Techniques avancées
Au-delà de la structure de base, ces six techniques améliorent la fiabilité sur les tâches longues, ambiguës ou à fort enjeu.
01 — Chaîne de pensée (CoT)
Raisonner étape par étape avant de conclure améliore calcul, logique et analyse multi-critères.
02 — Apprentissage in-context
Un bon exemple vaut souvent un long paragraphe. Commencez à zéro ou un exemple, ajoutez-en seulement si nécessaire.
03 — Auto-consistance
Générer plusieurs raisonnements indépendants et retenir la conclusion qui revient le plus souvent.
04 — Chaîne de prompts
Découper une tâche en étapes, chacune réutilisant la sortie de la précédente, limite les erreurs cumulées.
05 — Méta-prompting
Décrire la structure logique attendue plutôt qu'empiler des exemples : moins de tokens, moins de biais.
06 — Autorisation d'incertitude
Permettre explicitement « je ne sais pas » réduit les hallucinations sur données incomplètes.
Modèles à raisonnement : adapter la technique
Les modèles récents raisonnent nativement et exposent un réglage d'effort de raisonnement. Inutile alors de répéter « pense étape par étape » : décrivez plutôt les critères de réussite, et ajustez l'effort selon la difficulté de la tâche.
- Google — Stratégies de promptingExemples few-shot, contraintes, décomposition.
- Mistral — Capacités de promptingGuide officiel pour les modèles Mistral.
- Prompting Guide — TechniquesCoT, ReAct, auto-consistance, etc.