Maieutic Prompting : Définition et Exemples

Technique de prompting inspirée de la maïeutique socratique, qui consiste à guider un modèle de langage à travers une série de questions et sous-questions pour l'amener à produire un raisonnement plus profond, cohérent et vérifié.

Définition complète

Le Maieutic Prompting est une méthode avancée de prompt engineering directement inspirée de la maïeutique de Socrate — l'art d'accoucher les esprits par le questionnement. Appliquée aux grands modèles de langage (LLM), cette technique consiste à demander au modèle de générer une réponse, puis de la décomposer en sous-affirmations qu'il doit lui-même justifier ou réfuter, créant ainsi un arbre de raisonnement auto-vérifié.

Concrètement, le Maieutic Prompting fonctionne en deux temps. D'abord, le modèle produit une explication ou une réponse initiale. Ensuite, on lui demande de questionner chaque élément de cette réponse : « Est-ce vrai ? Pourquoi ? Quelle serait l'explication alternative ? ». Le modèle génère ainsi un arbre de propositions avec leurs justifications et contre-arguments, ce qui permet d'identifier les incohérences logiques et de converger vers une réponse plus fiable.

Cette approche est particulièrement efficace pour les tâches de raisonnement complexe où le modèle peut initialement produire des réponses plausibles mais incorrectes. En forçant l'auto-examen, le Maieutic Prompting réduit significativement les hallucinations et les erreurs de raisonnement. Des travaux de recherche, notamment ceux de Jaehun Jung et al. (2022), ont montré que cette méthode améliore la précision des LLM sur des benchmarks de raisonnement par rapport aux approches standard.

Le Maieutic Prompting se distingue des autres techniques comme le Chain-of-Thought en ce qu'il ne se contente pas de demander au modèle de « réfléchir étape par étape », mais l'oblige activement à confronter ses propres affirmations, à explorer des hypothèses contradictoires et à construire une cohérence logique vérifiable.

Étymologie

Le terme « maïeutique » vient du grec ancien μαιευτική (maieutikê), signifiant « l'art d'accoucher ». Socrate, dont la mère était sage-femme, utilisait cette métaphore pour décrire sa méthode philosophique : il n'enseignait pas directement, mais aidait ses interlocuteurs à « accoucher » de la vérité par un questionnement progressif. Le Maieutic Prompting transpose cette méthode millénaire aux interactions avec les intelligences artificielles.

Exemples concrets

Vérification d'une affirmation factuelle

Affirme si la phrase suivante est vraie ou fausse : 'La Grande Muraille de Chine est visible depuis l'espace à l'œil nu.' Donne ton explication. Maintenant, génère une explication qui soutient le contraire. Évalue la cohérence des deux explications et déduis la réponse la plus fiable.

Résolution d'un problème de logique

Résous ce problème : 'Tous les chats sont des animaux. Certains animaux sont noirs. Donc certains chats sont noirs.' Donne ta réponse, puis questionne chaque étape de ton raisonnement. L'une de tes étapes contient-elle un sophisme ? Corrige si nécessaire.

Analyse critique d'un argument complexe

Analyse l'argument suivant : 'L'IA va remplacer tous les emplois créatifs d'ici 10 ans.' Génère trois sous-affirmations qui soutiennent cet argument et trois qui le contredisent. Pour chaque sous-affirmation, évalue sa solidité sur 10. Conclus en synthétisant ta position la plus cohérente.

Usage pratique

Pour appliquer le Maieutic Prompting, demandez au modèle de répondre à votre question, puis ajoutez des instructions explicites pour qu'il questionne et vérifie chaque partie de sa propre réponse. Encouragez-le à explorer des hypothèses alternatives et à évaluer la cohérence logique entre ses différentes affirmations. Cette technique est particulièrement utile pour les questions factuelles ambiguës, les problèmes de raisonnement et les analyses où la fiabilité de la réponse est critique.

Concepts liés

Chain-of-Thought PromptingSelf-ConsistencyTree of ThoughtsSocratic Questioning

FAQ

Quelle est la différence entre le Maieutic Prompting et le Chain-of-Thought ?

Le Chain-of-Thought demande au modèle de détailler son raisonnement étape par étape de manière linéaire. Le Maieutic Prompting va plus loin : il exige que le modèle questionne activement ses propres affirmations, génère des contre-arguments et construise un arbre de vérification. C'est une approche d'auto-critique plutôt que de simple décomposition.

Le Maieutic Prompting fonctionne-t-il avec tous les modèles de langage ?

Cette technique est plus efficace avec les modèles de grande taille (GPT-4, Claude, etc.) qui possèdent des capacités de raisonnement et de méta-cognition suffisantes. Les modèles plus petits peuvent avoir du mal à produire des auto-évaluations pertinentes et risquent de générer des justifications superficielles plutôt qu'une véritable analyse critique.

Quand utiliser le Maieutic Prompting plutôt qu'une autre technique ?

Privilégiez le Maieutic Prompting lorsque la fiabilité de la réponse est essentielle et que le risque d'hallucination est élevé : vérification de faits, raisonnement logique complexe, prise de décision avec des arguments contradictoires. Pour des tâches créatives ou de génération simple, des techniques comme le Few-Shot ou le Role Prompting seront plus adaptées et moins coûteuses en tokens.

Voir aussi

Chain-of-Thought Tree of Thoughts Self-Consistency Few-Shot Prompting Raisonnement Hallucination

Recevez de nouveaux prompts chaque semaine

Rejoignez notre newsletter.