Few-Shot Prompting : Définition et Exemples
Le few-shot prompting fournit quelques exemples (2-5) dans votre prompt pour montrer à l'IA le format, le ton ou le type de réponse attendu, sans fine-tuning.
Définition complète
Le few-shot est l'une des techniques les plus puissantes du prompt engineering. Au lieu de décrire ce que vous voulez, vous montrez le résultat attendu à travers des exemples concrets.
Le principe : incluez 2-5 paires entrée/sortie avant votre requête réelle. Le modèle détecte le pattern et l'applique.
Le few-shot se distingue du zero-shot (aucun exemple) et du one-shot (un seul). Au-delà de 5 exemples, les gains sont souvent marginaux.
La qualité des exemples est cruciale : représentatifs, cohérents, sans erreurs. Un mauvais exemple enseigne de mauvaises habitudes.
Étymologie
Vient du machine learning (few-shot learning). Popularisé par le papier GPT-3 (2020) démontrant l'apprentissage in-context.
Exemples concrets
Classification de sentiment avec 3 exemples
Classifie le sentiment : Avis : "Livraison rapide" Sentiment : Positif Avis : "Colis abîmé" Sentiment : Négatif Avis : "Le SAV était incroyable" Sentiment :
Extraction de données structurées
Extrais les infos :
Texte : "Marie Dupont - Dir. Marketing - Acme SAS"
JSON : {"nom":"Marie Dupont","poste":"Dir. Marketing"}
Texte : "Jean Martin, CTO @ StartupXYZ"
JSON :Reformulation technique en langage simple
Usage pratique
Utilisez le few-shot quand une instruction simple ne suffit pas. Choisissez 2-3 exemples variés. Placez-les juste avant votre requête.
Concepts liés
FAQ
Combien d'exemples en few-shot ?
Few-shot ou fine-tuning ?
L'ordre des exemples compte ?
Voir aussi
Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter.