L’ingénierie des prompts produit des algorithmes en langage naturel

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

Sur mon étagère, j’ai de nombreux livres qui couvrent des sujets allant des réseaux à l’IA, en passant par la sécurité et les notions fondamentales. Si la plupart de mes manuels universitaires ont disparu depuis longtemps, il m’en reste deux : le livre du dragon et Introduction à l’algorithmique.

Je garde le premier par sentimentalisme. J’ai écrit exactement deux compilateurs dans ma vie, et j’espère ne jamais avoir à en écrire un autre. Je conserve le second parce qu’il est intemporel. Voyez-vous, les algorithmes ne sont liés à aucun système d’exploitation ni à aucun langage. Ce sont des règles logiques — des schémas — que l’on suit pour résoudre des problèmes courants.

C’est pourquoi je dis parfois que j’« applique Dijkstra » à mes courses lorsque je me déplace en voiture. L’algorithme de Dijkstra est un ensemble de règles permettant de trouver le chemin le plus court, et il s’applique aussi bien à l’organisation de plusieurs courses qu’au routage de paquets sur un réseau.

Dans cette optique, intéressons-nous au domaine en pleine évolution de l’ingénierie des prompts. Une définition simple serait « la pratique consistant à concevoir des données d’entrée pour des outils d’IA générative afin d’obtenir des résultats optimaux ». (McKinsey)

Au cours des derniers mois, nous avons vu émerger de nombreuses « techniques » d’ingénierie des prompts, chacune ayant été conçue pour résoudre un type de problème précis : comment obtenir des résultats optimaux à partir de l’IA générative.

Forbes fait un excellent travail pour mettre ces techniques en avant :

• Chaîne de vérification
• Squelette de pensée
• Arbre de pensées
• Chaîne de pensée

Il en existe bien d’autres, mais toutes partagent les mêmes caractéristiques. Chacune décrit un ensemble de règles ou de modèles permettant d’interagir avec l’IA générative afin d’obtenir les résultats souhaités. Du point de vue de l’ingénierie, cela n’est pas très différent des algorithmes qui décrivent comment trier un arbre binaire, inverser une liste chaînée ou trouver le chemin le plus court vers une destination dans un graphe.

Par leur conception et leur finalité, ce sont des algorithmes en langage naturel.

Je ne vais pas pour autant encourager les ingénieurs à devenir des spécialistes de l’ingénierie des prompts. Mais comme de nombreux ingénieurs le constatent aujourd’hui, l’utilisation d’algorithmes en langage naturel permet de concevoir des solutions d’IA générative plus efficaces. Si vous lisez cet article de blog sur la réduction des hallucinations de l’IA vous verrez que, dans le cadre de la solution, plusieurs algorithmes en langage naturel, notamment la chaîne de pensée et l’IA réflexive sont utilisés pour guider les réponses de GPT afin de générer une réponse optimale.

Il est important d’en prendre conscience, car à mesure que les techniques d’ingénierie des prompts émergent et finissent par recevoir des noms reconnaissables, elles deviennent les éléments constitutifs de solutions qui exploitent l’IA générative. Les techniques d’ingénierie des prompts d’aujourd’hui sont les algorithmes de traitement du langage naturel de demain.

Et nous aurions tout intérêt à ne pas les ignorer ni à les considérer comme moins utiles que les algorithmes traditionnels, pas plus qu’à penser qu’ils ne s’appliquent qu’aux interfaces conversationnelles utilisées par nos proches.

Nous pouvons nous appuyer sur une API pour intégrer l’IA générative à des solutions, mais les données que nous échangeons sont exprimées en langage naturel. Cela signifie que nous pouvons exploiter ces techniques d’ingénierie des prompts — ces algorithmes en langage naturel — au sein des solutions que nous développons afin d’obtenir de l’IA générative des réponses meilleures, plus claires et plus exactes.

Cela signifie également que les responsables technologiques ne doivent pas seulement autoriser, mais encourager les ingénieurs à consacrer du temps à l’utilisation de l’IA générative afin de découvrir les modèles et les algorithmes qui permettront d’aboutir à des solutions plus optimales.

On ne sait jamais, l’un de vos ingénieurs pourrait bien finir par donner son nom à un algorithme à l’avenir.

À propos de l’auteur

Lori Mac VittieIngénieur émérite et évangéliste en chef | F5

Lori MacVittie est ingénieure émérite et évangéliste en chef au sein du bureau du directeur technique de F5. Elle possède une expertise approfondie dans la fourniture d’applications, les stratégies d’automatisation et les infrastructures. Elle est réputée pour sa capacité à rendre la complexité intelligible, qu’elle définisse des garde-fous pour les agents d’IA, analyse des architectures multicloud fragiles ou explore les limites des systèmes évolutifs. Elle cumule plus de trente ans d’expérience dans le secteur, couvrant le développement d’applications, l’architecture informatique ainsi que l’exploitation des réseaux et des systèmes. Avant de rejoindre F5, elle a été rédactrice spécialisée dans les technologies et a reçu plusieurs distinctions. MacVittie est titulaire d’un master en informatique et est une autrice prolifique dont les publications couvrent la sécurité, le cloud et l’architecture d’entreprise. Elle est également une passionnée de jeux de société et de jeux vidéo, et assume pleinement ses avis bien tranchés sur le fromage.

Autres articles de Lori Mac Vittie