Ingénierie de promtps : Meilleurs résultats avec la technique 'Ask Me Questions'
Ingénierie de promtps : Meilleurs résultats avec la technique 'Ask Me Questions'
La technique 'Ask Me Questions' est une méthode pour clarifier systématiquement les questions avant d'exécuter une tâche avec un IA. En posant des questions ciblées, elle assure que l'IA dispose de toutes les informations nécessaires pour fournir des résultats précis.
Ingénierie de prompt : obtenir de meilleurs résultats avec la technique « Ask Me Questions »
Vous travaillez avec des modèles d'intelligence artificielle dans une interface de chat et souhaitez obtenir des résultats plus précis. Une technique qui peut vous aider à y parvenir consiste à laisser l'IA poser des questions avant d'exécuter une tâche. Cette méthode est appelée « Ask Me Questions » (AMQ). Elle utilise le contexte du chat en cours pour clarifier les choses étape par étape. Dans ce qui suit, nous décrivons la technique, y compris sa structure, des exemples d'applications et des conseils pratiques.
Structure de la technique
La technique AMQ repose sur une invite initiale qui contient trois composantes :
1. Attribution de rôle à l'IA
Le raccourci ultime vers des résultats IA impeccables
Arrête de perdre du temps avec des prompts approximatifs. Obtiens des résultats IA constants et professionnels dès le premier essai, à chaque fois.
Vous attribuez à l'IA un rôle spécifique, par exemple « Vous êtes un développeur frontal expérimenté avec des connaissances en React et Fetch-API ».
Les modèles modernes comprennent souvent les tâches sans attribution de rôle explicite, car ils réagissent déjà de manière flexible en fonction du contexte grâce à leur formation. Cependant, un rôle clair dans la technique AMQ offre un avantage mesurable : les questions posées sont plus ciblées, plus approfondies sur le plan technique et plus pertinentes pour la tâche. Le rôle établit un cadre qui permet à l'IA d'identifier les lacunes potentielles du point de vue d'un expert, que pourrait ignorer un modèle plus général.
2. Description de la tâche
3. Invitation à poser des questions
L'invite se termine par une formule telle que : « Avant que je vous active en mode agent pour commencer l'implémentation : Avez-vous des questions à me poser ? »
Vous envoyez cette invite en tant que nouveau message dans le chat. L'IA répond par des questions de clarification. Vous répondez à ces questions directement dans votre prochain message. Le contexte du chat est conservé, de sorte que l'IA connaît toutes les informations précédentes. Vous répétez le processus en demandant à nouveau si nécessaire : « Avez-vous d'autres questions ? » Dès que l'IA n'a plus de questions ou confirme que tout est clair, vous donnez l'instruction de commencer la tâche réelle.
Exemple d'application dans le développement frontal
Développement frontal
Composant React avec API
Vous êtes un développeur frontal expérimenté avec des connaissances en React et Fetch-API. Aujourd'hui, vous devez implémenter un composant qui récupère des données d'une API externe et les affiche dans une liste. L'API fournit des produits avec des noms et des prix. Avant que je vous active en mode agent pour commencer l'implémentation : Avez-vous des questions à me poser ?
L'IA pose des questions, par exemple :
Quel endpoint précis dois-je utiliser ?
Une authentification est-elle requise, par exemple une clé API dans l'en-tête ?
Comment gérer les états de chargement et les erreurs ?
Les produits doivent-ils être triés ou paginés ?
Vous répondez directement dans le chat et demandez ensuite : « Avez-vous d'autres questions ? »
Dès que tout est clarifié, vous donnez l'instruction finale : « Maintenant, vous pouvez basculer en mode agent et implémenter le composant. »
Exemple d'application dans la production de texte
Production de texte
Rapport de marché sur les tendances de l'e-commerce
Vous êtes un analyste avec de l'expérience dans les rapports de marché. Écrivez un rapport sur les tendances dans le secteur de l'e-commerce. Avant que je vous active pour créer le rapport : Avez-vous des questions à me poser ?
