Incitation par Quelques Exemples — Enseignement par l'Exemple

Il existe des tâches pour lesquelles expliquer à l’IA ce que vous souhaitez ne suffit pas — il faut lui montrer. C’est le principe fondamental du few-shot prompting : au lieu de (ou en plus de) rédiger des instructions, vous fournissez un ou plusieurs exemples du type de résultat attendu, et le modèle s’en sert comme modèle à suivre.

Le few-shot prompting est l’une des techniques les plus puissantes dont vous disposez, en particulier pour les tâches qui doivent respecter un ton, un format ou un style spécifique difficile à décrire avec des mots.

Fonctionnement du Few-Shot Prompting

La structure est simple. Vous fournissez :

1. Une brève instruction (la tâche) ;
2. Un ou plusieurs exemples montrant des paires entrée → sortie ;
3. L’entrée réelle que vous souhaitez que le modèle traite.

Le modèle lit les exemples, identifie le schéma, et l’applique à la nouvelle entrée.

Structure d’exemple :

Combien d'exemples sont nécessaires ?

Le terme « few-shot » reflète le fait qu'il n'est généralement pas nécessaire d'avoir beaucoup d'exemples pour ancrer le schéma :

• Un exemple (one-shot) suffit souvent pour des cas simples de formatage ou d'adaptation de style ;
• Deux à trois exemples couvrent la plupart des cas d'usage professionnels et offrent au modèle suffisamment de variations pour généraliser correctement ;
• Plus de cinq est rarement nécessaire et peut rendre le prompt difficile à manipuler.

La qualité de vos exemples compte plus que la quantité. Un exemple bien choisi qui démontre clairement le schéma est plus efficace que trois exemples incohérents.

Choisir les bons exemples

Vos exemples doivent être :

• Représentatifs — ils doivent refléter l'ensemble de ce que vous demandez, et pas seulement les cas les plus simples ;
• Cohérents — le style, le format et le niveau de détail doivent être uniformes dans tous les exemples ;
• Réels si possible — utiliser des exemples issus de votre travail réel permet une correspondance de style plus précise que des exemples inventés ;
• Correctement formatés — le modèle reproduira les choix de formatage, y compris les erreurs. Si votre exemple comporte une erreur structurelle, attendez-vous à ce que la sortie en contienne également.

Quand le Few-Shot Prompting Vaut l’Effort Supplémentaire

Le few-shot demande plus de travail à mettre en place que le zero-shot. Il est pertinent lorsque :

• Il est nécessaire que la sortie corresponde à une voix ou un format existant spécifique (style rédactionnel de l’entreprise, modèle de rapport, guide de ton) ;
• Les tentatives zero-shot produisent des résultats qui sont systématiquement proches mais pas tout à fait corrects ;
• Un modèle de prompt réutilisable doit être créé pour un usage répété — le coût de configuration est un investissement unique ;
• La tâche implique des jugements de qualité subjectifs (ce qui rend un objet de ligne efficace, ce qui rend un résumé concis) qui sont plus faciles à démontrer qu’à expliquer.