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).
- 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.
📝 Ma note
Une formationBaxIA