Process / pipeline

Ingénierie des invites — Conception d'instructions pour les grands modèles de langage

L'ingénierie des invites (prompt engineering) est la pratique consistant à formuler des instructions structurées en langage naturel — les invites — pour obtenir des sorties ciblées de la part des grands modèles de langage (LLM). Formalisée par Brown et al. (2020) dans le contexte de GPT-3 et étendue par Wei et al. (2022) avec l'invite en chaîne de pensée (chain-of-thought prompting), elle englobe quatre stratégies principales : zéro-coup (zero-shot), peu de coups (few-shot), chaîne de pensée (chain-of-thought) et arbre de pensée (tree-of-thought). Plutôt que de réentraîner un modèle, l'analyste façonne le comportement du modèle entièrement par la conception du texte d'entrée.

Ouvrir dans MethodMindBientôtVidéoBientôtDownload slides

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Method map

The neighbourhood of related methods — select a node to explore.

Sources

  1. Brown, T. et al. (2020). Language Models are Few-Shot Learners. Advances in Neural Information Processing Systems (NeurIPS), 33, 1877-1901. link
  2. Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. Advances in Neural Information Processing Systems (NeurIPS), 35. link

Comment citer cette page

ScholarGate. (2026, June 1). Prompt Engineering (Instruction Design for Large Language Models). ScholarGate. https://scholargate.app/fr/text-mining/prompt-engineering

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGatePrompt Engineering (Prompt Engineering (Instruction Design for Large Language Models)). Consulté le 2026-06-15 sur https://scholargate.app/fr/text-mining/prompt-engineering · Jeu de données : https://doi.org/10.5281/zenodo.20539026