Formateur prompt engineering pour développeurs
Je vous apprends à écrire des prompts qui donnent le même bon résultat d'un appel à l'autre, puis à les intégrer dans du code.
Mon approche
Un prompt qui marche une fois dans une fenêtre de chat ne suffit pas dans une application. Il faut qu'il tienne sur des centaines d'appels, avec des entrées variées et un format de sortie que le code peut lire. C'est ce passage du bricolage à la méthode que je travaille avec vous.
J'ai écrit le livre LLM Prompt Engineering For Developers. La formation en reprend la démarche : chaque technique est montrée dans un script Python que vous modifiez et relancez, avec l'API OpenAI comme terrain principal.
Ce que je couvre
Ce que le modèle fait de votre texte
- L'histoire d'OpenAI et de ChatGPT en quelques dates
- Faire générer du texte à GPT-2 en local pour voir le mécanisme
- Choisir parmi les modèles OpenAI selon la tâche et le prix
- Installer l'environnement Python et tester sa clé d'API
Anatomie d'un prompt
- Rôle ou persona, instructions, données d'entrée et contexte
- Règles, format de sortie et exemples
- Séparateurs pour isoler les données des consignes
- Bonnes pratiques de rédaction et erreurs fréquentes
Les techniques de prompting
- Zero-shot et few-shot learning
- General Knowledge Prompting : générer des connaissances puis s'en servir
- Context stuffing pour lever une ambiguïté
- Chaîne de pensée, auto-consistance et arbre de pensée
- ReAct : alterner raisonnement et action
Piloter l'API Chat Completions
- Rôles système, utilisateur et assistant
- Limiter les tokens de sortie et fixer les séquences d'arrêt
- Temperature ou top_p : lequel régler et pourquoi
- Pénalités de fréquence et de présence contre les répétitions
- Streaming de la réponse et sortie formatée
Embeddings et recherche sémantique
- Ce qu'est un embedding et à quoi il sert
- Embeddings pour plusieurs entrées
- Similarité cosinus expliquée pas à pas
- Construire une recherche par le sens plutôt que par mots-clés
Mesurer, chaîner et déployer ses prompts
- La perplexité comme indicateur pour comparer deux prompts
- Chaîner des prompts : la sortie de l'un nourrit le suivant
- Azure Prompt Flow : créer un flux et le déployer pour l'inférence en temps réel
- Ce qu'il faut vérifier avant d'adopter Prompt Flow
Plateformes sans code : Dify et Flowise
- Installer Dify et créer une application IA sans code
- Flowise : un système de questions-réponses conversationnel sur des documents
- Une équipe d'agents qui écrit et améliore des prompts
- Agents réflexifs de type AutoGPT
Où le prompt engineering sert déjà
- Contenu, SEO, marketing et publicité
- Service client et classement des intentions
- Analyse de données, rapports et business intelligence
- Jeux, santé, génération d'images et récits interactifs
Exemples de travaux pratiques
- Coder un assistant interactif en ligne de commande qui garde le fil de la conversation
- Écrire un générateur de fiches sur une cryptomonnaie guidé par des exemples few-shot
- Chaîner deux prompts : produire d'abord des connaissances, puis les utiliser pour écrire un texte
- Calculer la similarité cosinus entre des embeddings et classer des phrases par proximité de sens
- Créer un premier flux Azure Prompt Flow et l'exposer en point de terminaison temps réel
- Construire un SQLBot dans Flowise qui répond en interrogeant une base de données
Pour qui
Développeurs, data scientists et ingénieurs qui appellent un LLM depuis leur code et veulent des réponses stables, mesurables et au bon format. La formation sert aussi aux product owners techniques qui rédigent les consignes d'un assistant et doivent dialoguer avec l'équipe qui l'intègre.
Prérequis
- Lire et modifier un script Python simple
- Python 3, pip et un environnement virtuel sur le poste
- Une clé d'API OpenAI, ou un accès Azure OpenAI pour la partie Prompt Flow
- Docker pour installer Dify et Flowise en local
Formats
- Intra-entreprise, en présentiel ou en classe virtuelle
- Chaque notion suivie d'un script à modifier et à relancer
- Version courte sans la partie sans code, ou version complète avec Dify et Flowise
Entreprises et organisations formées
Microsoft · Intel · Société Générale · Michelin · Ministère des Armées · Ministère de l'Éducation nationale · Ministère de l'Intérieur · Orange · EDF · Iliad / Free · Assurance Maladie · Ville de Strasbourg · Groupe Hospitalier du Havre · General Electric · Synechron · Sagemcom · Cryostar · Mediagenix · Config · Echosens · Coyote System · Viadialog · RS2i · Amphenol Socapex · 4JS · NTI · GPSEA · CentralPay · Lazeo · Kabia · Vademi · UOC
Mes livres sur le sujet
Questions fréquentes
Les techniques apprises sur GPT fonctionnent-elles avec Claude ou Mistral ?
Oui pour l'essentiel. Few-shot, chaîne de pensée, séparateurs et format de sortie se transposent d'un modèle à l'autre. Les noms de paramètres et les rôles changent un peu selon l'API, et je montre où.
Comment savoir si un nouveau prompt est meilleur que l'ancien ?
On ne juge pas sur un seul essai. Je montre comment lancer plusieurs appels, comparer les sorties et utiliser des indicateurs comme la perplexité pour décider.
Une personne qui ne code pas peut-elle suivre ce programme ?
Ce programme est pensé pour des profils qui codent. Pour des équipes non techniques, je propose un parcours centré sur l'usage de ChatGPT au travail.
Formations proches
Organiser une formation
Décrivez votre équipe, son niveau et vos objectifs. Je vous réponds avec un programme adapté.
Me contacter