6 astuces pour améliorer vos compétences en « prompt design »

Le marché des solutions dopées à l’IA est en plein essor. Dans ce contexte, l’ingénierie du design d'invités (ou prompt design), pratique qui consiste à formuler des instructions pour bien orienter les modèles de langage ou encore des chatbots, devient une compétence essentielle que tous les développeurs doivent maîtriser. Les grands modèles de langage (LLM) et autres modèles fondamentaux (foundation models) génératifs ont besoin d’instructions contextuelles, spécifiques et adaptées, exprimées en langage naturel, pour générer les résultats attendus. Ce qui signifie que les développeurs doivent formuler des invites claires, concises et didactiques.

Dans ce blog, nous vous proposons de découvrir les six meilleures pratiques qui feront de vous un ingénieur d’invites plus efficace. En suivant nos conseils, vous pourrez commencer à créer des applications plus personnalisées, plus précises et plus contextuelles. C'est parti !

Conseil n° 1 : maîtriser les forces et les faiblesses du modèle

Alors que les modèles IA ne cessent d’évoluer et de gagner en complexité, comprendre les capacités et les limites d’un modèle est essentiel pour le développeur. En maîtrisant les forces et les faiblesses d’un modèle, il évite les risques d’erreurs et crée des applications plus sûres et plus fiables. Un modèle entrainé pour reconnaitre des images de myrtilles, par exemple, peut être incapable de reconnaître des images de fraises. Pourquoi ? Parce que le modèle n'a été entraîné que sur un ensemble d'images de myrtilles. Si un développeur utilise ce modèle pour créer une application censée reconnaître à la fois les myrtilles et les fraises, l'application commettra probablement des erreurs, ce qui se traduira par un résultat probablement incorrect et une mauvaise expérience pour l'utilisateur.

Par ailleurs, les modèles IA peuvent être biaisés. Entraîné avec des jeux de données collectés dans le monde réel, le modèle peut refléter dans ses résultats les préjugés et/ou les stéréotypes profondément ancrés dans l’inconscient collectif : si les données d'entraînement sont biaisées, le modèle le sera également. Ce qui peut bien entendu engendrer des problèmes, surtout si le modèle est utilisé pour prendre des décisions qui affectent les gens, renforçant alors les préjugés de la société. Il est important de s'attaquer à ces préjugés pour garantir l'équité des résultats, promouvoir l'égalité et mettre en œuvre une technologie d’IA responsable.

Les ingénieurs chargés des invites doivent prendre en compte ces problématiques de limites et de biais de l’IA, de sorte à rédiger des instructions plus efficaces et maîtriser quelles instructions peuvent être adaptées à un modèle donné.

Conseil n° 2 : soyez aussi précis que possible

Les modèles IA sont capables de comprendre une grande variété d’instructions. Par exemple, PaLM 2 de Google peut comprendre des invites en langage naturel, écrites dans différentes langues, mais aussi du code en Python, JavaScript, etc. Aussi pertinents et efficaces que puissent être ces modèles IA, ils restent imparfaits et peuvent mal interpréter des instructions qui ne sont pas suffisamment précises. Pour éviter toute forme d’ambiguïté, vos instructions doivent donc être adaptées au résultat escompté.

Supposons que vous souhaitiez que votre modèle d'IA génère une recette pour 50 muffins végétaliens aux myrtilles. Si vous demandez au modèle « qu'est-ce qu'une recette de muffins aux myrtilles ? », il ne peut pas savoir que vous devez préparer 50 muffins. Il est donc peu probable qu'il liste la quantité d’ingrédients adaptée ou qu'il vous livre d’utiles conseils pour vous aider à préparer plus efficacement un si grand nombre de muffins. Le modèle ne peut s'appuyer que sur le contexte fourni. Une invite plus efficace serait : « Je reçois 50 invités. Créer une recette pour 50 muffins aux myrtilles ». Le modèle sera alors en mesure de générer une réponse pertinente à votre demande et de répondre à vos besoins spécifiques.

Conseil n° 3 : Contextualiser vos invites

Utilisez des informations contextuelles dans vos instructions pour permettre au modèle de bien comprendre vos demandes. Les invites contextuelles peuvent embarquer une tâche spécifique à exécuter par le modèle, un exemple du résultat escompté ou le profil d’une personne à imiter, qu'il s'agisse d'un spécialiste du marketing, d'un ingénieur ou d'un professeur de lycée par exemple. En indiquant le ton attendu et en donnant à votre modèle IA une perspective, un contexte, ce dernier aura une meilleure idée du ton, du style et du domaine de connaissance que vous ciblez et pourra ainsi améliorer la qualité, la pertinence et l'efficacité des résultats.

