Écouter cet article en podcast
Nous avons déjà vu 9 techniques différentes de prompting :
- dans la partie 1 : Zero-Shot Prompting, Few-Shot Prompting, Chain-of-Thought (CoT) Prompting, Self-Consistency Prompting, Role-Playing Prompting (Prompt Persona) et Instruction Prompting.
- dans la partie 2 : Template-Based Prompting, Prompt Decomposition et Generated Knowledge Prompting.
Nous continuons dans cette partie d’explorer d’autres techniques de l’ingénierie du prompt.
10. Contrastive Prompting
Explication
On présente à l’IA des exemples corrects et incorrects d’une même tâche ; le modèle s’entraîne ainsi à repérer ce qui distingue une bonne réponse d’une mauvaise et apprend à formuler (ou demander) la version « exemplaire ».
Exemples
| Contexte | Prompt contrastif | Compétence entraînée |
|---|---|---|
| Définition scientifique | « Voici deux définitions de “biodiversité”. L’une est correcte, l’autre contient trois erreurs ; repère-les et reformule la définition fautive. » | Analyse critique, précision scientifique |
| Grammaire / style | « Propose deux versions d’une même phrase : l’une en voix active, l’autre en voix passive ambiguë. Demande à l’étudiant d’expliquer laquelle est plus claire et pourquoi. » | Clarté stylistique |
| Argumentation | « Présente un argument solide pour la taxe carbone et un contre-argument fallacieux. Indique le sophisme utilisé. » | Détection de sophismes |
| Programmation | « Montre deux implémentations d’une fonction de tri ; l’une est O(n log n), l’autre O(n²). Demande : laquelle est la plus efficace et comment l’améliorer ? » | Analyse de complexité |
| Résolution de problèmes | « Résous une équation quadratique ; donne également une “mauvaise” résolution avec une erreur de signe. Demande à l’étudiant de localiser l’erreur et de la corriger. » | Vérification pas-à-pas |
| Exemple de prompt pour le 1er contexte (définition scientifique) |
| Voici deux définitions du terme « biodiversité ».
A. « La biodiversité désigne l’ensemble des espèces vivantes, leurs gènes et les écosystèmes qu’elles forment, ainsi que les interactions entre ces éléments au sein d’un milieu. » 1) Indique quelle définition est correcte. |
| Exemple de prompt pour le 2ème contexte (Grammaire/Style) |
| Voici deux phrases transmettant la même information :
A. « Les scientifiques ont découvert une nouvelle exoplanète riche en eau. » 1) Laquelle est la plus claire ? Justifie en citant deux critères de style. |
| Exemple de prompt pour le 3ème contexte (Argumentation) |
| Lis les deux affirmations suivantes à propos d’une taxe carbone :
A. « Instaurer une taxe carbone incite les industriels à réduire leurs émissions, finance l’innovation verte et oriente les consommateurs vers des choix plus durables. » 1) Identifie la principale erreur logique ou sophisme présent dans l’affirmation B (nomme-le). |
Avantages pédagogiques
- Repérage des erreurs : l’étudiant apprend à identifier les faux‐sens et à les corriger.
- Activation de la pensée critique : comparer deux productions oblige à analyser, pas seulement à mémoriser.
- Feedback explicite : l’IA peut commenter les écarts entre bon et mauvais exemples, ce qui modélise un jugement d’expert.
- Motivation : le contraste rend la consigne plus vivante qu’un simple “fais bien”.
- Transfert : la capacité à distinguer vrai/faux se réutilise dans d’autres tâches (lecture, codage, argumentation…).
11. Negative Prompting
Explication
Le modèle est explicitement informé de ce qu’il ne doit pas faire. La consigne précise ce qu’il faut éviter : vocabulaire interdit, angle non souhaité, longueur maximum, etc. Le modèle se cale sur des limites claires plutôt que sur des attentes implicites.
Exemples
| # | Exemple de prompt | Ce que l’on apprend |
|---|---|---|
| 1 | « Explique le Big Bang sans utiliser la formule E=mc² et sans dépasser 120 mots. » | Oblige à vulgariser et à condenser. |
| 2 | « Quel est le rôle du Parlement européen sans citer de chiffres et sans employer le mot “directive” ? » | Évite le jargon, favorise les périphrases claires. |
| 3 | « Raconte la légende de Thésée en supprimant toute référence violente pour un public 6-8 ans. » | Apprend à adapter le contenu à l’âge cible. |
| 4 | « Élabore un plan marketing en évitant les buzzwords “digital” et “innovant”. » | Force à trouver un vocabulaire original. |
| 5 | « Décris la photosynthèse sans utiliser de termes latins ni noms de molécules. » | Entraîne la reformulation grand-public. |
Avantages pédagogiques
- Clarté des contraintes : idéal pour entraîner la simplification ou l’accessibilité du langage.
- Réduction du hors-sujet : l’IA (et l’élève) reste dans le périmètre fixé.
- Apprentissage des critères d’évaluation : on explicite dès le départ “ce qui pénalise”.
- Transfert vers l’écriture : les étudiants s’habituent à respecter des cahiers des charges (longueur, ton, public cible…).
12. Iterative Prompting (Prompt Refinement)
Explication
On démarre avec un prompt imparfait, puis on le raffine étape par étape : élargir/préciser le sujet, ajouter des critères de forme, définir un public cible, etc. pour améliorer la qualité des réponses.
