Formation en Prompt Engineering

Leçon 1 • Types de Tâches des Modèles de Langage

Catégorise les tâches par exigence cognitive : classification, extraction, génération, transformation et raisonnement. Aide les apprenants à associer la stratégie de prompt au type de tâche.

Leçon 2 • Lecture et Évaluation de la Sortie du Modèle

Enseigne l'inspection systématique de la sortie : identification des hallucinations, des réponses incomplètes et des dérives de format. Ancre les compétences d'évaluation utilisées tout au long du cours.

Leçon 3 • Comment Fonctionnent les Grands Modèles de Langage

Couvre la tokenisation, la prédiction du prochain jeton et les distributions de probabilité en termes simples. Établit le modèle mental nécessaire pour raisonner sur les raisons pour lesquelles les prompts réussissent ou échouent.

Leçon 1 • Stratégies de Formatage des Instructions

Couvre le markdown, les délimiteurs, les listes numérotées et les balises de type XML pour structurer les prompts. Montre comment le formatage réduit l'ambiguïté et améliore la cohérence de la sortie.

Leçon 2 • Prompting Few-Shot avec Exemples

Démontre comment les exemples étiquetés d'entrée-sortie orientent le comportement et le format du modèle. Enseigne la sélection des exemples, leur ordre et les compromis sur la quantité.

Leçon 3 • Prompting Négatif et avec Contraintes

Utilise des exclusions explicites et des conditions limites pour éviter les sorties indésirables. Complète les instructions positives en réduisant l'espace de réponse du modèle.

Leçon 4 • Prompting de Rôle et de Persona

Attribue des identités d'expert au modèle pour modifier le ton, le vocabulaire et le style de raisonnement. Relie la conception du persona au public cible et aux exigences de la tâche.

Leçon 1 • Fondamentaux de la Chaîne de Pensée

Introduit le mécanisme par lequel les étapes de raisonnement intermédiaires améliorent la qualité de la réponse finale. Établit pourquoi le raisonnement explicite surpasse les prompts à réponse directe sur les tâches difficiles.

Leçon 2 • Décomposition et Prompting Step-Back

Décompose les problèmes complexes en sous-questions et utilise l'abstraction pour améliorer le raisonnement. Étend la chaîne de pensée aux tâches nécessitant une planification et une pensée hiérarchique.

Leçon 3 • Auto-Cohérence et Vote

Génère plusieurs chemins de raisonnement et sélectionne la réponse la plus cohérente. Introduit des stratégies d'échantillonnage qui réduisent la variance sur les sorties à enjeux élevés.

Leçon 1 • Prompting pour Sortie de Données Structurées

Instruit les modèles pour retourner du JSON, CSV ou des paires clé-valeur avec un schéma cohérent. Couvre la définition du schéma, les champs obligatoires et les stratégies de validation.

Leçon 2 • Prompting pour Documents Longs

Structure les prompts pour des rapports, propositions et articles avec des sections définies. Aborde le contrôle de la longueur, la hiérarchie des titres et la cohérence du ton sur des sorties longues.

Leçon 3 • Logique de Sortie Conditionnelle et Dynamique

Intègre une logique if-then et des instructions de branchement dans les prompts. Permet des sorties adaptatives qui répondent à des conditions d'entrée variables sans code.

Leçon 4 • Prompting pour la Génération de Code

Guide les modèles pour écrire du code fonctionnel et lisible avec une syntaxe de langage correcte. Couvre la spécification du langage, les exigences de docstring et les instructions de gestion des erreurs.

Leçon 1 • Construction d'une Grille d'Évaluation des Prompts

Crée des critères de notation spécifiques à la tâche pour la précision, le format, le ton et l'exhaustivité. Permet une comparaison objective entre les versions de prompts et les membres de l'équipe.

Leçon 2 • Versionnage et Documentation des Prompts

Établit des conventions de nommage, des journaux de modifications et des pratiques de stockage pour les bibliothèques de prompts. Empêche la régression et permet la réutilisation à l'échelle de l'équipe des prompts éprouvés.

Leçon 3 • Diagnostic des Échecs de Prompts

Classe les modes d'échec : ambiguïté, contexte manquant, erreurs de format et hallucination. Fournit une liste de contrôle de diagnostic qui guide la révision ciblée.

Leçon 1 • Méta-Prompting et Génération de Prompts

Utilise le modèle pour générer, critiquer et optimiser les prompts automatiquement. Accélère le développement de prompts et révèle des formulations non évidentes.

Leçon 2 • Prompting Augmenté par Récupération

Injecte des documents ou faits récupérés dans les prompts pour ancrer les réponses dans des sources vérifiées. Réduit l'hallucination sur les tâches à forte intensité de connaissances.

Leçon 3 • Prompts d'Auto-Critique et de Réflexion

Instruit le modèle pour évaluer et réviser sa propre sortie au cours d'une même session. Produit des réponses finales de meilleure qualité sans boucles de retour externes.

Leçon 4 • Chaînage de Prompts et Pipelines

Connecte des prompts séquentiels où chaque sortie alimente l'étape suivante. Couvre la conception de la passation, la propagation des erreurs et le débogage des pipelines.

Leçon 1 • Prompts Conversationnels pour le Client

Construit des prompts système pour les chatbots gérant les scénarios de support, de vente et de FAQ. Couvre les garde-fous de ton, la logique d'escalade et la cohérence de la voix de la marque.

Leçon 2 • Analyse de Données et Extraction d'Insights

Incite les modèles à interpréter des données tabulaires, identifier des tendances et générer des résumés narratifs. Fait le pont entre l'ingénierie des prompts et les besoins en reporting analytique.

Leçon 3 • Workflows de Création et d'Édition de Contenu

Conçoit des séquences de prompts pour la rédaction, l'édition, le résumé et le réemploi de contenu. Relie la conception des prompts aux normes de qualité éditoriale.

Leçon 4 • Intégration dans l'Automatisation et les Workflows

Intègre les prompts dans des pipelines automatisés, des API et des outils no-code. Couvre la paramétrisation, l'injection de variables dynamiques et le routage des sorties.

Leçon 1 • Biais, Équité et Réduction des Préjudices

Identifie comment les prompts peuvent amplifier ou atténuer les biais du modèle et produire des sorties nuisibles. Enseigne des choix de conception proactifs qui réduisent les réponses discriminatoires ou dangereuses.

Leçon 2 • Injection de Prompts et Sécurité

Explique les attaques adverses par prompts qui détournent le comportement du modèle dans les systèmes déployés. Enseigne la conception défensive de prompts et les stratégies d'assainissement des entrées.

Leçon 3 • Construction d'une Stratégie Organisationnelle pour les Prompts

Conçoit des normes au niveau de l'équipe pour la propriété, la révision et l'amélioration continue des prompts. Relie la compétence individuelle en prompting à la capacité organisationnelle évolutive.

Leçon 4 • Confidentialité et Gestion des Données dans les Prompts

Couvre les risques liés à l'intégration de données personnelles ou confidentielles dans les prompts envoyés à des modèles externes. Établit des pratiques de minimisation des données et d'anonymisation pour la conception de prompts.