Prompt engineering centré sur l’utilisateur : avantages pour les entreprises

Le prompt engineering est un facteur déterminant pour la qualité des réponses générées par les grands modèles de langage. Le Human AI Learning Systems (HAIS) Lab de la BFH a développé une méthode structurée qui transpose les principes du design centré sur l’utilisateur au développement d’applications d’intelligence artificielle (IA). Cet article présente la méthode, son application ainsi que le potentiel des grands modèles de langage pour une utilisation de l’IA centrée sur les besoins et les résultats concrets. 

Intelligence artificielle générative et prompt engineering

Dans le cadre de l’IA générative reposant sur des modèles de langage, les utilisateurs interagissent avec le système par le biais d’entrées textuelles et reçoivent en retour une réponse générée par l’IA. Cette réponse est déterminée par des instructions adressées au modèle, appelées prompts. Les prompts définissent non seulement la structure de l’entrée et de la sortie, mais spécifient également les points sur lesquels le modèle doit porter une attention particulière ou les étapes de traitement à exécuter. L’optimisation de ces prompts en vue d’améliorer la qualité de l’interaction est désignée sous le terme de prompt engineering (ou Ingénierie de prompt). L’objectif est d’accroître la pertinence des réponses de l’IA et la convivialité du système sans pour autant modifier les paramètres fondamentaux du modèle. 

Figure 1. Représentation de l’interaction entre l’humain et l’IA dans le prompt engineering. Le message système définit le contexte de l’application. Les utilisateurs formulent leur entrée ou leur question, qui est ensuite traitée par l’IA. La réponse générée est optimisée afin d’en améliorer la clarté et la qualité. 

Pourquoi une approche centrée sur l’humain est-elle essentielle ?

Pour le développement de l’innovation en entreprise, les besoins et les attentes des utilisateurs occupent une place centrale. Les systèmes d’IA ne constituent pas une fin en soi, mais un moyen de concevoir des solutions pratiques, utilisables et adaptées aux objectifs. La méthode du prompt engineering centré sur l’humain s’inspire des principes du Design Thinking et du User-Centered Design. À travers des processus itératifs, cette méthode permet de développer des innovations centrées sur l’utilisateur et d’acquérir une compréhension approfondie de leurs besoins ainsi que des solutions adaptées. Cette approche favorise la prise en compte directe des exigences des utilisateurs et des difficultés existantes dans les processus. 

Pour les entreprises, cela se traduit par un développement de solutions plus rapide, une réduction des risques liés à des résultats imprécis et une mise à disposition plus efficace de solutions pilotées par l’IA. 

Le processus du prompt engineering centré sur l’humain

Le Human AI Learning Systems (HAIS) Lab a développé une méthode structurée en six étapes pour le prompt engineering centré sur l’humain. Cette méthode garantit que les innovations commerciales pilotées par l’IA soient alignées sur les besoins des utilisateurs et soutenues par l’expertise humaine. Un exemple typique est l’utilisation de l’IA pour l’analyse automatique, la priorisation et la transmission des demandes de service, permettant ainsi d’accroître l’efficacité des processus de travail et de réduire considérablement les temps de réponse. L’accent est mis sur la conception de prompts qui améliorent la clarté et la reproductibilité des réponses de l’IA. 

Figure 2. La méthode en six étapes du prompt engineering centré sur l’humain. Il illustre comment utilisateurs et experts conçoivent, testent et affinent conjointement les prompts afin d’améliorer les réponses de l’IA et de les intégrer dans un prototype fonctionnel 

1. Compréhension des besoins et des problèmes des utilisateurs 

La première étape vise à comprendre les utilisateurs et leurs attentes vis-à-vis du système d’IA. Cette phase s’appuie généralement sur des entretiens et des interactions directes. Des exemples d’entrées textuelles peuvent également être collectés pour être réutilisés ultérieurement dans la recherche de solutions.
Les questions directrices incluent : Qui fait partie du groupe d’utilisateurs ? Quels sont leurs objectifs ? Et quelles entrées soumettent-ils au système ? 

2. Définition de la solution idéale avec des experts

Cette étape consiste à élaborer conjointement, avec des experts, une réponse idéale produite par l’IA. Les entrées issues de l’étape précédente servent de base à la définition d’une solution optimale. Ces exemples de réponses idéales forment ce que l’on appelle le gold standard, qui servira de référence pour les comparaisons ultérieures.
Les questions directrices incluent : Quels sont les experts pertinents pour le problème ? Comment soutiendraient-ils les utilisateurs dans l’atteinte de leurs objectifs ? Et à quoi devrait ressembler la réponse idéale de l’IA ? 

3. Conception des prompts

Plusieurs prompts sont ensuite conçus, testés à l’aide de techniques telles que les prompts à exemples multiples ou la décomposition en sous-étapes, et leurs réponses sont documentées. L’objectif est d’analyser comment ces techniques influencent la réponse du modèle et d’identifier les prompts les plus prometteurs. Cette phase permet d’évaluer l’efficacité des différentes approches et leur impact sur la qualité des réponses générés. 

4. Évaluation des prompts

Les réponses générées sont ensuite comparées au gold standard défini précédemment. L’intégration des utilisateurs dans cette phase permet d’évaluer la qualité des résultats et des prompts utilisés. Dans une approche centrée sur l’humain, les utilisateurs peuvent collaborer avec l’IA pour accomplir des tâches, puis évaluer les différentes réponses. Une approche fondée sur les données se concentrera sur des critères tels que la cohérence, le temps de réponse et la précision. Le gold standard sert ici de référence pour identifier les points faibles et guider les améliorations ciblées. 

5. Raffinement itératif

Les prompts sont ensuite affinés de manière itérative sur la base des évaluations, jusqu’à ce que les résultats se rapprochent des solutions idéales du gold standard. Cette étape garantit une amélioration continue et s’assure que les objectifs et besoins des utilisateurs sont pleinement pris en compte. Les questions directrices sont : Quelles modifications ont été apportées ? Quels en ont été les effets ? Et dans quelle mesure la solution actuelle se rapproche-t-elle du gold standard défini ? 

6. Implémentation dans un prototype

Enfin, les prompts optimisés sont intégrés dans un prototype reposant sur un grand modèle de langage. Celui-ci illustre l’efficacité des solutions élaborées et permet une interaction directe avec les utilisateurs. L’évaluation porte notamment sur la capacité du prototype à résoudre le problème initial et à répondre aux attentes ainsi qu’aux besoins identifiés. 

Conclusion : l’intérêt d’une approche centrée sur l’humain dans le prompt engineering

Dans le développement des systèmes d’IA, il est essentiel de maintenir le focus sur les besoins et attentes des utilisateurs. Grâce à l’approche centrée sur l’humain dans le prompt engineering, les réponses générées par l’IA sont alignées sur des objectifs concrets, garantissant ainsi que la solution technique réponde effectivement aux attentes des utilisateurs.
L’approche itérative réduit les risques et améliore la qualité des prompts et des réponses de l’IA grâce à l’implication conjointe des utilisateurs et des experts. Cette méthode offre des lignes directrices précises pour une mise en œuvre ciblée de l’IA générative et contribue à transformer le potentiel de l’IA en résultats mesurables.