Zero-shot, few-shot et chaîne de raisonnement
Découvrez trois techniques fondamentales de prompting : poser directement une question, montrer des exemples ou demander au modèle de raisonner étape par étape avant de répondre.
Zero-shot, few-shot et chaîne de raisonnement est une leçon AI Agents gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage AI Agents, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours AI Agents comprend 4 leçons au total.
Trois techniques fondamentales
Voici trois techniques de formulation d'instructions que tout ingénieur spécialisé dans les agents doit connaître :
- Sans exemple — demandez directement, sans fournir d'exemple
- Avec quelques exemples — montrez 1 à 5 exemples du comportement souhaité
- Chaîne de raisonnement (CoT) — demandez au modèle de raisonner étape par étape avant de répondre
Exemple sans exemple
Le mode sans exemple est le mode par défaut : demandez simplement.
prompt = 'Translate to French: Hello, how are you?'
# Model output: 'Bonjour, comment allez-vous?'
model_output = 'Bonjour, comment allez-vous?'
print("Prompt:", prompt)
print("Model output:", model_output)
Quand le mode sans exemple échoue
Le mode sans exemple échoue lorsque :
- Le format de la tâche est inhabituel (JSON personnalisé, balises inhabituelles)
- Le domaine est très spécialisé (le jargon de votre entreprise)
- L'instruction est ambiguë
Dans ces cas, les exemples sont particulièrement utiles.
Exemple avec quelques exemples
Montrez au modèle ce que vous souhaitez obtenir avec 2 ou 3 exemples :
prompt = '''
Classify sentiment as POSITIVE, NEGATIVE, or NEUTRAL.
Text: I loved this movie!
Sentiment: POSITIVE
Text: The plot dragged on forever.
Sentiment: NEGATIVE
Text: It was okay, nothing special.
Sentiment: NEUTRAL
Text: The acting saved an otherwise weak script.
Sentiment:
'''
print(prompt.strip())
Combien d'exemples ?
En pratique :
- 1 ou 2 exemples suffisent généralement pour le format
- 3 à 5 exemples aident à rendre les nuances
- 10 exemples ou plus sont rarement utiles et consomment des jetons
La qualité des exemples compte davantage que leur quantité.
Couvrez les cas limites
Vos exemples doivent couvrir les cas limites qui peuvent dérouter le modèle. Incluez :
- Le cas courant
- Un cas délicat
- Un exemple de ce qu'il ne faut pas faire (NOT)
Chaîne de raisonnement (CoT)
Demandez au modèle de réfléchir avant de répondre. La phrase magique : "Réfléchissons étape par étape."
prompt = '''
Q: Roger has 5 tennis balls. He buys 2 cans, each with 3 balls. How many balls does he have?
A: Let\'s think step by step.
Roger starts with 5 balls.
2 cans * 3 balls = 6 new balls.
5 + 6 = 11.
The answer is 11.
'''
print(prompt.strip())
Pourquoi la CoT est utile
Pour les problèmes en plusieurs étapes, la CoT permet au modèle d'« utiliser » des jetons supplémentaires pour calculer les résultats intermédiaires. Sans CoT, le modèle doit calculer la réponse en une seule passe de propagation avant.
Cette technique est particulièrement efficace pour les mathématiques, la logique et le code.
La CoT dans les modèles modernes
Les modèles comme o1 et o3 effectuent la CoT en interne — ils « réfléchissent » avant de produire la réponse visible. Pour ces modèles, demander une CoT dans l'instruction est inutile et peut même nuire aux résultats.
Cohérence interne
Exécutez la CoT plusieurs fois avec une température > 0, puis retenez la réponse la plus fréquente. Ce vote majoritaire donne souvent de meilleurs résultats qu'un seul échantillon de CoT, notamment pour les problèmes mathématiques difficiles.
Combiner les techniques
Vous pouvez combiner les trois techniques. Une instruction typique pour un agent comprend :
- Une instruction système qui explique la tâche (sans exemple)
- 2 ou 3 exemples avec quelques exemples
- Une instruction demandant de réfléchir étape par étape
Choisissez la technique
Les sorties de votre agent contiennent des erreurs de calcul arithmétique. Quelle technique est la plus utile ?
Récapitulatif
Trois techniques essentielles : sans exemple, avec quelques exemples et CoT. Choisissez la technique en fonction de la tâche et combinez-les si nécessaire.
Questions Fréquemment Posées
La leçon « Zero-shot, few-shot et chaîne de raisonnement » est-elle gratuite ?
Oui — le texte complet de « Zero-shot, few-shot et chaîne de raisonnement » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours AI Agents, passe à CoddyKit PRO. Le cours AI Agents comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Zero-shot, few-shot et chaîne de raisonnement » ?
Découvrez trois techniques fondamentales de prompting : poser directement une question, montrer des exemples ou demander au modèle de raisonner étape par étape avant de répondre. Tu pratiques AI Agents avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer AI Agents ?
Aucune expérience préalable n'est requise. AI Agents sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Zero-shot, few-shot et chaîne de raisonnement » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon AI Agents ?
Oui. Chaque leçon AI Agents inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Zero-shot, few-shot et chaîne de raisonnement
- Rôles système, utilisateur et assistant
- Mise en forme des sorties (JSON, XML, Markdown)
- Éviter l’injection de prompt dans les entrées