Pour utiliser efficacement les Intelligences Artificielles Génératives (IAg ou GenAI), comme ChatGPT, Llama, Gemini ou encore Mistral, et bien il faut leur parler...
Bien que ces IA génératives comprennent le Langage Naturel des humains, Il faut aussi garder en tête que ce ne sont pas des humains mais des outils.
Pour que ces outils comprennent ce qu’un humain demande, il faut écrire des prompts bien structurés, clairs et contextuels.
Il y a le bon prompt et le mauvais prompt...
Un prompt bien formulé permet aux générateurs de texte et d’images de comprendre précisément ce que vous attendez d'elle et d'offrir une réponse plus pertinente et utile.
Attention :
Les IA Générative sont des outils (c’est bien de le rappeler encore une petite fois...). Et ces outils ne vont pas travailler à votre place, voilà pourquoi il est important d’apprendre à correctement s’en servir, de façon réfléchie et surtout de vérifier systématiquement les réponses générées.
comment réaliser un bon prompt ?
1. Clair et précis tu seras...
Évitez les questions vagues ou ambiguës. Plus vous êtes précis dans votre demande, plus la réponse sera adaptée à vos besoins.
| Exemple |
| Vague | "Parle-moi de Grenoble." |
| Précis | "Quels sont les principaux monuments historiques de Grenoble et leur importance dans la Résistance durant la seconde guerre mondiale ?" |
2. Du contexte tu fourniras...
Indiquez le contexte ou l'objectif de votre demande pour aider l'IA à générer une réponse pertinente. Le contexte peut inclure des informations sur le public cible, le ton souhaité, ou des détails spécifiques sur le sujet. Fournir des documents ou des URL de sites web permet également d’améliorer la réponse générée.
| Exemple |
| Sans contexte | "Donne-moi une idée d'article." |
| Avec contexte | "Je souhaite écrire un article pour un blog de voyage qui cible les jeunes adultes intéressés par des randonnés autour de la ville de Grenoble. Peux-tu me donner une idée d'article original ?" |
3. Les réponses attendues tu encadreras ...
Si vous avez des attentes particulières quant au format ou au style de la réponse, indiquez-le dans votre prompt. Cela peut inclure la longueur de la réponse, le niveau de détail, ou un style particulier.
| Exemple |
| Sans cadre | "Explique le concept de test unitaire." |
| Avec cadre | "Explique le concept de test unitaire de manière simple, en moins de 100 mots, pour un public novice en technologie." |
4. Les demandes complexes en étapes tu diviseras...
Pour des tâches complexes ou demande spécifique, il est souvent utile de diviser votre demande en différents prompts afin que l'IA générative puisse traiter chaque partie de manière exhaustive. “Discuter” avec l’outil lui permettra de mieux comprendre votre demande et d’être plus précis.
| Exemple |
| Complexe | "Écris un article sur les mocks en Python." |
| Etapes | - Introduction générale : "Peux-tu d'abord expliquer ce qu'est un mock en Python et dans quel contexte on l'utilise dans le cadre des tests unitaires ?
- Créer un mock : "Comment créer un mock en Python en utilisant la bibliothèque unittest.mock ?"
- Configurer un mock : "Comment configurer un mock pour qu'il simule un comportement ou une réponse spécifique lors d'un test ?"
- Vérification de l'utilisation des mocks : "Comment peut-on vérifier si un mock a été appelé avec des arguments spécifiques pendant un test ?"
