Avec la démocratisation des outils d’intelligence artificielle, les utilisateurs découvrent des possibilités infinies. À condition de savoir parler à l’IA. Et pour cela, il existe plusieurs techniques de prompt engineering. Parmi les plus populaires, il y a le Few-Shot Prompting. Découvrez cette méthode.
C’est quoi le Few-Shot Prompting ?
Le Few-Shot Prompting est une technique de prompt engineering qui consiste à montrer à l’IA quelques exemples (ou shots) des résultats désirés. Grâce aux exemples fournis, le modèle apprend un comportement spécifique, lui permettant ainsi de réaliser des tâches similaires.
Par exemple, un responsable marketing peut utiliser cette technique de Prompting pour classer les commentaires clients en positifs ou négatifs. Pour cela, il présente à l’IA plusieurs commentaires en précisant s’ils sont positifs ou négatifs. À l’aide de ces exemples, le modèle de langage doit être capable d’identifier les patterns associés aux sentiments positifs et négatifs. Ce qui lui permettra alors de classer les autres commentaires.
Pourquoi utiliser le Few-Shot Prompting ?
Depuis la démocratisation de ChatGPT, certains utilisateurs y voient un outil révolutionnaire alors que d’autres doutent encore de ses capacités.
La différence entre les deux ? La maîtrise des prompts. Et notamment de ses techniques comme le few shot Prompting.
En effet, les grands modèles de langage (LLM), comme ChatGPT sont entraînés avec des volumes massifs de données. Mais toutes ces informations sont censées répondre aux besoins du plus grand nombre. Or, si vous lui demandez de réaliser une tâche spécifique, il y a de grands risques qu’il vous fournisse une réponse très généraliste, bien loin de vos attentes initiales. Pour affiner les réponses de l’intelligence artificielle, le Few-Shot Prompting s’avère indispensable. En ce sens, c’est une stratégie de fine tuning redoutable.
Comment utiliser le Prompting en Few-Shot ?
Pour obtenir des résultats vraiment pertinents avec le Few-Shot Prompting , il convient d’appliquer les bonnes méthodes. Voici quelques astuces :
- Bien structurer son prompt : les exemples proposés sont toujours composés de deux valeurs ; la valeur à analyser et le résultat souhaité.
- Fournir le bon format : l’outil d’IA générative vous présentera des données de sortie identiques aux données que vous lui fournissez en entrée. Ainsi, vos shots doivent indiquer le format souhaité exact. Par exemple, « nom ; prénom ; profession ; âge ».
- Donner un nombre suffisant d’exemples : en général, il est conseillé de fournir à l’IA entre 3 à 5 exemples.
Quelles sont les variantes du Few-Shot Prompting ?
Le Few-Shot Prompting est loin d’être la seule technique de prompt engineering. Il en existe d’autres qui peuvent vous aider à fournir les bonnes instructions au modèle de langage. Voici les plus populaires :
- Chain of thought : l’objectif est de retracer le cheminement de la pensée humaine. Pour cela, vous orientez l’outil d’IA vers le résultat que vous souhaitez en lui fournissant plusieurs instructions successives.
- Reverse engineering : plutôt que de partir de la requête, vous partez du résultat souhaité. Vous le proposez alors au modèle d’IA en lui demandant qu’il vous fournisse le prompt capable de générer un tel résultat. Muni d’un prompt de qualité, vous pouvez l’adapter à votre situation pour obtenir une réponse pertinente.
- Zero shot prompt : par rapport au Few-Shot Prompting, c’est un peu la stratégie inverse. Ici, vous demandez une réponse à l’intelligence artificielle sans lui fournir d’exemples.
- Role Prompting : il s’agit là d’attribuer un rôle à l’IA(comme directeur marketing d’un grand groupe spécialisé en énergie renouvelable, conseiller financier dans une agence de proximité, …). C’est particulièrement utile pour affiner le modèle et améliorer la pertinence des résultats.
Découvrez le prompt engineering avec DataScientest
À mesure que les outils d’intelligence artificielle continuent de se développer, les techniques de prompt engineering évoluent également. Et pas seulement le Few-Shot Prompting. D’autres méthodes apparaissent régulièrement. Pour connaître les techniques les plus efficaces, il est primordial de se former. Heureusement, chez DataScientest, nous avons créé une formation dédiée à l’ingénierie des prompts. À la fin du programme, vous saurez communiquer efficacement avec les grands modèles de langage, obtenant ainsi tous les résultats souhaités.
