Qu'est-ce que le prompt engineering ? Définition et exemples

Read in English (Lire en anglais)

Le prompt engineering est un terme technique qui désigne une action directe : il s'agit de proposer un prompt (ou requête) à un outil d'IA générative pour qu’il effectue une tâche. Un bon prompt engineering nécessite généralement d'affiner vos prompts en en précisant les contours pour obtenir le résultat le plus précis et le plus utile. Que vous demandiez à ChatGPT de vous aider à rédiger votre CV ou que vous utilisiez DALL-E pour générer une photo pour une présentation, tout le monde peut être un prompt engineer.

Dans cet article, nous examinerons comment devenir prompt engineer. Vous voulez commencer tout de suite ? Pensez à vous inscrire au cours Prompt Engineering Specialization de l'université Vanderbilt. Vous apprendrez à exploiter les capacités émergentes des grands modèles de langage pour automatiser des tâches, accroître la productivité et augmenter l'intelligence humaine.

Qu'est-ce que le prompt engineering ?

L'IA générative peut créer du texte, des images, des vidéos, etc. Le prompt engineering est le processus qui consiste à affiner ce que vous demandez à un outil d'IA générative de faire. N'importe qui peut le faire en utilisant le langage naturel dans des générateurs comme ChatGPT ou DALL-E. C'est également une technique que les ingénieurs de l'IA utilisent lorsqu'ils affinent de grands modèles de langage (LLM) à l'aide de requêtes précises ou génériques. 

Par exemple, si vous utilisez ChatGPT pour réfléchir à un résumé professionnel pendant que vous peaufinez votre CV, vous pouvez commencer par formuler votre requête avec une commande simple comme « Écrire un exemple de résumé professionnel pour un analyste en marketing ». Cette commande étant plutôt vague, vous pouvez la faire suivre d'un contexte ou d'un commentaire supplémentaire : « le ton était trop officiel » ou « abréger en moins de 100 mots ».

Pourquoi le prompt engineering est-il important en IA générative ?

Le prompt engineering est important parce qu’il permet aux ingénieurs en IA de créer de meilleurs services, tels que des chatbots capables de gérer des tâches complexes comme le service à la clientèle ou de générer des contrats juridiques. Pour s'assurer que les services d'IA générative tels que ChatGPT sont en mesure de fournir des résultats, les ingénieurs doivent élaborer le code et entraîner l'IA à partir de données exhaustives et précises.

Nous avons atteint un point dans notre monde axé sur le big data où la formation de modèles d'IA peut aider à fournir des solutions beaucoup plus efficacement sans avoir à trier manuellement de grandes quantités de données. Un prompt engineering approprié peut également identifier et atténuer les attaques par injection de requêtes(tentatives malveillantes de piratage du système logique de ChatGPT ou deschatbots) afin de garantir que les entreprises fournissent des services cohérents et précis.

Apprenez-en plus sur l'IA générative et son potentiel pour accélérer vos projets avec le cours Google AI Essentials. Vous utiliserez des outils d'IA générative pour vous aider à développer des idées et du contenu, à prendre des décisions plus éclairées et à accélérer les tâches quotidiennes.

Exemples de prompt engineering

Voici quelques exemples de prompt engineering qui vous permettront de mieux comprendre de quoi il s'agit et comment vous pourriez concevoir une requête avec une IA générative de texte et une IA générative d'image.

• Pour les IA génératives de texte comme ChatGPT :

  • Quelle est la différence entre un résumé professionnel et un résumé opérationnel ?

  • Rédige un résumé professionnel pour un analyste marketing qui recherche un poste de responsable marketing.

  • Réduis-le maintenant à moins de 60 mots.

  • Réécris-le sur un ton moins officiel.

• Pour les modèles d'image comme DALL-E : 

  • Une peinture d'un chat.

  • Une peinture d'un chat chassant une souris dans le style impressionniste.

  • Utilise maintenant uniquement des tons chauds dans le tableau.

Comment concevoir des requêtes d'IA générative

Voici un guide rapide, étape par étape, pour concevoir vos requêtes.

1. Exprimez votre requête aussi clairement que possible

L'IA générative étant un modèle d'apprentissage profond formé sur des données produites par des humains et des machines, elle n'a pas la capacité de passer au crible ce que vous communiquez pour comprendre vraiment ce que vous dites. 

On obtient ce que l’on dit.

Lorsque vous saisissez une requête dans un générateur d'IA, il est préférable de la formuler dans un langage clair et précis, en tenant compte du contexte. Par exemple, au lieu de « Rédiger un plan qui comprend un titre et les étapes suivantes », vous pourriez demander : « Rédiger un plan pour une proposition de recherche universitaire qui comprend des sections pour le titre, le résumé et les étapes suivantes ».

