Atelier

Lección 5 — Les techniques qui changent les résultats

Laisser réfléchir et décomposer

30min

Este contenido aún no está traducido. Se muestra la versión original.

Pourquoi « laisser réfléchir » aide

Un modèle produit sa réponse token par token. S'il doit donner le verdict dès le premier mot, il n'a « pas eu le temps » de poser les étapes. Lui demander de raisonner d'abord améliore souvent les tâches à plusieurs étapes : calcul, application de règles, comparaison. C'est le principe de la chaîne de raisonnement (chain-of-thought, Wei et al., 2022).

NiveauFormulationQuand
Simple« Réfléchis étape par étape avant de répondre. »Rapide à tester
Guidé« D'abord, vérifie la date d'achat. Ensuite, la condition du produit. Enfin, décide. »Vous connaissez la procédure
Structuré« Raisonne dans <analyse>, puis réponds dans <reponse>. »Le raisonnement ne doit pas être montré au client

Avant / après : décision de remboursement

AvantAprès
« Le client a droit au remboursement ? Réponds oui ou non. » Le modèle répond parfois « oui » à un achat de 45 jours.« Dans <analyse>, vérifie dans l'ordre : 1) nombre de jours depuis l'achat (limite 30), 2) produit ouvert ou non, 3) exception éventuelle de la politique. Puis donne <decision>oui</decision> ou <decision>non</decision> et une <reponse> au client. »
remboursement.txt
<politique>Remboursement sous 30 jours après achat, produit non ouvert.
Exception : produit défectueux, remboursement sous 1 an.</politique>
<demande>{demande}</demande>
<date_du_jour>{date}</date_du_jour>

1. Dans <analyse>, calcule le nombre de jours depuis l'achat, indique si le
   produit est ouvert et s'il est déclaré défectueux.
2. Donne <decision>oui</decision> ou <decision>non</decision>.
3. Rédige une <reponse> de 3 phrases au client, sans recopier ton analyse.

Votre code n'envoie au client que <reponse>, mais garde <analyse> dans les logs : c'est précieux pour comprendre une erreur.

Pourquoi demander le raisonnement dans `<analyse>` et la réponse dans `<reponse>` ?

Décomposer : un prompt, une tâche

Un « méga-prompt » qui doit lire un mail, détecter la langue, classer, chercher dans la politique, rédiger et traduire échoue de façon difficile à diagnostiquer. Le chaînage découpe le travail : chaque étape est simple, testable, et peut utiliser un modèle plus petit.

flowchart LR
  A["Message client"] --> B["Prompt 1 : classer et extraire (JSON)"]
  B --> C{"Catégorie ?"}
  C -- "facturation" --> D["Prompt 2a : règles de facturation"]
  C -- "livraison" --> E["Prompt 2b : statut de suivi"]
  C -- "plainte grave" --> H["Conseiller humain"]
  D --> F["Prompt 3 : relecture ton et format"]
  E --> F
  F --> G["Réponse envoyée"]
Méga-promptChaîne de prompts
Une erreur quelque part, impossible de savoir oùChaque étape a sa sortie, vérifiable
Toutes les règles chargées à chaque appelSeules les règles utiles à la catégorie
Un seul modèle, souvent le plus grosPetit modèle pour classer, plus gros pour rédiger
Tests difficilesUn jeu de tests par étape

Dans quels cas la décomposition en plusieurs prompts est-elle justifiée ? (plusieurs réponses)

En Python : une chaîne de deux étapes

chaine.py
from llm import appeler
from extraire import extraire  # leçon « Séparateurs et balises XML »

def traiter(message: str) -> str:
    cat = extraire("categorie", appeler(
        "Classe le message : livraison, facturation, autre. Réponds <categorie>...</categorie>.",
        f"<message>{message}</message>"))
    if cat not in {"livraison", "facturation"}:
        return "[ESCALADE]"  # catégorie inconnue ou absente : un humain prend la main
    regles = open(f"regles_{cat}.txt", encoding="utf-8").read()
    return appeler(f"Tu es conseiller service client.\n<regles>{regles}</regles>",
                   f"<message>{message}</message>\nRéponds en 3 phrases.")

Exercice

Ce prompt unique échoue souvent : « Lis l'avis client, dis s'il est positif ou négatif, trouve le produit concerné, rédige une réponse publique et, si l'avis est négatif, prépare un résumé pour l'équipe qualité. » Proposez une chaîne de prompts et dites ce que chaque étape renvoie.

Voir la solution
ÉtapeEntréeSortieVérification possible
1. AnalyseAvis brut{"sentiment": "negatif", "produit": "...", "probleme": "..."}JSON valide, sentiment dans la liste
2. Réponse publiqueAvis + résultat de l'étape 1Texte de 3 phrasesLongueur, pas de promesse de remboursement
3. Résumé qualité (seulement si négatif)Résultat de l'étape 12 lignes pour l'équipeContient le produit et le problème

L'étape 1 est la plus critique : c'est elle qui décide si l'étape 3 a lieu. On peut la confier à un modèle rapide et la tester sur une vingtaine d'avis annotés.

Je sais faire

  • Demander un raisonnement guidé par étapes.
  • Séparer <analyse> et <reponse> et ne publier que la réponse.
  • Dire quand une tâche mérite d'être décomposée, et quand non.
  • Écrire une chaîne de deux prompts avec un routage.
Siguiente