Explorer les enjeux de l'Intelligence Artificielle à l'Université

3 choses importantes dans la rédaction d'un prompt

1. Le contexte

Si le contexte n'est pas bien spécifié, le résultat attendu risque de ne pas être assez précis, voir hors-sujet.

Le contexte est là pour guider le modèle d'IA dans sa réflexion pour vous apporter une réponse qui répondra au mieux à vos attentes.

2. La tâche

On peut voir la tâche comme la raison, l'objectif de votre prompt :

- elle doit être claire et précise

- adaptée aux capacités de l'IA utilisée (par exemple, ne demandez pas à ChatGPT qui est une IA conversationnelle de vous créer une image, cela ne sera pas le bon outil).

- allez y étape par étape, saucissonner le processus pour de meilleurs résultats.

3. Donner un rôle 

N'hésitez pas à attribuer un rôle au modèle d'IA que vous utilisez. Par exemple, "Prends le rôle d'un enseignant chercheur à l'université qui enseigne la spectroscopie". Le rôle est essentiel pour obtenir des résultats optimisés.

Concernant la rédaction d'un prompt, il n'y a pas d'ordre à respecter concernant les éléments que vous allez lui apporter. Peu importe si vous commencer par lui donner un rôle ou si vous lui expliquez la tâche attendue en premier.

Vos prompts vont se construire, devenir plus efficaces, au fur et à mesure de vos échanges avec le modèle d'IA. 

"Prends le rôle d'un enseignant chercheur à l'université, tu enseignes la spectroscopie, et plus particulièrement, la Résonance Magnétique Nucléaire. Tes étudiants sont en master 1. Peux-tu me préparer un plan de cours sur 4 semaines ?"

Ici nous avons : un rôle, le public cible et la tâche attendue. Le contexte est également posé : la thématique avec une précision sur un sujet qui s'y rapporte.

Suite à ce prompt, maintenant que le contexte général est posé, nous pouvons formuler d'autres requêtes, comme par exemple : 

"Maintenant, prépare moi un QCM avec 5 questions, que je peux proposer à mes étudiants en début de cursus pour faire le point sur leurs connaissances concernant la RMN. Il me faut un feedback pour chaque question".

Pour juger de la véracité des réponses d'un modèle d'IA, le mieux c'est d'avoir les bases concernant le rôle attribué et le sujet concerné. Par exemple, ici, si je ne suis pas enseignant en physique, il est fort probable que je ne pourrais pas affirmer si ce que m'a répondu l'IA est totalement correct ou s'il y a des erreurs, voire des choses totalement fausses.

L'art des prompts pour des interactions de plus en plus poussées avec l'IA

Les interactions avec l'IA englobent la maitrise de la conception et la saisie de prompts dans les modèles d'IA (ex : Mistral), y compris l'évaluation et l'interprétation des résultats.

Afin de développer des compétences telles que l'esprit critique, la planification et l'autonomie dans l'apprentissage, des pratiques de niveaux de complexité croissante, impliquent une interaction de plus en plus poussée avec l'IA.

Source : Intégrer l'IA générative dans les stratégies d'apprentissage (Louvain Learning Lab)