L'IA demande :
Quelle période le rapport doit-il couvrir ?
Quelles régions sont pertinentes ?
Des tendances spécifiques doivent-elles être priorisées, par exemple l'IA dans le commerce ou la durabilité ?
Quelle doit être la longueur du rapport ?
Vous répondez dans le chat et demandez s'il y a d'autres questions. Après la phase de clarification, vous donnez l'instruction à l'IA d'écrire le rapport.
Exemple d'application dans le traitement de données
Analyse de données
Recherche de modèles dans le comportement d'achat
Vous êtes un analyste de données avec des connaissances en Python et Pandas. Vous devez analyser un ensemble de données sur les clients et identifier des modèles dans le comportement d'achat. Avant de commencer l'analyse : Avez-vous des questions à me poser ?
L'IA pourrait demander :
Quelles colonnes sont incluses dans l'ensemble de données ?
Y a-t-il un focus spécifique, par exemple les achats répétés ou la segmentation par âge ?
Les valeurs aberrantes doivent-elles être nettoyées ?
Sous quelle forme les résultats doivent-ils être présentés ?
Vous répondez à ces questions dans le chat continu et donnez finalement l'instruction de démarrer l'analyse.
Exemple d'application dans la génération d'images
Génération d'images
Ville futuriste comme invite optimisé
Vous êtes un ingénieur de prompt visuel pour des outils de génération d'images par IA comme DALL-E ou Midjourney. Je veux créer un invite optimisé pour une image d'une ville futuriste. Avant que je vous active pour générer l'invite final : Avez-vous des questions à me poser ?
L'IA demande généralement :
Quel style artistique préférez-vous, par exemple cyberpunk, réaliste ou conceptuel ?
Des éléments spécifiques doivent-ils être inclus, comme des véhicules volants ou une éclairage particulière ?
Quel rapport d'aspect ou format est souhaité ?
Y a-t-il une ambiance souhaitée, par exemple lumineuse et optimiste ou sombre et dystopique ?
Vous répondez directement dans le chat. Après avoir clarifié tous les points, vous dites : « Maintenant, vous pouvez créer l'invite final. »
Conseils pratiques pour l'application
Formulez l'attribution de rôle de manière aussi précise que possible. Plus le rôle est bien défini, plus les questions posées sont pertinentes.
Répondez à toutes les questions de l'IA dans un seul message pour maintenir le contexte propre.
Posez systématiquement la question après votre réponse : « Avez-vous d'autres questions ? » ou « Tout est-il clair maintenant ? » Cela évite que l'IA ne commence directement l'exécution.
Lorsque l'IA n'a plus de questions mais que vous avez encore des incertitudes, demandez activement : « Y a-t-il des aspects que vous considérez comme critiques et que nous n'avons pas encore discutés ? »
Pour les tâches très complexes, vous pouvez diviser la phase de clarification en blocs thématiques, par exemple les détails techniques d'abord, puis les décisions de conception.
Terminez clairement la phase de clarification avec une instruction explicite comme : « Tout est clarifié. Vous pouvez maintenant commencer la mise en œuvre. »
Résumé
La technique AMQ utilise le contexte du chat des modèles d'IA pour construire une phase de clarification systématique avant l'exécution d'une tâche. Vous commencez avec une invitation à poser des questions, répondez à celles-ci dans le dialogue et donnez ensuite l'instruction de démarrer. La méthode est applicable dans la programmation, la production de texte, l'analyse de données et la génération d'images, où des instructions peu claires peuvent conduire à des résultats indésirables.
Résumé
La technique AMQ est basée sur un prompt de clarification initial.
L'IA pose des questions pour comprendre le contexte.
L'utilisateur répond aux questions directement dans le chat.
L'IA reçoit des instructions précises via la phase de clarification.
La technique est applicable dans divers domaines tels que la programmation, la production de texte et la génération d'images.
