Le prompting few-shot : montrer avec des exemples plutôt que seulement décrire

Quelques bons exemples dans le prompt montrent souvent au modèle plus que la description la plus précise qui soit.

Montrer plutôt que seulement décrire

Un prompt zero-shot donne au modèle uniquement une tâche, sans exemple : « Résume ce texte. » Un prompt few-shot (aussi appelé multishot) montre en plus deux ou trois exemples déjà réalisés, illustrant à quoi la réponse doit ressembler – format, ton, structure. Le modèle reconnaît le schéma dans les exemples et l'applique à ta tâche proprement dite.

Pourquoi ça fonctionne souvent mieux

Des descriptions comme « réponds de façon brève et factuelle » laissent une grande marge d'interprétation. Un exemple montre exactement ce que « bref » et « factuel » signifient concrètement – pas besoin de traduire des mots en comportement. Justement pour les formats fixes (tableaux, JSON, un ton particulier), deux ou trois exemples remplacent souvent plusieurs phrases de description.

Quand le zero-shot suffit

Pour des tâches simples et généralement connues (traduction évidente, calcul simple), le few-shot apporte peu de bénéfice supplémentaire et ne fait que coûter plus de tokens. Le few-shot vaut surtout la peine pour des formats particuliers, un style inhabituel, ou des tâches où plusieurs interprétations seraient possibles.

La qualité prime sur la quantité

Deux exemples soigneusement choisis et réalistes sont plus fiables que dix exemples au hasard. L'important est que les exemples reflètent ton cas d'usage réel et couvrent des cas limites – sinon le modèle reprend des motifs secondaires non voulus, qui étaient identiques par hasard dans tous les exemples.

EXEMPLE

Zero-shot : « Classe le sentiment de cet avis. » Few-shot : « Exemple 1 : 'Super service, livré en un jour !' → positif Exemple 2 : 'Cassé après une semaine, très déçu.' → négatif Classe maintenant : 'Ça fonctionne, mais le mode d'emploi était confus.' → ? » (Le modèle reconnaît à partir des deux exemples aussi bien le format que le degré de nuance, et répond de façon cohérente, par ex. avec 'neutre'.)

🛠️ EXERCICE — À TOI DE JOUER

Transforme un prompt zero-shot en prompt few-shot et compare les réponses.

Écris un prompt zero-shot pour une tâche avec un format fixe, par ex. 'Résume cet avis client en une ligne avec le sentiment (positif/neutre/négatif).'
Laisse le modèle résoudre la tâche sans exemple et note le résultat.
Complète ce même prompt avec deux paires d'exemples concrets (avis → résumé souhaité) et pose de nouveau la même tâche.
Compare les deux réponses : format, cohérence, longueur.

✅ AUTO-VÉRIFICATION

☐ La réponse few-shot est-elle plus proche du format souhaité que la réponse zero-shot ?
☐ Tes deux exemples couvraient-ils volontairement des cas différents, ou étaient-ils trop similaires ?
☐ Que se passerait-il si les deux exemples avaient eu par hasard le même sentiment ?

QUIZ RAPIDE

Qu'est-ce qui distingue un prompt few-shot d'un prompt zero-shot ?