- Étude de cas : "Peux-tu donner un exemple complet de test unitaire utilisant des mocks, en expliquant chaque étape du processus ?"
|
|
5. Des suggestions ou alternatives tu demanderas...
Si vous cherchez à explorer différentes options, demandez à l'IA générative de fournir plusieurs suggestions ou alternatives, ce qui peut vous aider à choisir la meilleure approche ou idée.
| Exemple |
| Sans alternative | "Quelle est la meilleure façon de commencer un article ?" |
| Avec alternatives | "Peux-tu me donner trois façons différentes de commencer un article sur les avantages du télétravail ?" |
6. Des exemples tu donneras...
Fournir un exemple ou un modèle de ce que vous attendez peut guider l'IA vers une réponse qui correspond à vos attentes.
| Exemple |
| Sans exemple | "Écris-moi une fonction Python qui trie ma liste." |
| Avec exemple | " Peux-tu écrire une fonction Python qui trie une liste d'entiers par ordre croissant. Voici un exemple de ce à quoi je m'attends : Si l'entrée est [3, 1, 4, 1, 5], la sortie doit être [1, 1, 3, 4, 5]." |
7. Interactif et itératif tu seras...
Si la première réponse ne correspond pas exactement à ce que vous cherchiez, n'hésitez pas à affiner votre demande en fonction de la réponse initiale. L'IA peut ajuster sa réponse en fonction de vos commentaires.
| Exemple |
| Première demande | "Explique le réchauffement climatique." |
| Affinée | "Peux-tu maintenant me l’expliquer de nouveau en incluant l’impact des entreprises informatiques ?" |
Bonus : Adaptez la Configuration du modèle à vos besoins
Les modèles d'IA générative, comme les grands modèles de langage (LLM), offrent plusieurs paramètres configurables qui peuvent grandement influencer les réponses générées. Ajuster ces paramètres vous permet d'affiner la précision, la créativité ou la concision des réponses en fonction de vos besoins spécifiques.
Température
La température contrôle la diversité des prédictions du modèle en ajustant la probabilité des choix faits lors de la génération de texte. Une température basse rend la génération plus déterministe et conservatrice, tandis qu'une température élevée la rend plus aléatoire.
Par exemple, si vous définissez la température à 0.2, le modèle générera des réponses plus déterministes et moins aléatoires. Si vous entrez "Quel est le meilleur film de l'année ?", le modèle pourrait générer "Le film de l'année est certainement 'Le Seigneur des Anneaux'" avec une température faible, mais pourrait générer "Hmm, c'est difficile à dire, mais peut-être 'La La Land' ?" avec une température élevée.
Longueur de Contexte
La longueur du contexte est la quantité maximale de texte (en tokens) que le modèle peut utiliser pour générer la suite. Un contexte plus long permet au modèle de prendre en compte plus d'informations antérieures. Attention cependant, plus le contexte est long plus il occupera de mémoires.
Si la longueur du contexte est de 1024 tokens, le modèle se basera sur les 1024 derniers tokens pour générer la suite du texte, ce qui est utile pour conserver la cohérence dans des dialogues longs.
Top K et Top P
Le Top K limite la sélection des mots aux K options les plus probables, augmentant la cohérence du texte généré. Par exemple, avec un Top K de 50, seuls les 50 mots les plus probables sont considérés à chaque étape, réduisant ainsi le risque de produire des mots hors propos.
Le paramètre Top P choisit quant à lui les mots parmi un sous-ensemble dont les probabilités cumulées dépassent un certain seuil (P%), modulant ainsi le compromis entre diversité et cohérence. Par exemple, avec un Top P de 0.9, les mots sélectionnés représentent 90% des probabilités cumulées, incluant des mots moins probables mais tout de même pertinents.
Pénalité de Fréquence
Ce paramètre diminue la probabilité des mots qui apparaissent fréquemment dans le texte généré, incitant le modèle à varier son vocabulaire.
Avec une pénalité de fréquence élevée, le modèle évitera de répéter les mêmes mots trop souvent, ce qui permet d'obtenir un texte plus varié et enrichi.
Ajout de documents (RAG)
Certains outils proposent également la possibilité d’ajouter des documents à votre prompt. Les IA génératives vont alors analyser ses documents et s’appuyer dessus pour fournir des réponses précises et spécifiques. Cette méthode est appelé le Retrieval-Augmented Generation (RAG).
