Que faire quand la première réponse de l’IA n’est pas la bonne

Diagnostiquez ce qui n’a pas marché avant de réécrire tout le prompt

Une réponse décevante entre généralement dans l’une de quelques catégories : elle a manqué un contexte que vous aviez mais n’avez pas énoncé, elle a ignoré une contrainte, elle a utilisé le mauvais format, ou elle se trompe sur un fait avec assurance. Identifier laquelle s’est produite pointe vers une correction précise — une contrainte manquante appelle à ajouter la contrainte explicitement, pas à réécrire tout le prompt depuis le début ni à le répéter plus fermement.

Ajoutez précisément ce qui manquait, pas plus d’instructions en général

Une fois que vous savez ce qui manquait, ajoutez exactement cela : la contrainte, l’exemple, l’élément de contexte, ou la description du format qui aurait rendu la demande claire. Voir comment écrire un prompt clair et précis, cité ci-dessous, pour les fondamentaux sur lesquels s’appuie généralement cette étape — l’essentiel de l’itération consiste à appliquer les mêmes quelques éléments que le premier prompt avait omis.

Sachez quand recommencer un prompt plutôt que rafistoler

Un long va-et-vient de petites corrections peut laisser une conversation porter des instructions contradictoires que le modèle essaie maintenant de concilier — à ce stade, un prompt neuf et complet qui énonce tout ce que vous avez appris être nécessaire est souvent plus rapide et plus fiable qu’un rafistolage de plus. C’est aussi bon à se rappeler quand la réponse se trompe sur un fait avec assurance plutôt que d’être simplement mal formatée : ajuster la formulation ne corrigera pas cela, puisque ce n’est pas un problème de formulation — voir pourquoi l’IA hallucine, cité ci-dessous, pour ce qui se passe réellement dans ce cas.

Questions fréquentes

La réponse est bien écrite mais factuellement fausse — comment corriger le prompt ?

Vous ne pouvez généralement pas corriger cela en reformulant le prompt, car ce n’est pas un problème de formulation. Voir pourquoi l’IA hallucine, cité ci-dessous, pour ce qui se passe réellement et ce qui aide vraiment, comme demander au modèle de citer des sources vérifiables ou utiliser un mode recherche qui va chercher l’information.

Dois-je continuer à corriger dans la même conversation ou en démarrer une nouvelle ?

Les deux peuvent fonctionner, mais une longue chaîne de petites corrections risque de laisser des instructions contradictoires derrière elle. Si une conversation a déjà eu plusieurs corrections, un prompt neuf et complet est souvent plus fiable qu’un rafistolage de plus.

Combien de fois devrais-je essayer avant d’abandonner une approche de prompt ?

Il n’y a pas de nombre fixe — mais si deux ou trois corrections précises et diagnostiquées n’ont pas aidé, le problème n’est peut-être pas du tout le prompt. Voir choisir un modèle pour votre tâche, cité ci-dessous, pour savoir si la tâche a besoin d’un autre type de modèle.