Tu sais comme c’est frustrant d’expliquer quelque chose à quelqu’un et qu’il ne comprenne juste pas ?
Puis tu lui montres un exemple, et soudainement tout clique.
L’IA fonctionne pareil.
C’est l’idée clé derrière le Few-Shot Prompting — l’une des techniques les plus fiables pour que l’IA fasse exactement ce que tu veux.
Le problème avec expliquer
Quand tu écris un prompt, tu expliques généralement ce que tu veux :
« Écris une description de produit qui soit casual mais professionnelle, mets l’accent sur les bénéfices plutôt que les caractéristiques, utilise des phrases courtes, et termine avec un appel à l’action doux. »
C’est beaucoup d’instructions. Et l’IA pourrait interpréter « casual mais professionnel » différemment que toi. Elle pourrait comprendre « phrases courtes » différemment de ce que tu avais en tête.
Les mots sont imprécis. Surtout quand on décrit le ton, le style et le format.
La solution : montrer, pas expliquer
Le Few-Shot Prompting retourne le script. Au lieu d’expliquer ce que tu veux, tu montres des exemples à l’IA.
Voici la structure :
Exemple 1 :
Input : [exemple d'entrée]
Output : [exemple de sortie que tu veux]
Exemple 2 :
Input : [autre exemple d'entrée]
Output : [autre exemple de sortie]
Maintenant fais ceci :
Input : [ta vraie entrée]
Output :
L’IA analyse tes exemples, identifie le modèle et l’applique à ta nouvelle entrée.
Pas besoin d’explications longues. Les exemples font l’enseignement.
Un vrai exemple
Disons que tu veux que l’IA écrive des slogans de produits dans un style spécifique.
Sans few-shot (expliquer) :
Écris un slogan pour une app de fitness. Rends-le percutant,
utilise des verbes actifs, implique la transformation et garde-le sous 8 mots.
Avec few-shot (montrer) :
Voici des slogans que j'aime :
Produit : Chaussures de course
Slogan : « Cours plus vite. Sens la légèreté. Va plus loin. »
Produit : App de méditation
Slogan : « Calme ton esprit. Trouve ta paix. »
Produit : Abonnement café
Slogan : « Réveille-toi avec de meilleures matinées. »
Maintenant écris un pour :
Produit : App de fitness
Slogan :
La version few-shot n’explique pas le style — elle le démontre. L’IA détecte le motif (phrases courtes, verbes actifs, bénéfice implicite) sans que tu articules ces règles.
Zero-Shot vs One-Shot vs Few-Shot
Ces termes décrivent combien d’exemples tu fournis :
| Type | Exemples | Idéal pour |
|---|---|---|
| Zero-shot | 0 | Tâches simples que l’IA connaît déjà |
| One-shot | 1 | Tâches qui ont besoin de guidance légère |
| Few-shot | 2-5 | Tâches qui ont besoin de motifs clairs |
Commence avec un exemple. Si la sortie ne correspond pas, ajoute-en un autre. Généralement 2-3 exemples suffisent. Plus de 5 aide rarement et gaspille l’espace de contexte.
Quand le Few-Shot brille
Tâches de classification
Enseigne à l’IA tes catégories :
Classe ces messages de clients :
Message : « Quand arrivera ma commande ? »
Catégorie : Demande d'expédition
Message : « Ce produit s'est cassé après une semaine »
Catégorie : Plainte de qualité
Message : « L'avez-vous en bleu ? »
Catégorie : Question sur le produit
Maintenant classe ceci :
Message : « Puis-je changer mon adresse de livraison ? »
Catégorie :
Adaptation de style
Fais écrire l’IA comme quelque chose de spécifique :
Convertis du texte formel en casual :
Formel : « Nous regrettons de vous informer que votre candidature n'a pas été retenue. »
Casual : « Désolé, mais on ne va pas continuer avec ta candidature cette fois. »
Formel : « Veuillez trouver ci-joint la documentation demandée. »
Casual : « Voilà le doc que tu as demandé ! »
Formel : « Votre demande a été reçue et sera traitée dans les 48 heures. »
Casual :
Extraction de données
Extrais des informations spécifiques :
Extrais les infos de contact de ces messages :
Message : « Salut, je suis Jean Dupont d'Acme Corp. Tu peux me joindre à
jean@acme.fr ou 06 12 34 56 78. »
Extrait : Nom : Jean Dupont | Entreprise : Acme Corp | Email : jean@acme.fr | Tél : 06 12 34 56 78
Message : « C'est Sarah Chen, directrice marketing. Mon numéro direct est
01 23 45 67 89. Email sarah.chen@bigco.fr »
Extrait :
Meilleures pratiques
1. Utilise des exemples représentatifs
Tes exemples doivent couvrir la gamme d’entrées que tu attends. Si tu classes des sentiments et que la plupart de tes données sont neutres, inclus un exemple neutre.
2. Garde les exemples cohérents
Chaque exemple doit suivre le même format. L’incohérence confond la correspondance des motifs.
3. L’ordre compte
La recherche montre que l’ordre des exemples affecte significativement la performance. Mets tes meilleurs exemples en premier.
4. Qualité plutôt que quantité
Trois excellents exemples battent dix médiocres.
5. Combine avec des instructions
Few-Shot ne signifie pas zéro instruction. Tu peux inclure les deux :
Tu es un classificateur de service client. Catégorise les messages en :
Facturation, Technique, Général, ou Urgent.
Exemples :
[tes exemples]
Maintenant classe ce message :
[entrée réelle]
Quand NE PAS utiliser Few-Shot
- Questions factuelles simples : « Quelle est la capitale de la France ? » n’a pas besoin d’exemples.
- Tâches créatives où tu veux de la variété : Les exemples peuvent limiter la créativité.
- Très longues sorties : Si tes exemples font 500 mots chacun, tu utiliseras vite l’espace de contexte.
- Tâches que l’IA fait déjà bien : Si zero-shot marche, ne complique pas.
Le template
Voici un template réutilisable :
[Optionnel : Brève instruction sur la tâche]
Exemple 1 :
Input : [entrée]
Output : [sortie]
Exemple 2 :
Input : [entrée]
Output : [sortie]
Maintenant traite ceci :
Input : [ta vraie entrée]
Output :
Adapte les labels (Input/Output) à ta tâche. Pour la classification, tu pourrais utiliser « Texte » et « Catégorie ». Pour le transfert de style, « Original » et « Réécrit ».
En résumé
Le Few-Shot Prompting marche parce que montrer est plus précis qu’expliquer.
Au lieu de tenter d’expliquer exactement ce que tu veux en mots, démontre-le avec des exemples. L’IA est remarquablement douée pour capturer les motifs et les appliquer aux nouvelles entrées.
La prochaine fois que tu luttes pour obtenir la sortie que tu veux, arrête d’ajouter plus d’instructions. Ajoute un exemple à la place.
Parfois un bon exemple vaut mille mots d’explication.