Prompt Engineering

❌ "Écris un texte sur les chats"

✓ "Écris un article de blog de 300 mots sur les bienfaits
   d'avoir un chat comme animal de compagnie, destiné à
   des familles avec enfants. Ton amical et informatif."

❌ "Traduis : 'The bank was steep'"

✓ "Traduis en français, dans un contexte de randonnée en
   montagne : 'The bank was steep'"
   → "La berge était escarpée" (et non "La banque")

"Analyse les sentiments de ces avis clients.
Réponds en JSON avec le format :
{
  'avis': 'texte original',
  'sentiment': 'positif|négatif|neutre',
  'score': 0.0-1.0,
  'mots_clés': ['mot1', 'mot2']
}"

┌─────────────────────────────────────────────────────────────┐
│                    STRUCTURE DE PROMPT                       │
├─────────────────────────────────────────────────────────────┤
│                                                              │
│  1. RÔLE / PERSONA                                          │
│     "Tu es un expert en marketing digital..."               │
│                                                              │
│  2. CONTEXTE                                                │
│     "Notre entreprise vend des produits bio..."             │
│                                                              │
│  3. TÂCHE                                                   │
│     "Rédige une stratégie de lancement..."                  │
│                                                              │
│  4. CONTRAINTES                                             │
│     "Maximum 500 mots, ton professionnel..."                │
│                                                              │
│  5. FORMAT DE SORTIE                                        │
│     "Structure en 3 parties avec bullet points..."          │
│                                                              │
│  6. EXEMPLES (optionnel)                                    │
│     "Voici un exemple de ce que j'attends..."               │
│                                                              │
└─────────────────────────────────────────────────────────────┘

Classifie le sentiment de ces phrases :

Phrase: "Ce restaurant est excellent !"
Sentiment: Positif

Phrase: "Service lent et nourriture froide"
Sentiment: Négatif

Phrase: "La pizza était correcte"
Sentiment: Neutre

Phrase: "J'ai adoré l'ambiance et la carte des vins"
Sentiment:

Tu es un classificateur de sentiment.
Réponds uniquement par : Positif, Négatif, ou Neutre.

Phrase à analyser : "Le film était vraiment captivant"
Sentiment :

❌ "Combien y a-t-il de lettres 'r' dans 'strawberry' ?"
→ Réponse souvent fausse

✓ "Combien y a-t-il de lettres 'r' dans 'strawberry' ?
   Réfléchis étape par étape en listant chaque lettre."
→ s-t-r-a-w-b-e-r-r-y
→ Position 3: r, Position 8: r, Position 9: r
→ Il y a 3 lettres 'r'

responses = []
for _ in range(5):
    response = llm.generate(prompt, temperature=0.7)
    responses.append(response)

# Prendre la réponse majoritaire
from collections import Counter
final_answer = Counter(responses).most_common(1)[0][0]

Problème : [...]

Approche 1 :
- Étape 1a : ...
- Étape 1b : ...
- Conclusion 1 : ...

Approche 2 :
- Étape 2a : ...
- Étape 2b : ...
- Conclusion 2 : ...

Meilleure approche : Approche 1 car...

messages = [
    {
        "role": "system",
        "content": """Tu es un assistant juridique spécialisé en droit français.

Règles :
- Cite toujours les articles de loi pertinents
- Précise quand une consultation avec un avocat est nécessaire
- Ne donne jamais de conseil médical
- Réponds en français formel"""
    },
    {
        "role": "user",
        "content": "Quels sont mes droits en cas de licenciement ?"
    }
]

Tu es un développeur senior expert en Python.
- Écris du code propre, documenté et testé
- Utilise les type hints
- Suis les conventions PEP 8
- Explique les choix techniques

Tu es un rédacteur web SEO.
- Écris des textes optimisés pour le référencement
- Utilise les mots-clés naturellement
- Structure avec des titres H2/H3
- Vise 1500-2000 mots par article

C - Contexte : Situation et background
R - Rôle : Qui est le modèle
I - Instructions : Ce qu'il doit faire
S - Style : Ton et format
P - Persona : À qui il s'adresse
E - Exemples : Illustrations

R - Rôle : "Tu es un data scientist senior"
I - Instructions : "Analyse ce dataset"
S - Steps : "1. Nettoie 2. Explore 3. Visualise"
E - End goal : "Objectif : identifier les tendances"
N - Narrowing : "Focus sur les 6 derniers mois"

Résume ce texte en 3 bullet points principaux.
Chaque point doit faire maximum 20 mots.
Conserve les chiffres clés.

Texte :
[...]

Traduis ce texte de l'anglais vers le français.
Conserve le registre de langue (formel/informel).
Adapte les expressions idiomatiques.
N'ajoute pas d'explications.

Texte à traduire :
[...]

Extrais les informations suivantes de ce texte :
- Nom de l'entreprise
- Date de création
- Secteur d'activité
- Chiffre d'affaires
- Nombre d'employés

Si une information n'est pas disponible, indique "Non mentionné".

Réponds en JSON.

Texte :
[...]

Écris une fonction Python qui [description].

Contraintes :
- Python 3.10+
- Pas de dépendances externes
- Gère les cas d'erreur
- Inclus des docstrings
- Ajoute 3 tests unitaires

```python
def fonction_name(...):
    ...

### Analyse critique

## Éviter les pièges

### Hallucinations

### Biais de confirmation

### Dérive de conversation

## Itération et optimisation

### Processus d'amélioration

### A/B Testing

```python
prompts = {
    "v1": "Résume ce texte",
    "v2": "Résume ce texte en 3 points",
    "v3": "Tu es un expert. Résume ce texte en 3 points clés"
}

results = {}
for name, prompt in prompts.items():
    responses = [llm.generate(prompt + text) for text in test_set]
    results[name] = measure_quality(responses)

best_prompt = max(results, key=results.get)

# LangChain pour les templates
from langchain.prompts import PromptTemplate

template = PromptTemplate(
    input_variables=["topic", "length"],
    template="Écris un article de {length} mots sur {topic}."
)

prompt = template.format(topic="l'IA", length=500)

PROMPT ENGINEERING = Communication claire + Structure + Itération

Éléments clés :
├── Rôle : Qui est le modèle
├── Contexte : Background nécessaire
├── Tâche : Ce qu'on attend
├── Format : Comment présenter la réponse
└── Exemples : Illustrations (few-shot)

Techniques avancées :
├── Chain-of-Thought : Raisonnement étape par étape
├── Few-shot : Exemples dans le prompt
├── Self-Consistency : Plusieurs générations
└── System Prompts : Comportement global

Règle d'or : Itérer, tester, améliorer