Le prompting inversé : comment obtenir ce que vous voulez avec ChatGPT ?

Pas toujours facile d’obtenir ce qu’on veut avec ChatGPT. Et pourtant, une fois encore, il s’agit de bien utiliser notre cerveau. Dans cet article, je vous montre comment, en inversant l’ordre établi, demander à ChatGPT non pas de répondre à nos prompts, mais de les créer pour nous. Une technique que j’utilise au quotidien, et qui a transformé ma façon de solliciter et d’exploiter l’IA, que ce soit pour affiner la pertinence des réponses obtenues, innover dans l’apprentissage, ou naviguer dans les innombrables pistes de créativité qu’offre cette technologie.

Le prompting inversé : c’est quoi ?

Le “prompting inversé” est un concept rencontré principalement dans le domaine de l’IA, en particulier avec les modèles de langage et les systèmes de génération de contenu comme ChatGPT. Ce concept peut être compris de différentes manières selon le contexte, mais généralement, il fait référence à une méthode où l’on utilise le modèle de manière créative pour générer des entrées (prompts) à partir de sorties souhaitées, ou pour obtenir des informations en posant des questions d’une manière qui “inverse” l’approche habituelle d’interaction avec l’IA.

Dans le contexte de ChatGPT donc, au lieu de donner un prompt à l’IA pour générer une réponse, on pourrait lui donner le type de réponse souhaitée et demander à l’IA de générer le prompt qui pourrait conduire à cette réponse. Cela peut être utile pour comprendre comment formuler des prompts pour obtenir des résultats spécifiques, ou pour entraîner le modèle à mieux comprendre et répondre à des requêtes complexes en apprenant de ses propres suggestions de prompts.

En pratique, le prompting inversé peut être utilisé pour diverses applications, comme l’amélioration de la précision des réponses de l’IA, la création de jeux ou d’exercices éducatifs, ou encore pour explorer de nouvelles façons d’interagir avec les technologies d’IA. L’origine du prompting inversé peut être vue comme une réponse à deux défis majeurs dans le domaine de l’IA : premièrement, la nécessité d’améliorer l’interaction entre les humains et les modèles d’IA pour obtenir des réponses plus précises et plus utiles, et deuxièmement, le désir d’explorer et d’expérimenter avec la capacité des modèles d’IA à générer des idées et des solutions créatives.

Principes du prompting inversé

Le prompting inversé nécessite une compréhension réelle de la manière dont les modèles d’IA traitent l’information et génèrent leurs réponses. L’utilisateur doit être capable de penser comme le modèle, anticipant les réponses potentielles à différents types de prompts. Cette méthode encourage l’expérimentation et l’itération, où différents prompts sont testés et affinés jusqu’à ce que le résultat souhaité soit atteint. Pour y parvenir, rappelez-vous que ChatGPT ne donne pas de réponse à des questions, mais prédit statistiquement la suite de ce que vous avez écrit en prompt, un peu comme quand Microsoft Word vous propose la fin de la phrase que vous êtes en train d’écrire.

Exemples de prompting inversé dans différents contextes

• Éducation : Un enseignant cherche à créer des questions d’examen qui testent la compréhension profonde d’un sujet par les étudiants. Il pourrait utiliser le prompting inversé pour générer d’abord les réponses idéales ou les explications complexes, puis travailler à rebours pour formuler les questions qui inciteraient à ces réponses.
• Marketing : Une équipe de marketing souhaite générer des slogans accrocheurs pour un nouveau produit. En définissant d’abord les émotions ou les messages clés qu’ils veulent évoquer, ils peuvent utiliser le prompting inversé pour identifier les types de prompts qui mèneraient à des slogans créatifs correspondant à ces objectifs.
• Développement de produit : Les concepteurs de produits peuvent envisager le feedback ou les caractéristiques de produit idéales souhaitées par les utilisateurs finaux. En appliquant le prompting inversé, ils formulent des questions qui pourraient les aider à explorer des voies de conception qui répondent à ces attentes.

Les 7 étapes du prompting inversé

Le prompting inversé est donc une forme de ‘retro-engineering’, où on part du résultat pour trouver le meilleur point de départ possible, en imaginant les étapes dans un ordre… inversé !

Ce processus est assez intuitif lorsque l’on a l’habitude, mais pour commencer à partir d’une base générique, voici une explication détaillée de chaque étape du processus :

1) Identification du résultat souhaité

Cette première étape consiste à définir de manière précise et claire le type de réponse ou de résultat que l’on souhaite obtenir de l’IA. Il est crucial d’être aussi spécifique que possible pour orienter correctement le processus de prompting. Par exemple, si l’on cherche une solution créative à un problème, le résultat souhaité pourrait être une liste d’idées innovantes.

• Niveau de Difficulté : 2 — Nécessite une compréhension claire de l’objectif, mais relativement direct et intuitif pour démarrer.
• L’astuce TT : Soyez aussi spécifique que possible en décrivant le résultat souhaité. Utilisez des adjectifs précis et des objectifs clairs pour guider votre vision.

