Comment écrire un prompt IA clair et précis

Donnez au modèle le contexte qu’il ne peut pas deviner

Un modèle répond à partir de ce qui est dans la conversation plus ce qu’il a appris pendant son entraînement — il ne sait pas pour qui vous écrivez, ce que vous avez déjà essayé, ni pourquoi la tâche compte, sauf si vous le précisez. « Réécris cet e-mail » et « réécris cet e-mail pour qu’un client déjà frustré le lise comme des excuses, et non comme une justification » sont la même tâche avec une quantité de contexte différente, et elles obtiennent des réponses différentes. Le contexte n’a pas besoin d’être long ; il doit inclure le fait ou les deux qui changeraient la façon dont une personne accomplirait la tâche.

Énoncez les contraintes au lieu d’espérer qu’elles soient sous-entendues

Une limite de longueur, un niveau de lecture, un ton, une chose à ne pas mentionner, une échéance que la réponse doit respecter — un modèle applique une contrainte si vous l’énoncez, et sinon retombe sur un réglage générique par défaut qui peut ne pas convenir. « Reste en dessous de 150 mots » et « évite le jargon technique » sont deux contraintes qu’un modèle peut suivre de façon fiable une fois qu’elles sont explicites ; aucune des deux n’est quelque chose qu’il déduit correctement de lui-même, avec constance.

Nommez le format de sortie que vous voulez réellement

Une liste à puces, un court paragraphe, un tableau, un objet plus un corps de message — demander la forme voulue dès le départ évite un message de suivi demandant une reformulation. Cela compte encore plus, pas moins, une fois que la sortie doit être traitée par autre chose qu’une personne qui la lit ; pour ce cas, voir demander une sortie structurée à l’IA, cité ci-dessous, qui est le guide complémentaire plus approfondi sur ce point.

Ajoutez un exemple quand une description seule serait ambiguë

Certaines choses sont plus faciles à montrer qu’à décrire — un style maison, un ton, un format spécifique pour une tâche récurrente. Un exemple bien choisi résout souvent une ambiguïté que plusieurs phrases de description ne résoudraient pas. Voir le prompting par exemples (few-shot), cité ci-dessous, pour savoir comment utiliser plus d’un exemple de façon délibérée, et quand cela vaut la longueur supplémentaire dans le prompt.

Questions fréquentes

Un prompt plus long obtient-il toujours une meilleure réponse ?

Non — un prompt plus long n’aide que si la longueur supplémentaire est du contexte, une contrainte, ou un exemple qui manquerait sinon au modèle. Remplir un prompt d’instructions répétées ou de remplissage n’améliore pas la réponse et peut enterrer la partie qui comptait.

Un prompt clair empêchera-t-il un modèle de se tromper sur les faits ?

Non. Un prompt clair rend plus probable que le modèle comprenne ce que vous demandez, mais il ne vérifie pas les faits et n’élimine pas les hallucinations — voir pourquoi l’IA hallucine, cité ci-dessous, pour ce qui cause réellement cela et pourquoi le prompt seul ne peut pas le corriger.

Quelle est la chose la plus utile à ajouter à un prompt vague ?

Généralement le contexte : le fait ou les deux sur le public, l’objectif, ou la situation, dont une personne aurait besoin pour bien accomplir la tâche. Une contrainte ou un exemple aide aussi, mais ils comptent moins si le modèle ne sait toujours pas pour qui la réponse est destinée.