre. Vous pouvez également l’inviter à expliquer son raisonnement avant de donner une réponse définitive. Cela favorise des réponses plus précises et fondées sur des données probantes.<\/p>
❌ Mauvais exemple :<\/p>
Qui est l'homme le plus riche du monde ?<\/pre>✅ Bon exemple :<\/p>
Qui est actuellement la personne la plus riche du monde ? Indiquer la valeur nette la plus récente et la source (Forbes, Bloomberg, etc.).\n\nSi des données actualisées ne sont pas disponibles, dites \"je ne sais pas\".<\/pre>10. Itérer les prompts<\/h2>
Il n’existe pas d’invites parfaites qui puissent garantir un résultat idéal de l’IA dès le premier essai. Par conséquent, traitez le prompting comme une conversation – commencez simplement, examinez les résultats et affinez votre prompt en fonction de ce qui manque ou de ce qui n’est pas clair. Cette approche itérative permet d’obtenir de meilleurs résultats.<\/p>
Si les réponses ne sont toujours pas à la hauteur, envisagez de mettre en œuvre des techniques de prompt tuning.<\/p>
Comment garantir la sécurité dans le prompt engineering ?<\/h2>
Lorsque nous utilisons l’IA pour simplifier nos tâches, nous devons souvent alimenter le modèle d’IA avec nos données propriétaires. En l’absence de mesures de protection appropriées, ces données peuvent être exposées, utilisées à mauvais escient ou faire l’objet d’une fuite, en particulier lorsque l’on travaille avec des modèles tiers ou des systèmes basés sur l’informatique en nuage.<\/p>
Mais ne vous inquiétez pas : il existe des moyens de protéger vos données lorsque vous utilisez l’IA. Voici quelques bonnes pratiques en matière de sécurité du prompt engineering que vous pouvez suivre :<\/p>