2) Conception du prompt initial

À partir du résultat souhaité identifié, on formule un prompt initial. Ce prompt est essentiellement une question ou une instruction conçue pour guider l’IA vers la production du résultat désiré. La qualité du prompt est déterminante pour la qualité de la réponse de l’IA. Par exemple, pour générer des idées innovantes, le prompt pourrait encourager l’IA à penser de manière non conventionnelle ou à appliquer des concepts d’un domaine à un autre.

• Niveau de Difficulté : 3 — Requiert une certaine créativité et compréhension de comment l’IA pourrait interpréter les instructions.
• L’astuce TT : Intégrez des mots-clés pertinents liés au résultat souhaité dans votre prompt. Pensez à la manière dont vous poseriez la question à un expert humain.

3) Test du prompt avec l’IA

Une fois le prompt initial conçu, il est soumis à l’IA, qui génère une réponse basée sur le prompt. Cette étape est critique pour évaluer l’efficacité du prompt et la pertinence de la réponse de l’IA.

• Niveau de Difficulté : 1 — Processus technique simple, mais nécessite un examen attentif des résultats.
• L’astuce TT : Gardez l’esprit ouvert et soyez prêt à être surpris. Les premières réponses peuvent ne pas être parfaites mais offrir des perspectives inattendues.

4) Évaluation des réponses

Il existe ici plusieurs possibilités : si la réponse de l’IA correspond au résultat souhaité, le processus peut être considéré comme réussi. Cela signifie que le prompt était bien formulé et que l’IA a correctement interprété les instructions. Mais si la réponse obtenue n’est pas satisfaisante ou ne correspond pas au résultat souhaité, il est nécessaire de procéder à l’étape suivante pour ajuster le prompt.

• Niveau de Difficulté : 3 — L’évaluation qualitative des réponses peut être subjective et nécessite un réel discernement.
• L’astuce TT : Utilisez une grille d’évaluation avec des critères clairs (pertinence, créativité, spécificité) pour juger les réponses. Cela aide à rester objectif et focus !

5) Ajustement du prompt

Cette étape implique de modifier le prompt initial en tenant compte des réponses obtenues précédemment. L’objectif est d’affiner le prompt pour se rapprocher du résultat désiré. Cela peut impliquer de rendre le prompt plus spécifique, d’ajouter des détails ou de clarifier l’instruction.

• Niveau de Difficulté : 4 — Nécessite une compréhension nuancée de la manière dont les ajustements affecteront les réponses de l’IA.
• L’astuce TT : Intégrez les feedbacks de l’étape d’évaluation pour affiner votre prompt. Pensez à ajuster le niveau de détail, à reformuler ou à ajouter des précisions.

6) Itération

Le processus d’ajustement du prompt et de test avec l’IA est répété autant de fois que nécessaire. Chaque cycle d’itération vise à raffiner davantage le prompt jusqu’à obtenir une réponse satisfaisante de l’IA.

• Niveau de Difficulté : 5— Peut être le plus difficile en raison du besoin d’itérations et d’ajustements fins.
• L’astuce TT : Soyez patient et persévérant. Le succès réside souvent dans la répétition et l’affinement progressif des prompts. Chaque itération est une opportunité.

7) Analyse des résultats

Une fois une réponse satisfaisante obtenue, il est important d’analyser les résultats du processus, y compris les avantages et les limitations observés. Cette analyse peut révéler des insights sur la manière dont l’IA interprète les prompts et génère des réponses, ainsi que sur les stratégies de prompting qui fonctionnent le mieux pour obtenir les résultats souhaités.

• Niveau de Difficulté : 2— Moins technique, mais nécessite une capacité d’analyse et de réflexion critique.
• L’astuce TT : Prenez du recul pour évaluer les résultats dans leur ensemble. Réfléchissez à ce que vous avez appris sur l’IA, sur le processus et sur le sujet traité.

Ce processus montre de manière générique, mais quand même logique, la nature interactive et itérative de la collaboration avec ChatGPT et les IA géénratives plus largement. Le succès dépend de la capacité à formuler des prompts efficaces, à interpréter les réponses de l’IA, et à ajuster les stratégies en conséquence.

Avantages et inconvénients du prompting inversé

Comme toutes les techniques, le prompting inversé n’est pas magique, et il est nécessaire de l’utiliser en connaissance de ses atouts et faiblesses.

Avantages

• Créativité accrue : Le prompting inversé pousse les utilisateurs et les concepteurs d’IA à penser en dehors des cadres traditionnels, favorisant une approche plus créative à la résolution de problèmes et à la génération d’idées.
• Meilleure compréhension des modèles d’IA : En expérimentant avec le prompting inversé, les utilisateurs apprennent à mieux comprendre comment les modèles d’IA traitent l’information et réagissent à différents types de prompts. Cela peut améliorer l’efficacité des interactions futures avec l’IA.
• Personnalisation des réponses : Cette méthode permet une personnalisation plus fine des réponses générées par l’IA, car elle part d’un résultat souhaité spécifique et cherche le chemin le plus direct pour y parvenir.

