« Dessine moi un mouton. » Vous connaissez sans doute cette formule du petit prince de Saint Exupéry qui demande un dessin qui ne lui convient jamais car le mouton n’est pas comme il l’imagine. Après de nombreuses tentatives, le dessinateur finit par esquisser une boîte et indique que le mouton se trouve à l’intérieur, ce qui ravit le petit prince qui peut alors imaginer l’animal comme il le souhaite. S’il avait tout de suite donné l’instruction exacte décrivant son attente, il aurait immédiatement obtenu un résultat parfait. Le problème dans cette consigne c’est qu’elle est trop vague : un mouton de quelle sorte ? De quelle couleur ? Dans quelle position ? Dans une scène de quel style et une vue de quel angle ? Aujourd’hui, le petit prince c’est nous et le dessinateur c’est votre outil d’intelligence artificielle générative favori. Que ce soit pour générer des textes, des images ou d’autres formes de médias, pour obtenir de bons résultats sans perdre de temps il faut être capable de décrire ses attentes. Mettre des mots sur des idées peut être difficile alors voici différentes méthodes pour demander votre mouton à l’IA.
Le prompt classique
Le « prompt » c’est l’instruction, la consigne qu’on fournit au programme pour préciser nos attentes et cadrer sa réflexion. La méthode la plus simple pour débuter est de s’assurer qu’il comporte chacun de ces éléments :
– Le contexte : le rôle que doit endosser le programme, l’usage final qui sera fait du résultat ou encore des exemples de contenus inspirants.
– La mission : l’action attendue et la méthode à suivre (dessine moi quelque chose, rédige un texte, analyse cette information…).
– Les contraintes : les limites à l’imagination pour encadrer la création (un texte d’environ 500 mots, une image au format carré, une musique de 2min30…).
– Le style : l’inspiration et le registre artistique (un texte en langage soutenu et humoristique, un dessin très coloré dans un style manga…).
Notre résultat serait : « Tu es dessinateur pour enfants et tu crées des images d’animaux qui ont pour but d’éduquer et de développer l’imagination. Génère une image de mouton qui semble amical et joyeux, vu de côté dans un style enfantin avec des couleurs vives mais représentatives de l’animal. Le mouton sort la tête d’une boite colorée et reste caché pour laisser le spectateur imaginer le reste de son apparence. »
Le prompt par questionnement
Une autre possibilité est de laisser le programme vous interroger sur vos attentes pour aboutir à un résultat qui vous plaise en ne rédigeant pas un seul prompt complet mais en procédant par étapes. Il est alors possible de superviser l’enquête menée par l’IA en indiquant le maximum de questions à poser pour s’en tenir à l’essentiel, les sujets à traiter ou non et la façon de vous interviewer.
Le résultat serait alors : « Dessine moi un mouton. Pose moi un maximum de 10 questions pour connaître mes attentes. Pose tes questions une par une et n’aborde pas le choix des couleurs que je te laisse faire librement. »
Le prompt chaîne de pensée
Pour des tâches complexes, il est possible d’orienter le raisonnement et les étapes de réflexion du programme d’IA en choisissant la fonctionnalité existante dans l’interface (« chaîne de pensée », « recherche profonde »…) ou en le lui imposant par un prompt. Ainsi au lieu de fournir un résultat directement, l’outil vous indique les étapes qu’il va suivre pour aboutir au résultat et vous laisse la possibilité de les modifier (sauter une étape, changer les sources d’informations…) : « Réalise un exposé sur les moutons en moins de 2000 mots dans un style universitaire. Tu devras traiter de leur alimentation, leurs prédateurs, leur habitat naturel. Avant de générer le résultat, indique moi ta façon de procéder pour que je puisse y apporter des modifications si nécessaire. »
Le prompt inversé
La logique de l’IA générative veut que l’utilisateur fournisse un prompt et que le programme fournisse un résultat correspondant. Pour un prompt inversé, l’utilisateur va fournir un résultat au programme (un article de blog, une image, une publication de réseau social…) et demander au programme de générer le prompt qui aurait été nécessaire pour arriver à ce résultat. Une fois le prompt obtenu, l’utilisateur peut alors générer d’autres résultats inspirés du modèle. La consigne, accompagnée de la photo de couverture de cet article, donnée à Gemini était la suivante : « J’aime cette image, génère moi le prompt en français qui aurait été nécessaire à sa création. » et la réponse est alors : « Le Petit Prince, avec sa couronne et son costume jaune, se tenant de profil, regardant un grand robot de style vintage aux yeux bleus lumineux, portant un casque et des lunettes d’aviateur en cuir. Le Petit Prince pointe du doigt un dessin détaillé au fusain d’un mouton sur un chevalet placé entre eux. La scène présente un éclairage cinématographique, une profondeur de champ élevée, des détails complexes et un rendu photoréaliste dans le style de Pixar et Unreal Engine. Éléments steampunk, art numérique primé, lumière volumétrique. »
Le prompt par assistant
Comme expliqué plus tôt, il est important d’attribuer un rôle et un style au programme d’IA générative pour contextualiser ses attentes. Si plusieurs de vos requêtes s’appuient sur le même contexte, comme par exemple créer plusieurs fois par jour des images dans le style de Vincent Van Gogh, il est possible de créer des assistants personnalisés (les Gems de Gemini, les GPTs de ChatGPT…) qui retiendront la personnalité que vous leur créez. Il suffit alors de leur fournir un nom, un prompt concernant leur personnalité, leur façon de répondre ou leurs capacités et même une base de connaissances (des documents, des exemples de livrables…) pour qu’ils puissent les utiliser dans leurs réponses afin de ne pas avoir à répéter les mêmes instructions sans arrêt.
Les bonnes pratiques
Cette liste de méthodes de prompting n’est évidemment pas exhaustive, il peut y avoir bien d’autres façons de se faire comprendre par les outils d’IA. En plus de veiller à avoir des prompts complets qui décrivent vos attentes, pour obtenir de bons résultats pensez à adapter le type de consigne selon le contexte (prompt classique pour une demande basique, prompt par questionnement pour un besoin vague ou complexe qui nécessite d’être cadré et prompt inversé pour des besoins très détaillés et très inspirés d’un contenu existant…). Assurez-vous de mettre en concurrence plusieurs modèles d’IA pour une même demande afin de découvrir des programmes sous-estimés pour certaines tâches. Il existe des outils comme Compar:IA ou LMArena pour comparer les réponses de différents modèles et découvrir leurs capacités de façon objective. Enfin, ne vous arrêtez pas au premier résultat généré mais itérez, demandez des corrections, affinez votre consigne afin d’aboutir au résultat parfait. En appliquant cette méthodologie et ces bonnes pratiques, vous êtes alors prêts pour dessiner des moutons sans perdre votre temps.
Cet article à été rédigé à la main. La photo de couverture a été générée par l’IA de Canva puis modifiée via Gemini.
