Une technique est une façon délibérée de structurer un prompt, ou une séquence de prompts, pour résoudre un problème que de simples instructions ne résolvent pas. Chaque technique a un coût en tokens, en latence ou en complexité. L’art est d’utiliser la plus légère qui fonctionne.
Les techniques en un coup d’œil
| Technique | Ce qu’elle fait | Coût |
|---|---|---|
| Prompting few-shot | Montre des exemples de la sortie souhaitée | Tokens par appel |
| Prompting par rôle | Fixe l’expertise, le public et le ton | Minimal |
| Injection de contexte | Ajoute les faits qui manquent au modèle | Tokens par appel |
| Contraintes de sortie | Fixe la longueur, le format et les valeurs autorisées | Minimal |
| Prompting de sortie structurée | Renvoie des données conformes à un schéma | Minimal |
| Chaîne de pensée | Raisonne pas à pas avant de répondre | Tokens de sortie, latence |
| Autoconsistance | Échantillonne plusieurs réponses et retient la majoritaire | Plusieurs appels |
| Décomposition de prompts | Découpe un problème en sous-questions | Effort de conception |
| Enchaînement de prompts | Exécute les sous-tâches comme prompts séparés en séquence | Plusieurs appels |
| ReAct | Alterne raisonnement et appels d’outils | Plusieurs appels, outils |
| Optimisation itérative | Améliore un prompt par la mesure | Votre temps |
| Raffinement de prompts | Retouche la formulation pour la clarté et la précision | Votre temps |
| Évaluation de prompts | Note la sortie selon des critères | Un jeu de tests |
| Test de prompts | Relance les contrôles après chaque modification | Automatisation |
| Compression de prompts | Retire des tokens sans perdre de sens | Minimal |
Techniques qui façonnent un seul prompt
Prompting few-shot. Incluez des paires entrée-sortie. Idéal pour les cas de jugement et les styles particuliers. Guide : prompting few-shot.
Prompting par rôle. Commencez par dire qui est le modèle et à qui il s’adresse. Cela sélectionne un registre ; cela n’ajoute pas de connaissance. Guide : prompts système et prompting par rôle.
Injection de contexte. Insérez le document, l’enregistrement ou le résultat de recherche dont dépend la réponse, entre des délimiteurs, et demandez au modèle de répondre à partir de lui. Quand le contexte est récupéré automatiquement, cela devient du prompting RAG.
Answer using only the policy in the tags. If it does not say, reply "not covered".
<policy>
{{policy_text}}
</policy>
Contraintes de sortie et sortie structurée. Précisez le format, les champs, la longueur et ce qu’il faut faire des données manquantes. Guide : prompts de sortie structurée.
Techniques de raisonnement
Chaîne de pensée. Demandez au modèle de dérouler le problème avant de donner sa réponse. Elle aide en logique et arithmétique à plusieurs étapes avec des modèles qui ne raisonnent pas en interne. Les modèles dotés d’un raisonnement intégré le font déjà, et leur dire de « réfléchir pas à pas » apporte peu.
Autoconsistance. Exécutez plusieurs fois le même prompt de raisonnement et retenez la réponse la plus fréquente. Elle échange du coût contre de la précision sur des problèmes à résultat unique.
Les deux sont traitées dans prompting par chaîne de pensée et autoconsistance.
Techniques qui utilisent plusieurs prompts
Décomposition de prompts. Découpez une question difficile en questions plus petites auxquelles on peut chacune répondre correctement, puis combinez les réponses.
Enchaînement de prompts. Exécutez ces morceaux comme des appels distincts, en passant chaque sortie à l’étape suivante. Chaque prompt reste simple et testable. Guide : enchaînement et décomposition de prompts.
ReAct. Laissez le modèle alterner entre raisonner et agir : il décide de ce dont il a besoin, appelle un outil, lit le résultat et continue. C’est la boucle derrière la plupart des agents IA. Guide : prompting ReAct.
Techniques pour améliorer un prompt
Optimisation et raffinement itératifs. Exécutez le prompt sur un jeu de tests, trouvez les échecs, changez une chose et mesurez à nouveau. Guide : optimisation itérative de prompts.
Évaluation et test. Définissez ce que « bon » veut dire, notez-le et relancez les contrôles chaque fois que le prompt change. Guide : test et évaluation de prompts.
Compression de prompts. Retirez le remplissage, les répétitions et le contexte inutile pour réduire le coût et la latence. Guide : optimisation des tokens.
Comment choisir
Parcourez cette liste de haut en bas et arrêtez-vous à la première étape qui résout le problème.
- Écrivez une instruction claire avec un format de sortie. La plupart des problèmes s’arrêtent là.
- Ajoutez le contexte manquant. Si la réponse est générique ou fausse sur les faits.
- Ajoutez des exemples. Si le style ou le jugement est décalé.
- Demandez un raisonnement. Si la tâche exige plusieurs étapes logiques et que le modèle n’est pas un modèle de raisonnement.
- Découpez la tâche en chaîne. Si un prompt fait trop de choses.
- Donnez des outils au modèle. S’il a besoin de données en direct ou doit agir.
- Échantillonnez plusieurs fois. Si la précision sur un problème à réponse unique justifie plusieurs appels.
Ajouter une technique dont la tâche n’a pas besoin rend un prompt plus long, plus lent et plus difficile à déboguer.
Combiner les techniques
Les techniques s’empilent. Un prompt de production typique utilise un rôle, du contexte injecté, deux exemples et un schéma. Un agent typique utilise ReAct sur une chaîne de tels prompts. Ajoutez une technique à la fois et mesurez, pour savoir laquelle a mérité sa place.
Partez d’une base saine
Les techniques amplifient un prompt ; elles ne le réparent pas. Avant d’en ajouter, passez le prompt dans l’analyseur de prompts PromptFlowEngine pour éliminer les formulations vagues, les conflits et les formats manquants, et utilisez l’optimiseur de prompts pour le structurer.