Few-shot prompting : guider l'IA par l'exemple

Prends un restaurateur qui veut trier ses avis clients pour savoir ce qui revient le plus souvent. Il colle un avis et demande :

Classe cet avis par thème.

La réponse peut être juste et inutilisable. Sur le premier avis, l'IA écrit une phrase entière. Sur le deuxième, elle répond « Expérience mitigée ». Sur le troisième, elle invente une catégorie de plus. Au bout de vingt avis, impossible de compter quoi que ce soit.

Il pourrait ajouter des règles de format, et ça aiderait. Il peut aussi faire plus court : montrer deux ou trois avis déjà classés comme il le veut. C'est le few-shot prompting, le fait de guider le modèle avec quelques exemples au lieu de tout décrire. Sans exemple, on parle de zero-shot, avec un seul de one-shot.

Ce que les exemples disent mieux que les consignes

Une consigne décrit ce que tu veux avec des mots, et ces mots laissent du jeu. « Ton professionnel mais chaleureux » couvre des dizaines de manières d'écrire. Un exemple tranche d'un coup sur la longueur, la ponctuation, le niveau de détail et ce qu'il faut laisser de côté, y compris des choses que tu n'aurais pas pensé à préciser.

C'est particulièrement rentable dans trois situations :

• le classement, quand les catégories doivent rester stables d'un passage à l'autre ;
• la transformation répétée d'un texte vers une forme précise, comme des notes en compte rendu ;
• le ton, parce qu'il est plus facile à montrer qu'à expliquer.

Pour une question ouverte, comme trouver des idées de nom pour une entreprise, les exemples peuvent au contraire enfermer le modèle : il produira des variantes de ce que tu lui as montré. Là, garde tes exemples pour la fin, quand tu voudras affiner une piste.

Le même tri d'avis, avec trois exemples

Voici la version corrigée du prompt du restaurateur. Les catégories sont fermées, le format est montré plutôt que décrit, et le dernier exemple règle un cas ambigu.

Tu classes des avis clients de restaurant pour un tableau de suivi.

Thèmes autorisés : cuisine, service, attente, prix, cadre, autre.
Sentiment autorisé : positif, négatif, mitigé.
Réponds uniquement avec une ligne au format : thème | sentiment | résumé en moins de 8 mots.
Si l'avis aborde plusieurs thèmes, garde celui qui a le plus pesé dans le jugement du client.

Exemples :

Avis : « Le magret était parfait, cuisson au poil. »
Réponse : cuisine | positif | magret parfaitement cuit

Avis : « Addition salée pour des portions pareilles. »
Réponse : prix | négatif | portions trop petites pour le prix

Avis : « Très bon plat, mais 40 minutes pour être servis un mardi midi, on ne reviendra pas. »
Réponse : attente | négatif | 40 minutes d'attente, ne reviendra pas

Avis à classer :
[COLLE L'AVIS ICI]

Le troisième exemple fait le gros du travail. Il contient une qualité et un défaut, et la réponse montre comment trancher : le client ne revient pas à cause de l'attente, donc le thème est l'attente. Une règle seule aurait laissé plus de place à l'interprétation, et l'exemple la rend concrète.

Choisir des exemples qui couvrent les cas difficiles

Le réflexe courant consiste à prendre les exemples les plus nets, ceux que l'IA aurait réussis sans aide. Ils servent au format, mais ils ne lui apprennent rien sur la façon de décider.

Une sélection efficace tient en trois idées :

• un cas typique, pour fixer le format ;
• un cas limite, celui sur lequel toi-même tu as hésité ;
• de la variété : si tous tes exemples sont positifs, ou tous courts, le modèle peut pencher dans ce sens.

Le moyen le plus simple de trouver le cas limite est de faire tourner ton prompt sans exemple sur une dizaine de cas réels, puis de repérer où il se trompe. Chaque erreur corrigée devient un candidat. C'est une façon de tester un prompt qui l'améliore en même temps.

Combien d'exemples, et sous quelle forme

Il n'y a pas de nombre magique. Deux à cinq exemples suffisent à beaucoup de tâches du quotidien. Si tes résultats restent instables avec cinq, le problème vient souvent de tes catégories, trop proches les unes des autres, plutôt que d'un manque d'exemples.

Pour la présentation, trois détails comptent :

1. Garde exactement la même structure dans chaque exemple. L'IA reproduit les motifs, y compris tes étiquettes (Avis :, Réponse :) et tes irrégularités.
2. Sépare clairement les exemples du cas à traiter, avec une mention comme « Avis à classer » ou des balises. Sans ça, le modèle peut traiter un exemple comme une demande.
3. Fais attention à l'ordre. Le dernier exemple peut peser davantage : place-y plutôt un cas nuancé qu'un cas extrême.

Si tu veux une sortie très stricte, combine les exemples avec les techniques pour imposer un format de sortie.

Quand l'IA recopie tes exemples

Le principal défaut de la méthode apparaît dès que tu demandes du texte rédigé : l'IA reprend tes tournures, ta structure de phrase, parfois un détail de fond qui n'a rien à faire là. Une enseignante qui fournit un exemple avec « doit participer davantage à l'oral » risque de retrouver la formule dans la moitié des appréciations, y compris pour des élèves qui parlent très bien.

Deux parades : varier nettement les exemples entre eux, et dire explicitement ce qu'ils servent à montrer. Ce prompt applique les deux, avec des élèves anonymisés (ne colle pas de données nominatives d'élèves dans un outil sans savoir ce que ton établissement autorise).

Tu aides une enseignante de collège à rédiger des appréciations de bulletin à partir de ses notes rapides.

Les exemples ci-dessous montrent la longueur (2 phrases), le ton (direct, bienveillant, sans formule creuse) et la structure (un constat précis, puis un conseil applicable). Ne réutilise pas leurs formulations : chaque appréciation doit s'appuyer uniquement sur les notes fournies.

Notes : bon niveau, rendu irrégulier, oublie ses devoirs depuis novembre
Appréciation : Les résultats sont solides quand le travail est fait, mais les oublis répétés depuis novembre pèsent sur la moyenne. Un agenda tenu chaque soir suffirait à régler le problème.

Notes : timide, gros progrès en rédaction, n'ose pas demander de l'aide
Appréciation : Les progrès en rédaction sont nets et récompensent un travail sérieux. Il faut maintenant oser poser ses questions en classe, elles aideront tout le monde.

Notes à traiter pour l'élève [INITIALE] :
[TES NOTES RAPIDES]

Si les notes sont trop maigres pour écrire deux phrases précises, dis-le au lieu de compléter.

Sans la dernière ligne, le modèle peut combler les trous avec des généralités plausibles. Relis tout de même chaque sortie, car il peut mal interpréter une note. Quand l'objectif est de reproduire une voix sur la durée, un exemple ne suffit plus et il faut construire une fiche : c'est le sujet de l'article pour faire écrire l'IA dans ton style.

Ton premier exemple existe déjà

Retrouve le dernier résultat d'IA que tu as corrigé à la main avant de l'utiliser. La version corrigée, avec le texte de départ, forme une paire exemple prête à l'emploi. Ajoute-la au prompt, relance sur un nouveau cas et regarde si tu as encore besoin de faire la même correction.