Prompt (consigne)

Relu : Comment nous relisons les fichesMis à jour le

En bref

Un prompt est le texte (instructions, contexte, exemples) donné à un modèle d'IA pour obtenir une réponse ; sa formulation influence fortement la qualité du résultat.

Sources[1][2][3]

Définition

Un prompt (en français, consigne ou invite) est l'ensemble du texte fourni à un modèle de langage : la question, les instructions, le contexte, des exemples éventuels. Concevoir des prompts efficaces s'appelle l'ingénierie de prompt.

Techniques courantes

  • Instructions claires et précises : objectif, public visé, format de sortie attendu, contraintes de longueur.
  • Contexte : fournir les informations nécessaires plutôt que de supposer que le modèle les connaît.
  • Exemples (few-shot) : montrer un ou plusieurs exemples de ce qu'on attend. L'article sur GPT-3 a mis en évidence l'efficacité de cette approche.
  • Raisonnement par étapes (chain-of-thought) : demander au modèle de détailler son raisonnement peut améliorer ses résultats sur certains problèmes de logique ou de calcul, comme l'ont montré Wei et al. Les modèles dits « de raisonnement » le font déjà en interne : OpenAI déconseille de leur demander de « réfléchir étape par étape ».
  • Rôle et format : préciser la posture attendue et la structure de la réponse (liste, tableau, JSON…).

Limites

Un bon prompt ne garantit pas une réponse exacte : le modèle peut halluciner. Les résultats varient selon le modèle et d'une exécution à l'autre ; il faut tester et itérer.

Générateur de prompt

Remplissez les champs : le générateur assemble un prompt structuré selon les bonnes pratiques de cette fiche. Plus vous donnez de détails, meilleure sera la réponse.

Partir d’un modèle

Bonnes pratiques à ajouter
Qualité du promptÀ compléter · 1/6
  • Objectif précis
  • Contexte fourni
  • Public défini
  • Format choisi
  • Exemple donné
  • Garde-fous

Décrivez au moins votre demande pour générer le prompt.

Le prompt reste dans votre navigateur. Collez-le dans l’assistant de votre choix (ChatGPT, Claude, Le Chat…), puis affinez la réponse en conversant.

Sources

  1. Brown et al., « Language Models are Few-Shot Learners » (2020)
  2. Wei et al., « Chain-of-Thought Prompting Elicits Reasoning in Large Language Models » (2022)
  3. OpenAI, « Reasoning best practices » (documentation)