Limitations

• Complexité et temps : Le processus de détermination du prompt idéal peut être complexe et chronophage, nécessitant de multiples itérations pour affiner le prompt qui produit le résultat désiré.
• Nécessite une connaissance approfondie de l’IA : Pour être efficacement mise en œuvre, cette approche exige une bonne compréhension du fonctionnement interne des modèles d’IA, ce qui peut constituer une barrière pour les utilisateurs moins expérimentés.
• Imprévisibilité des résultats : Les modèles d’IA peuvent parfois générer des réponses surprenantes ou inattendues, même avec un prompting soigneusement conçu. Cela peut conduire à des résultats incohérents ou nécessiter des ajustements supplémentaires.

L’efficacité du prompting inversé dépend de la capacité de l’utilisateur à naviguer dans les arbres de possibilités, ce qui nécessite une combinaison de compétence technique, d’esprit critique, de créativité et de patience.

Mise en pratique : exemple pas à pas de prompting inversé

Pour illustrer le concept de prompting inversé dans le contexte d’obtenir une offre d’emploi pour un stagiaire en innovation RH, imaginons que nous souhaitons découvrir quel type de prompt pourrait inciter un modèle d’IA à générer une telle offre. Au lieu de formuler directement une demande, nous allons partir de l’objectif souhaité (l’offre d’emploi) et travailler à rebours pour déterminer un prompt qui pourrait conduire à cette sortie.

Objectif souhaité

Une offre d’emploi détaillée pour un poste de stagiaire en innovation RH, incluant des responsabilités, des compétences requises, et des détails sur l’entreprise.

Approche de prompting inversé

Demander au modèle de générer la question ou la série de directives qui, selon lui, produirait une offre d’emploi pour un stagiaire en innovation RH comme réponse.

Exemple de prompt inversé

“Imagine que tu es un expert en ressources humaines cherchant à rédiger une offre d’emploi attrayante pour un stagiaire passionné par l’innovation dans le domaine des RH. Quelles questions poserais-tu à un modèle d’IA pour qu’il crée cette offre, en mettant l’accent sur l’innovation, la technologie et le développement durable dans le secteur des RH?”

Résultat attendu

Le modèle pourrait suggérer une série de points ou de questions spécifiques qui aideraient à cerner les éléments clés à inclure dans une offre d’emploi. Par exemple, il pourrait proposer de demander des détails sur les projets d’innovation RH en cours, les compétences technologiques et interpersonnelles recherchées, ou encore la manière dont le poste contribuera à la mission de développement durable de l’entreprise.

Itération

Comme toujours avec les IA génératives, il est important de considérer que la réponse fournie est une base de travail pour approfondir et explorer. Même avec le prompting inversé, on n’y coupe pas. Il peut s’agir de demander une amélioration du prompt proposé, un enrichissement des questions à poser, ou un challenge du résultat final. Et pour tout vous dire, ça marche mieux si on le fait pour ces trois étapes ! On peut avoir l’impression que ces itérations sont laborieuses et prennent du temps, mais rappelez-vous que c’est l’IA qui travaille, vous n’avez qu’à réfléchir correctement pendant quelques secondes et quelques étapes, alors ça vaut le coup.

En utilisant cette approche inversée, on peut mieux comprendre comment structurer nos requêtes pour obtenir des résultats spécifiques de la part de modèles d’IA, tout en explorant de nouvelles façons d’engager la conversation avec ces technologies. Cela peut être particulièrement utile dans des domaines innovants comme les RH, où la capacité à poser les bonnes questions peut débloquer des insights précieux et encourager une réflexion créative.

Conclusion

En nous plaçant non plus en demandeurs mais en créateurs de prompts, nous transcendons les limites habituelles de l’IA pour devenir des partenaires actifs dans le processus de création et d’innovation. Cette approche nous permet de repenser nos interactions avec la technologie, en mettant l’accent sur la co-création et l’expérimentation, et en nous ouvrant à des possibilités jusqu’alors insoupçonnées.

Le prompting inversé, loin d’être un simple exercice de style, nous invite à un voyage intellectuel complexe où notre curiosité, notre créativité et notre capacité à anticiper les réponses de l’IA deviennent les clés d’un dialogue enrichi. Il reflète l’évolution de notre rapport à la technologie, où l’utilisateur n’est plus un simple spectateur mais un acteur de l’intelligence artificielle, capable d’orienter, de questionner et d’exploiter son potentiel de manière inédite.

[Article rédigé et illustré le 25 février 2024 par Jeremy Lamri avec le support de l’algorithme Open AI GPT-4].

— —

Suivez mon actualité avec Linktree

Si vous vous intéressez à la combinaison du web 3 avec les RH, et plus généralement aux enjeux sociétaux liés à l’émergence du métavers, de l’IA, de la blockchain, de l’informatique quantique et des autres technologies émergentes, je vous invite à vous abonner à la newsletter dédiée que je tiens sur le sujet, et à lire les articles que j’écris régulièrement :

• Mon compte Instagram
• Film EXPLORER
• Podcast CODEX
• Newsletter Future of Work & HR (11 000+ abonnés)
• Articles Medium
• Site public Tomorrow Theory
• Page Linkedin Tomorrow Theory (abonnez-vous !!!)