Aller au contenu

2.4 — Règle n°3 — Faire réfléchir l'IA à voix haute (le « Chain-of-Thought »)

🟢 En clair — au lieu de demander seulement la réponse, vous demandez à l’IA de montrer son raisonnement d’abord. Comme un élève qui pose son calcul : écrire les étapes réduit les erreurs d’inattention.

Posez un problème de maths ou de logique et exigez la réponse directement : un modèle classique risque de se tromper. La solution s’appelle le Chain-of-Thought (CoT), ou « chaîne de pensée ».

On peut voir ces trois techniques comme une montée en sophistication : du prompt sans exemple (zero-shot) au prompt avec exemples (few-shot), puis au prompt qui demande un raisonnement déroulé (Chain-of-Thought).

Zero-shotOn demandesans exemple.Few-shotOn donnequelques exemples.Chain-of-ThoughtOn fait raisonnerétape par étape.
De gauche à droite : on guide de plus en plus le modèle.
  • Le déclencheur : ajoutez « Réfléchis étape par étape » (Let’s think step by step), ou demandez explicitement de détailler le raisonnement avant la conclusion.
  • Pourquoi ça marche : au lieu de cracher une réponse d’un bloc, l’IA pose son raisonnement. Comme à l’école : écrire le calcul sur le papier évite les erreurs d’inattention.

En résumé

  • Le Chain-of-Thought fait détailler le raisonnement avant la réponse.
  • Très utile sur les modèles classiques/rapides (calcul, logique).
  • Sur les modèles de raisonnement récents, c’est souvent redondant : visez plutôt un objectif et des critères clairs.
  • CoT (raisonnement) et Few-shot (format) se combinent sans problème.
Comment évaluez-vous cette leçon ?
📝 Ma note

Une formationBaxIA