Prompt Engineering — Chain of Thought et techniques avancées

Section 11.4.5 : Prompt Engineering — Chain of Thought et techniques avancées

🎯 Objectif pédagogique

Maîtriser les techniques avancées de prompt engineering : Chain of Thought (CoT), Self-Consistency, Tree of Thoughts, et prompt chaining. Vous serez capable d'obtenir des raisonnements complexes et fiables des LLMs.

Quand le LLM doit réfléchir

Le few-shot guide le format de réponse. Mais pour des tâches de raisonnement (analyse complexe, calculs, comparaisons multi-critères), il faut forcer le LLM à "penser étape par étape".

Chain of Thought (CoT) — "Réfléchis avant de répondre"

❌ Sans CoT :
"Marc devrait-il postuler chez TechCorp ?
 Poste: Data Analyst, 48k, Paris, Python/SQL/Tableau requis."
→ Réponse courte et superficielle

✅ Avec CoT :
"Marc devrait-il postuler chez TechCorp ?
 
 Poste: Data Analyst, 48k, Paris, Python/SQL/Tableau requis.
 
 Profil Marc: Ex-finance (8 ans), reconversion data,
 compétences: Python (3 mois), SQL (intermédiaire), 
 pas de Tableau, Excel expert. Prétention: 45-55k.
 
 Réfléchis étape par étape :
 1. Analyse chaque compétence requise vs profil de Marc
 2. Évalue les points forts et les gaps
 3. Calcule un score de compatibilité
 4. Considère le salaire vs les prétentions
 5. Donne un verdict argumenté"

→ Réponse détaillée et structurée avec raisonnement visible

CoT automatique — Zero-shot CoT

La technique la plus simple et la plus puissante :

Ajoutez simplement à la fin de votre prompt :

"Réfléchis étape par étape." (français)
"Let's think step by step." (anglais)

C'est suffisant pour améliorer drastiquement les réponses
sur des tâches de raisonnement.

Self-Consistency — Voter entre plusieurs réponses

Principe : Générer N réponses et prendre la MAJORITÉ.

Prompt (exécuté 5 fois avec temperature=0.7) :
"Marc a reçu 3 offres. Laquelle choisir ?
 - Google: 55k, hybride, grande équipe, mission IA
 - Startup: 48k, full remote, equity, projet innovant
 - ESN: 42k, formation payée, missions variées
 Réfléchis étape par étape."

Résultats des 5 exécutions :
1. Google ✅
2. Startup
3. Google ✅
4. Google ✅
5. Startup

→ Verdict majoritaire : Google (3/5)
→ Plus fiable qu'une seule exécution

Prompt Chaining — Décomposer en étapes

Au lieu d'un GROS prompt qui fait tout :

Chaîne de prompts spécialisés :

Prompt 1 : "Extrais les compétences clés de cette offre en JSON"
     ↓ output devient input du prompt 2
Prompt 2 : "Compare ces compétences avec le profil de Marc"
     ↓ output devient input du prompt 3
Prompt 3 : "Score la compatibilité et identifie les gaps"
     ↓ output devient input du prompt 4
Prompt 4 : "Génère un plan d'action de 2 semaines pour combler les gaps"

Avantages :
- Chaque prompt est simple et focalisé
- Plus facile à débugger (quel maillon échoue ?)
- Chaque étape peut utiliser un modèle différent :
  Étape 1-2 : gpt-4o-mini (extraction simple)
  Étape 3-4 : gpt-4o (raisonnement complexe)

Techniques avancées supplémentaires

Prompt avec rôle d'expert

"Tu es un recruteur tech senior avec 15 ans d'expérience.
 Tu as recruté 500+ candidats en reconversion.
 Tu connais les biais des recruteurs et tu sais ce qui les convainc VRAIMENT."

→ Le LLM active les patterns "expert en recrutement"
   Réponses plus nuancées et pratiques

Prompt de validation croisée

"Après ta réponse :
 1. Identifie 3 faiblesses dans ton propre raisonnement
 2. Contre-argumente chaque faiblesse
 3. Donne ta réponse finale ajustée"

→ Force le LLM à s'auto-critiquer
→ Réduit les réponses trop confiantes

Prompt de persona multiple

"Évalue la candidature de Marc selon 3 perspectives :

👔 Perspective RH : culture fit, soft skills, potentiel
💻 Perspective Tech Lead : compétences techniques, capacité d'apprentissage
📊 Perspective Business : ROI de l'embauche, ramp-up time, contribution

Résumé final : synthèse des 3 perspectives."

🏋️ Exercice pratique (25 minutes)

1. →Prenez une décision complexe (ex : choisir entre 3 offres d'emploi)
2. →Testez avec un prompt simple → notez la qualité
3. →Ajoutez Chain of Thought → comparez
4. →Essayez le prompt de validation croisée → amélioré ?
5. →Combinez : CoT + few-shot + format structuré → meilleur résultat ?