Ce cours propose une exploration complète et pratique de l’ingénierie des prompts, compétence CORE pour travailler efficacement avec les grands modèles linguistiques (LLM). Il se concentre sur la manière dont les prompts peuvent être délibérément conçus, structurés, évalués et adaptés à grande échelle afin de guider le comportement des modèles, d’améliorer la qualité du raisonnement et de développer des applications fiables basées sur l’IA, sans modifier les poids des modèles.

À travers une progression allant des concepts fondamentaux aux stratégies avancées, en passant par des démonstrations concrètes, vous apprendrez à élaborer des prompts de haute qualité, à appliquer des modèles de prompts éprouvés tels que le « few-shot » et la « chaîne de pensée », à gérer le contexte et la mémoire, ainsi qu’à évaluer et affiner systématiquement les performances des prompts. Ce cours met l’accent sur des workflows pratiques utilisant des outils modernes tels que LangChain, des modèles de prompts, des cadres d’évaluation et des techniques d’automatisation. À l’issue de ce cours, vous serez capable de : - Expliquer les principes et les objectifs de l’ingénierie des prompts ainsi que son rôle dans le contrôle du comportement des LLM - Concevoir des structures de prompts efficaces à l’aide de techniques telles que les prompts « few-shot », le raisonnement en chaîne de pensée et les prompts basés sur les rôles - Gérer les contextes longs et la mémoire conversationnelle afin de créer des interactions cohérentes et à plusieurs tours avec les LLM - Évaluer, tester et affiner les prompts à l’aide de métriques qualitatives, de retours d’expérience automatisés et de méthodes de classement - Développer des systèmes de prompts réutilisables et évolutifs prenant en charge les entrées multimodales, les cas d’utilisation spécifiques à un domaine et les workflows de production Ce cours s’adresse aux développeurs logiciels, ingénieurs en apprentissage automatique, professionnels de l’IA, concepteurs de prompts et data scientists qui souhaitent aller au-delà des prompts ad hoc et développer des solutions systématiques, testables et réutilisables, pilotées par des prompts, pour les applications des grands modèles de langage (LLM). Une connaissance de base de Python, une familiarité avec les concepts des grands modèles de langage (LLM) et une expérience de l’interaction avec des modèles d’IA générative sont recommandées pour tirer le meilleur parti de ce cours. Rejoignez-nous pour maîtriser l’art et l’ingénierie des prompts — des instructions simples aux systèmes de prompts robustes et réutilisables qui alimentent des applications fiables et évolutives basées sur les grands modèles de langage (LLM).