Plan

• Objectifs
• Avant d’utiliser un agent conversationnel
• Définir un bon prompt
• Lorsqu’on obtient un résultat
• Interagir avec des outils externes
• Risques de mésusages

Objectifs

• Quand utiliser un agent conversationnel
• Lire, comprendre et réagir face à une réponse
• Rédiger un bon prompt
• Mémoire ou pas ?

Avant d’utiliser un agent conversationnel

À avoir en tête

• une requête vers un LLM est coûteuse pour la planète
• on ne sait pas ce que le LLM va faire du texte qu’on lui envoie
• la réponse d’un LLM ne reste que du “probable”, pas du “vrai”
• un LLM ne manipule que du texte

Questions à se poser

• la question que l’on se pose trouve-t-elle sa réponse dans le cours ? Dans un ouvrage / un site web de référence ?
• une “bonne” requête dans un moteur de recherche sans IA pourrait-elle me permettre d’obtenir la réponse ?
• a-ton besoin d’une réponse précise (itinéraire de randonnée par exemple) dont un LLM ne peut pas vérifier la validité ?
• s’assurer de ce que l’on est prêt à envoyer comme information et qui va la recevoir.

Définir un bon prompt

• Donner précisément le contexte
• Préciser quel rôle on attend de l’IA
• Préciser son propre rôle
• Définir le type de résultat attendu (rapport, résumé, formel, etc.)
• Si nécessaire, définir la structure de la réponse attendue
• Demander de citer des sources permettant de valider les informations produites
• Structurer son prompt en utilisant du markdown.

Un “bon” prompt peut ainsi faire plusieurs dizaines de lignes de code.

Lorsqu’on obtient un résultat

• analyser l’explication de la démarche ;
• comprendre le contenu ;
• vérifier la validité des sources citées ;
• vérifier les informations produites par rapport au contenu des sources.

Interagir avec des outils externes

Exemple avec gemini :

Utiliser @Google agenda pour interagir avec son agenda google

Risques de mésusages

• Les LLM sont des modèles de langage. Ils ne peuvent donc pas être utilisés pour générer d’autres choses que du texte (cartes de randonnée par exemple)
• Utiliser un LLM pour donner une réponse dont on ne peut pas évaluer la correction
• Les générateurs d’images produisent du vraisemblables, pas du vrai ni du correct (c.f. les petits textes sur cette infographie).