Typiquement, si nous reprenons notre exemple de muffins aux myrtilles, l’invite doit intégrer le contexte de la situation. En d’autres termes, le modèle peut avoir besoin de plus de contexte que la seule instruction de générer une recette pour 50 personnes. S'il doit savoir que la recette doit être adaptée aux végétaliens, vous pouvez l'inciter à répondre en imitant un chef végétalien compétent.

En rédigeant des invites contextuelles, vous pouvez faire en sorte que vos interactions avec l'IA soient aussi fluides et efficaces que possible. Le modèle sera alors en mesure de comprendre plus rapidement votre demande et de générer des réponses plus précises et plus pertinentes.

Conseil n° 4 : fournissez des exemples aux modèles IA

Lors de la création d'invites, il peut être très utile de fournir au modèle IA des exemples. En effet, les invites agissent comme des instructions pour le modèle, et les exemples peuvent aider le modèle à comprendre ce que vous lui demandez. Typiquement, une invite accompagnée d'un exemple ressemble à ce qui suit : « Voici plusieurs recettes que j'aime – [copier/coller les recettes] - Crée une nouvelle recette en te basant sur celles fournies ». Le modèle peut ainsi mieux comprendre vos goûts et votre savoir-faire pour vous proposer un nouveau dessert à même de régaler vos papilles.

Conseil N°5 : Expérimentez les invites et personnalités

La manière dont vous construisez votre invite (autrement dit la façon de formuler vos instructions) a un impact majeur sur la qualité des résultats proposés par le modèle. En explorant de manière créative différentes requêtes, vous comprendrez rapidement comment le modèle pondère ses réponses et ce qui se passe lorsque vous combinez votre connaissance d’un domaine et votre expérience vécue avec la puissance d'un modèle de langage à plusieurs milliards de paramètres.

Essayez de tester différents mots-clés, structures de phrases, longueurs d’invites pour découvrir la formulation la plus efficace. N’hésitez pas à encourager le modèle à entrer dans la peau d’une personnalité, qu’il s’agisse d’une fonction au sein de l’entreprise telle qu’ « ingénieur produit » ou « agent du service client », de figure parentale ou de célébrité à l’instar d’une « grand-mère », « un chef célèbre », etc. Partez ainsi à l’exploration de n’importe quel domaine de compétence, de la cuisine à la programmation !

En rédigeant des instructions uniques et réfléchies faisant appel à votre expertise et à votre expérience, vous apprendrez rapidement quelles invites vous permettent d’obtenir les résultats les plus pertinents. Le fait d’affiner ainsi vos instructions, ce qu’on appelle « tuning » en anglais, permet au modèle IA de mieux comprendre et mieux contextualiser vos invites suivantes.

Conseil N°6 : Essayez l’invite à la réflexion en chaîne

L’incitation à l’enchaînement d’idées (ou Chain of thought prompting) est une technique permettant d’améliorer les capacités de raisonnement des grands modèles de langages (LLMs). Elle consiste à décomposer un problème complexe en plusieurs étapes clés, puis à demander au LLM de proposer par lui-même un raisonnement intermédiaire pour chaque étape. Cette technique aide le LLM à mieux cerner la problématique et à générer des réponses plus précises et plus pertinentes. En outre, cette approche contribue à mieux comprendre la réponse délivrée mais aussi à vous assurer que le LLM a réellement compris la problématique qui lui a été soumise.

Conclusion

Le Prompt Engineering (ou ingénierie des invites / instructions) est une compétence que tout collaborateur, dans tous les secteurs et toutes les organisations, va devoir acquérir alors que les outils dopés à l’IA générative sont amenés à se généraliser.
Pensez à ces 6 conseils essentiels la prochaine fois que vous interagirez avec un modèle IA afin d’obtenir les résultats pertinents attendus.
Bien sûr, l’IA va continuer d’évoluer et de se développer, s’affinant progressivement au fur et à mesure des interactions. Après tout, l’apprentissage, pour l’homme comme pour la machine, est un voyage sans fin.