Par exemple, si vous fournissez un document PDF contenant des résultats d’études sur les énergies renouvelables, l’IA peut extraire et synthétiser ces informations pour répondre à des questions précises, comme “Quels sont les principaux bénéfices de l’énergie solaire selon ce rapport ?”. La pertinence des réponses sera grandement améliorée et va intégrer directement les informations factuelles issues des documents fournis.
Considérations essentielles dans l'utilisation des IA génératives
Une fois que vous avez intégré ces bonnes pratiques dans l'utilisation des IA génératives, il est important de ne pas s'arrêter là.
Pour exploiter pleinement ces outils, vous devez également prendre en compte des aspects plus larges, tels que la fiabilité des informations, le contexte d'entraînement des modèles, ainsi que les implications éthiques, légales ou encore environnementales.
Voici quelques considérations à garder en tête lorsque vous utilisez ses outils.
La véracité des réponses
Toujours
relire et
vérifier les réponses générées par l'IA avant de les utiliser, surtout pour des informations factuelles, techniques ou sensibles. Les IA génératives peuvent parfois produire des informations inexactes, biaisées ou obsolètes. Revoir et valider ces réponses est essentiel pour éviter la diffusion d'informations erronées.
astuce :
En demandant “bêtement” à l'IA générative, dans son système prompt par exemple, de vous dire clairement qu’elle ne dispose pas d'une réponse certaine, vous réduisez le risque de recevoir des fausses informations.
Les données d’entrainement
Gardez à l'esprit que les IA génératives sont entraînées sur des données collectées provenant de différentes sources et jusqu'à une certaine date, ce qui signifie que les informations qu'elles fournissent peuvent ne pas être à jour. Considérer toujours la pertinence temporelle de vos prompts pour éviter de prendre des décisions basées sur des données obsolètes.
Considérations Éthiques, Légales et Environnementales
Il est essentiel de tenir compte non seulement des implications éthiques et légales, mais aussi des impacts environnementaux lorsque vous utilisez des IA génératives.
Éthique et confidentialité : Si vous travaillez avec des informations sensibles ou personnelles, ne les partagez pas directement avec l'outil, car les interactions peuvent ne pas être conformes aux réglementations comme le RGPD (Règlement Général sur la Protection des Données) ou simplement ne respecte pas les normes de sécurisé.
Propriété intellectuelle : Lorsque vous demandez à l'IA de générer du contenu créatif, comme du texte, du code ou des images, soyez conscient des questions de propriété intellectuelle. Le contenu généré peut s'inspirer de sources protégées par le droit d'auteur, ce qui peut entraîner des conflits juridiques si utilisé à des fins commerciales sans vérification préalable.
Impact éthique : Les réponses générées par l'IA peuvent contenir des biais, des stéréotypes ou des informations potentiellement nuisibles. Il est important d'examiner les réponses à travers une lentille éthique pour éviter de diffuser du contenu discriminatoire ou offensant.
Considérations environnementales : L'utilisation intensive de modèles d'IA génératives a un coût environnemental très élevé. Les ressources nécessaires pour entrainer et faire tourner ces outils consomment beaucoup d'électricité, et ont besoin de très grosses infrastructures de refroidissement. Il est donc crucial d'utiliser ces outils de manière responsable et raisonnée.
En conclusion
Pour exploiter pleinement les Intelligences Artificielles Génératives, il est important de maîtriser l'art du prompt. En formulant des demandes claires, précises et bien contextualisées, vous obtiendrez des réponses plus pertinentes et adaptées.
Toutefois, ces outils, aussi puissants soient-ils, ne remplacent ni la réflexion humaine, ni la nécessité de vérifier les informations générées. Il est indispensable de croiser les réponses fournies et de rester vigilant quant aux sources et aux biais possibles des données utilisées par l'IA, tout en prenant en compte les enjeux éthiques, légaux et environnementaux liés à leur utilisation.
Finalement, si ces technologies ouvrent la voie à des possibilités infinies, c'est notre usage réfléchi et responsable qui en déterminera la portée réelle. À nous de continuer à explorer et à définir les limites, tout en restant conscients des implications de cette nouvelle ère technologique.
Retour aux articles