Formation en Prompt Engineering

Leçon 1 • Anatomie d'un Prompt

Décompose un prompt en ses composants fonctionnels : instruction, contexte, données d'entrée et format de sortie. Enseigne aux apprenants à identifier et à étiqueter chaque partie.

Leçon 2 • Comment Fonctionnent les Grands Modèles de Langage

Explique la prédiction de jetons, les données d'entraînement et l'architecture du modèle à un niveau conceptuel. Établit pourquoi la formulation du prompt affecte directement la sortie du modèle.

Leçon 3 • Vocabulaire et Modèles Mentaux Essentiels

Introduit la terminologie essentielle utilisée tout au long de la formation. Fournit des modèles mentaux qui simplifient le raisonnement sur le comportement du modèle.

Leçon 1 • Contrôle du Format de Sortie

Instruit les modèles de renvoyer des formats spécifiques tels que JSON, des tableaux ou des paragraphes en prose. Permet le traitement en aval et l'intégration avec d'autres outils.

Leçon 2 • Rédiger des Instructions Claires

Couvre la spécificité, la voix active et le choix de verbes sans ambiguïté dans les instructions du prompt. Réduit directement les réponses vagues ou hors cible du modèle.

Leçon 3 • Raffinement Itératif du Prompt

Établit une boucle structurée pour diagnostiquer et améliorer les prompts sous-performants. Construit l'habitude de l'itération basée sur des preuves plutôt que sur des suppositions.

Leçon 1 • Modèles de Décomposition et de Chaînage

Décompose les tâches complexes en sous-prompts séquentiels et chaîne leurs sorties. Permet un traitement fiable de tâches trop volumineuses pour un seul prompt.

Leçon 2 • Prompting Chain-of-Thought

Suscite un raisonnement étape par étape pour améliorer la précision sur les tâches complexes. Démontre quand et comment déclencher efficacement des chaînes de raisonnement.

Leçon 3 • Prompting Zero-Shot et Few-Shot

Contraste le prompting sans exemple avec la fourniture de démonstrations étiquetées. Enseigne quand chaque approche maximise la précision et l'efficacité.

Leçon 4 • Prompting de Rôle et de Persona

Attribue des personas d'experts pour façonner le ton, le vocabulaire et le style de raisonnement. Relie la conception du persona à la qualité de sortie spécifique à la tâche.

Leçon 1 • Notions de Base du Prompting Augmenté par Récupération

Introduit l'injection de documents externes récupérés dans les prompts pour ancrer les réponses. Relie la gestion du contexte aux applications pilotées par une base de connaissances.

Leçon 2 • Comprendre les Fenêtres de Contexte

Explique la taille de la fenêtre de contexte, le comptage de jetons et la façon dont les modèles prêtent attention au contexte. Ancre toutes les stratégies ultérieures de mémoire et de récupération.

Leçon 3 • Conception de Conversations Multi-Tours

Structure les flux de dialogue qui maintiennent la cohérence sur de nombreux échanges. S'applique directement au développement de chatbots et d'assistants produits.

Leçon 1 • Prompting Agentique et Utilisation d'Outils

Conçoit des prompts qui permettent aux modèles de planifier, d'appeler des outils externes et d'agir de manière autonome. Fait le pont entre le prompt engineering et la conception de systèmes d'agents IA.

Leçon 2 • Injection de Prompts et Sensibilisation à la Sécurité

Identifie les attaques adversariales par injection de prompts et conçoit des défenses contre elles. Protège les applications de production contre la manipulation et les fuites de données.

Leçon 3 • Prompting Tree-of-Thought

Structure le raisonnement comme un arbre de recherche ramifié pour explorer plusieurs chemins de solution. Permet une résolution de problèmes systématique au-delà du chain-of-thought linéaire.

Leçon 4 • Auto-Cohérence et Vote Majoritaire

Génère plusieurs chemins de raisonnement indépendants et agrège les réponses par vote majoritaire. Améliore la fiabilité sur les tâches avec des sorties à variance élevée.

Leçon 1 • Construire un Pipeline d'Évaluation

Assemble des ensembles de test, des scripts de notation et des tableaux de bord dans un pipeline reproductible. Permet une surveillance continue de la qualité des prompts dans le temps.

Leçon 2 • Définir des Critères d'Évaluation

Établit des dimensions de qualité mesurables telles que la précision, la pertinence et la conformité au format. Convertit les jugements de qualité subjectifs en métriques objectives.

Leçon 3 • Méthodes d'Évaluation Humaine

Conçoit des grilles d'évaluation et des échelles de notation pour que les juges humains évaluent les sorties du modèle. Fournit des étiquettes de vérité terrain pour l'étalonnage de l'évaluation automatisée.

Leçon 1 • Conception de Persona et de Voix de Marque

Intègre une identité de marque et un style de communication cohérents dans les prompts système. Garantit que chaque réponse du modèle s'aligne sur les normes de voix de l'organisation.

Leçon 2 • Gestion de Versions et Maintenance des Prompts Système

Applique un contrôle de version de type logiciel à la gestion des prompts système. Permet une itération sûre et un retour en arrière dans les applications en direct.

Leçon 3 • Architecture du Prompt Système

Définit la structure et l'emplacement des instructions au niveau du système par rapport aux tours utilisateur. Établit la base pour toute la conception de prompts au niveau de l'application.

Leçon 1 • Optimisation de la Latence et du Coût

Réduit l'utilisation de jetons et le temps de réponse grâce à la compression des prompts et à la sélection du modèle. Permet une mise à l'échelle rentable sans sacrifier la qualité des sorties.

Leçon 2 • Gouvernance et Documentation des Prompts

Établit des normes organisationnelles pour la propriété, la révision et la documentation des prompts. Garantit la maintenabilité et la responsabilité entre les équipes et les projets.

Leçon 3 • Surveillance et Observabilité

Instrumente les pipelines de prompts de production avec la journalisation, le traçage et les alertes. Permet la détection et le diagnostic rapides des régressions de qualité dans les systèmes en direct.