Sommaire
L'émergence fulgurante des intelligences artificielles génératives ces dernières années a fait apparaitre de nombreux termes, outils et méthodologies. Pour ne pas être dépassé par ces nouveaux outils, conçus pour améliorer notre productivité et notre quotidien, il est nécessaire d'en comprendre le fonctionnement et l’utilisation. Commençons par le début : qu'est-ce qu'un Prompt et comment bien les rédiger ? C'est ce que nous allons voir dans cet article.
Prompt, Prompt engineering, Prompt Crafting et même Prompt injection, sont des termes que vous rencontrerez forcément si vous vous intéressez aux IA génératives et LLM. Le Prompt, que l’on peut traduire par “Invite” ou “Consigne”, est à la base de nos échanges avec ces derniers. Surtout, il existe des bonnes pratiques pour les construire afin d'optimiser notre usage quotidien de l'IA et de gagner en temps ainsi qu'en efficacité. Voyons tout cela plus en détails
Commençons par faire un rappel des notions d’IA génératives et LLM. Une intelligence artificielle générative est un programme informatique conçu pour produire du contenu de manière autonome. Elle peut interagir avec ses utilisateurs via du texte, des images, des vidéos ou même de la musique. Son fonctionnement repose sur des principes mathématiques et statistiques, s’inspirant du cerveau biologique humain grâce à des réseaux de neurones artificiels (bien que leurs architectures restent très différentes).
Ces réseaux sont le fruit d'une phase d'entraînement sur une quantité massive de données, permettant à l'IA d'apprendre et d'affiner ses statistiques. Cet entraînement aboutit à la création d'un modèle contenant des neurones artificiels, chacun doté de poids spécifiques. Ces neurones s'activent ou non en fonction des données d'entrée, comme les prompts.
Un LLM ou "Large Language Model" est une application des IA génératives spécialisée autour de la compréhension et la production du langage humain dans toutes ses variétés. Basés, eux aussi, sur les statistiques, les mathématiques et l'entrainement sur de grande quantité de données, leur objectif premier est de déterminer quel mot serait le plus approprié à la suite d'un autre. Cela permet de produire du texte cohérent pour un humain, mais aussi de comprendre ce que demandent les utilisateurs.
Cette définition permet de rappeler que l'objectif premier des LLM est de produire du texte, pas de dire la vérité (ce qui mène parfois à des hallucinations) :
Par exemple, si je pose la q...
[Courte citation de 8% de l'article original]