Estructuras de prompts que sí funcionan

Valeur des informations & solidité de l’argumentation

La vidéo offre une valeur pédagogique certaine en présentant des techniques de prompt engineering de manière structurée et progressive. L’argumentation s’appuie sur des références à des acteurs reconnus (Google, IBM, Andrew Ng), ce qui renforce la crédibilité. Les explications sont claires et illustrées par des exemples concrets, ce qui facilite la compréhension. La démonstration de l’impact d’un prompt bien structuré est convaincante. Cependant, l’argumentation repose principalement sur des affirmations d’autorité (Google, IBM) sans fournir de preuves empiriques détaillées. La partie pratique en classe montre une application réelle, mais les retours des étudiants sont limités et ne sont pas analysés en profondeur.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : les techniques présentées sont bien connues et documentées, mais la vidéo ne cite pas de sources précises dans la description. Les références à Google, IBM et Andrew Ng sont générales et ne renvoient pas à des documents spécifiques. Le titre est adéquat et reflète bien le contenu. La vidéo est un cours magistral, ce qui implique une certaine vulgarisation, mais les concepts sont traités avec sérieux. L’adéquation titre/contenu est bonne, sans écart majeur.

Le titre correspond bien au contenu : la vidéo présente effectivement des structures de prompts efficaces, avec des exemples concrets et des techniques avancées.

7/10

Le contenu s'appuie sur des principes reconnus par des acteurs majeurs (Google, IBM, Andrew Ng) et présente des techniques éprouvées (chain-of-thought, few-shot, etc.). Cependant, la vidéo est un cours magistral avec une partie pratique en classe, et les sources ne sont pas directement citées dans la description, ce qui limite la vérifiabilité immédiate.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction du cours par le professeur Héctor Lozano et présentation du sujet.
• 02:00Début de l'explication par Ian : qu'est-ce qu'une structure de prompt et pourquoi est-elle importante.
• 10:00Présentation du principe de clarté, contexte, précision et rôle (IBM) et de l'importance de la spécificité.
• 20:00Explication du few-shot prompting (montrer des exemples) et de son efficacité.
• 30:00Introduction à la chaîne de pensée (chain-of-thought) et à la version avancée avec exemples (few-shot chain-of-thought).
• 40:00Présentation de l'arbre de pensées (tree-of-thought) pour les décisions complexes.
• 50:00Discussion sur l'itération et le métaprompting : comment améliorer un prompt et demander à l'IA de générer le prompt.
• 1:00:00Exemple concret de construction d'un prompt pour un photographe freelance, avec toutes les techniques combinées.
• 1:10:00Présentation d'un système d'assistant utilisant un fichier JSON avec des exemples pour améliorer les réponses.
• 1:20:00Début de l'activité pratique en groupes : les étudiants comparent des prompts simples et structurés.
• 1:30:00Restitution des travaux des équipes et discussion sur les améliorations possibles.

• Google - Prompting guide — Référence aux principes de Google sur la clarté et la simplicité des prompts.
• IBM - Prompt engineering — Référence aux quatre dimensions de IBM : clarté, contexte, précision, rôle.
• Andrew Ng - DeepLearning.AI — Référence aux recommandations d'Andrew Ng sur les instructions claires et spécifiques.

• OpenAI Prompt Engineering Guide — Les recommandations d'OpenAI sur la clarté et la spécificité concordent avec les principes présentés.
• Anthropic Prompt Engineering Guide — Anthropic recommande également des instructions claires et des exemples, en accord avec la vidéo.

• Aucune source discordante identifiée — Les techniques présentées sont largement acceptées dans la communauté, aucune contradiction majeure n'a été trouvée.