Negative Prompting : Définition et Exemples

Le negative prompting est une méthode de prompt engineering qui repose sur la spécification d'éléments à éviter dans la sortie d'un modèle d'intelligence artificielle. Plutôt que de se limiter à décrire ce que l'on souhaite obtenir (prompt positif), on ajoute des instructions négatives pour guider le modèle en lui indiquant ce qu'il doit exclure. Cette approche est particulièrement répandue dans la génération d'images, mais s'applique également aux modèles de langage.

Dans le domaine de la génération d'images (Stable Diffusion, Midjourney, DALL-E), le negative prompting permet d'éliminer des artefacts visuels courants comme les mains déformées, les visages flous, les arrière-plans incohérents ou les styles artistiques non désirés. Le modèle attribue alors une pondération négative à ces concepts lors du processus de génération, réduisant leur probabilité d'apparition dans le résultat final.

Pour les modèles de langage (LLM), le negative prompting prend la forme d'instructions explicites telles que « ne pas inclure de jargon technique », « éviter les listes à puces » ou « ne pas inventer d'informations ». Ces contraintes négatives permettent de cadrer la réponse et d'éviter des comportements par défaut du modèle qui ne correspondent pas aux attentes de l'utilisateur.

L'efficacité du negative prompting repose sur un principe fondamental : il est souvent plus facile de décrire ce que l'on veut éviter que de spécifier exhaustivement ce que l'on souhaite. En combinant prompts positifs et négatifs, on obtient un contrôle beaucoup plus fin sur la sortie du modèle, ce qui en fait une technique incontournable pour tout praticien du prompt engineering.