Exemples
| # | Chaîne d’itération | Gain pédagogique |
|---|---|---|
| 1 | V1 : « Explique la Révolution française. » → V2 : « Explique ses causes en 150 mots. » → V3 : « Garde un ton narratif et ajoute une anecdote. » |
L’étudiant voit comment préciser sujet, longueur, style. |
| 2 | V1 : « Fais-moi un QCM sur l’écologie. » → V2 : « 10 questions, niveau lycée, réponses mélangées. » → V3 : « Indique ensuite les explications de chaque bonne réponse. » |
Construction progressive d’un outil d’évaluation complet. |
| 3 | V1 : « Décris le théorème de Pythagore. » → V2 : « Ajoute une illustration textuelle. » → V3 : « Inclue un exemple chiffré avec solution. » |
Passe de la théorie pure à la mise en pratique. |
| 4 | V1 : « Rédige une histoire courte. » → V2 : « Public : enfants 7-9 ans, thème : solidarité. » → V3 : « Introduis deux personnages animaux et un dialogue de 30 mots. » |
Démontre l’impact du public cible et des contraintes créatives. |
| 5 | V1 : « Explique l’algorithme de tri fusion. » → V2 : « Utilise des métaphores culinaires. » → V3 : « Max. 8 phrases, style blog décontracté. » |
Montre le raffinement du ton et de la structure. |
Avantages pédagogiques
- Culture du brouillon : l’étudiant voit que “bien demander” est un processus.
- Réduction de la charge cognitive : on améliore un détail à la fois.
- Responsabilisation : l’élève devient coauteur de la consigne, détecte ses zones d’imprécision.
- Amélioration continue : chaque itération est l’occasion d’un mini-feedback ciblé.
13. Meta-Prompting
Explication
On demande à l’IA… de générer ou d’améliorer elle-même un prompt, avant de l’utiliser : le modèle devient “coach en prompt engineering”.
Exemples
| # | Exemple de prompt | Explication |
|---|---|---|
| 1 | « Propose un prompt optimal pour apprendre la dérivation à un étudiant de première année de fac. » | Délègue la conception pédagogique à l’IA. |
| 2 | « Voici mon prompt : “Explique la blockchain”. Améliore-le pour qu’il cible des gestionnaires non-techniques. » | L’IA ajuste vocabulaire, exemples, longueur. |
| 3 | « Génère un prompt qui force ChatGPT à produire un plan de cours sur la cybersécurité avec objectifs, activités et devoirs. » | Crée une “boîte à outils” clé en main pour l’enseignant. |
| 4 | « Rédige trois prompts différents pour entraîner un élève à résoudre des équations quadratiques. Varie le niveau de guidage. » | Montre la graduation de l’accompagnement. |
| 5 | « Analyse ce prompt : “Donne-moi une recette de pizza”. Liste ses faiblesses et propose une version 2X plus précise. » | Modélise la relecture critique d’une consigne. |
Avantages pédagogiques
- Autonomie : l’étudiant apprend comment formuler de bonnes questions, pas seulement y répondre.
- Métacognition : on réfléchit au processus plutôt qu’au seul contenu.
- Gain de temps pour l’enseignant : l’IA propose des canevas directement réutilisables.
- Qualité accrue : un prompt revu par l’IA intègre souvent des détails auxquels on n’aurait pas pensé.
14. ReAct Prompting (Reasoning + Acting)
Explication
Le prompt impose deux phases : Reason → Act. Le modèle explicite d’abord son raisonnement, puis applique ce raisonnement à un cas concret.
Exemples
| # | Exemple complet | Pourquoi c’est puissant |
|---|---|---|
| 1 | Reason : « Explique étape par étape comment calculer l’aire d’un cercle. » Act : « Applique-le pour un rayon de 3 cm. » |
Séparation claire théorie/pratique. |
| 2 | Reason : « Détaille les critères de fiabilité d’un site Web. » Act : « Évalue “example.com” avec ces critères et donne une note /10. » |
Validation instantanée des critères. |
| 3 | Reason : « Décris la méthode d’analyse SWOT. » Act : « Réalise une SWOT pour Renault. » |
Montre le transfert d’un cadre à un cas réel. |
| 4 | Reason : « Expose la règle de trois. » Act : « Calcule : si 5 kg coûtent 12 €, combien coûtent 8 kg ? » |
Vérifie compréhension et exécution numérique. |
| 5 | Reason : « Explique les cinq étapes du cycle de vie d’un projet. » Act : « Associe chaque étape à un exemple concret dans la construction d’un pont. » |
Relie concepts abstraits à un scénario tangible. |
Avantages pédagogiques
- Transparence cognitive : l’élève voit comment on passe de la théorie à la pratique.
- Vérification pas à pas : l’enseignant peut corriger le raisonnement avant l’application.
- Renforcement du transfert : on montre que le même schéma de pensée sert à d’autres problèmes.
- Développement de l’esprit scientifique : distinguer hypothèse, déduction et expérimentation.
En combinant ces méthodes de prompting, on peut optimiser l’enseignement et la pédagogie avec l’IA, en rendant les interactions plus claires, engageantes et adaptées aux besoins des élèves.