2. Expérimentez pour trouver les meilleures pratiques

Pour chaque type de résultat, tel qu'un résumé, une proposition de recherche ou des rubriques de CV, vous devrez expérimenter l'IA générative en utilisant différentes variations de la même demande. Vous pourrez ainsi déterminer si vous devez inclure des indications telles que « sur un ton officiel ». Si vous devez inclure le mot « ton » dans votre message, devez-vous écrire « sur un ton professionnel » ou « sur un ton officiel » ?

Travaillez également vos entrées. Envisagez de saisir des exemples de plans dans une requête ou de fournir des exemples que vous aimeriez que le générateur utilise comme modèle.

3. Donnez des instructions ou posez des questions

Une fois que vous avez donné à votre texte le format et le ton qui conviennent, vous pouvez limiter le nombre de mots ou de caractères. Vous pouvez également créer deux versions distinctes du plan, l'une à des fins internes.

Le générateur peut le faire en se basant sur les résultats qu'il a fournis précédemment. L'itération est votre amie. Poursuivez l'élaboration de la requête jusqu'à ce que vous obteniez les résultats souhaités.

4. Jouez avec différentes techniques de requêtes

L'IA générative est encore une technologie nouvelle (et en développement), mais cela ne signifie pas que les chercheurs n'ont pas déjà développé certaines stratégies pour concevoir des requêtes efficaces. Lorsque vous jouez avec l'IA générative, essayez d'utiliser certaines de ces techniques de requête pour obtenir les résultats que vous recherchez :

• Zero-shot prompting : il s'agit de la méthode la plus directe et la plus simple de prompt engineering, dans laquelle une IA générative reçoit simplement des instructions directes ou se voit poser une question sans recevoir d'informations supplémentaires. Il est préférable d'utiliser cette méthode pour des tâches relativement simples plutôt que pour des tâches complexes.

• Few-shot prompting : Cette méthode consiste à fournir à l'IA générative quelques exemples pour l'aider à produire ses résultats. Cette méthode est plus adaptée aux tâches complexes que la méthode Zero-shot.

• Chain of Thought (CoT) : Cette méthode permet d'améliorer les résultats d'une IA reposant sur un LLM (Large Language Model, « grand modèle de langage ») en décomposant un raisonnement complexe en étapes intermédiaires, ce qui peut aider l’IA à produire des résultats plus précis.

• Enchaînement de requêtes : La personne qui interroge l’IA divise une tâche complexe en sous-tâches plus petites (et plus faciles), puis utilise les résultats de l'IA générative pour accomplir la tâche principale. Cette méthode peut améliorer la fiabilité et la cohérence de certaines des tâches les plus compliquées.

Il ne s'agit là que de quelques-unes des techniques de requêtes avec lesquelles vous pouvez jouer en continuant à explorer le prompt engineering. Souvent, en fait, la stratégie de requête la plus efficace consiste à combiner plusieurs techniques différentes pour obtenir le résultat souhaité.

L'avenir du prompt engineering

Le prompt engineering continuera d'évoluer à l'ère de l'IA et de l'apprentissage automatique. Bientôt, on pourra faire des requêtes combinant du texte, du code et des images en une seule fois. Les ingénieurs et les chercheurs génèrent également des requêtes adaptatives qui s'ajustent en fonction du contexte. Bien entendu, à mesure que l'éthique de l'IA évolue, elle inclura probablement un contrôle de la légalité et de la transparence des requêtes.

Évolution de carrière et perspectives d'emploi des prompt engineers

En ce qui concerne la carrière de prompt engineer, l'avenir est prometteur. L’école DataScientest, spécialisée dans les métiers du big data et de l’IA, et qui propose le cours Prompt Engineering, annonce que le salaire mensuel d’un prompt engineer débutant se situe entre 4100 et 6600 euros (soit, sur un an, entre 49 200 et 79 200 euros) [1]. 

Les prompt engineers doivent maîtriser les principes fondamentaux du traitement du langage naturel (NLP), notamment les bibliothèques et les frameworks, le langage de programmation Python, les modèles d'IA générative, et contribuer à des projets à code source ouvert.

Le plus souvent, les prompt engineers ont besoin d'un diplôme en informatique comme une licence ou un bachelor en informatique. Toutefois, certains prompt engineers ont une formation moins technique, par exemple en rédaction, et ont acquis de l'expérience en étudiant et en expérimentant l'IA.

Apprendre le prompt engineering sur Coursera

Gagnez en confiance avec le prompt engineering grâce au cours Spécialisation Prompt engineering de Vanderbilt. Vous apprendrez à maîtriser les modèles, les techniques et les approches du prompt engineering pour tirer efficacement parti de l'IA générative.