Objectifs pédagogiques

• Comprendre les principes de fonctionnement des LLM et leur impact sur le prompting
• Maîtriser les techniques de prompting : zero-shot, few-shot, Chain-of-Thought
• Rédiger des system prompts efficaces et structurés
• Obtenir des sorties structurées (JSON, tableaux, formats spécifiques)
• Évaluer et itérer sur la qualité des prompts

Public concerné

• Développeurs
• Tech Leads
• Consultants
• Tout public

Prérequis

Aucun prérequis technique. Utilisation basique d'un outil d'IA générative (ChatGPT, Claude, etc.).

Programme

Jour 1 — Techniques et pratique du Prompt Engineering

• Fonctionnement des LLM : tokens, contexte, température, probabilités
• Zero-shot prompting : formulation claire, contraintes, exemples
• Few-shot prompting : sélection d'exemples, formatage, edge cases
• Chain-of-Thought (CoT) : raisonnement étape par étape, Tree-of-Thought
• System prompts : rôle, personnalité, contraintes, format de sortie
• Sorties structurées : JSON, XML, Markdown, tableaux
• Techniques avancées : self-consistency, meta-prompting, prompt chaining
• Atelier : concevoir un système de prompts pour un cas d'usage réel

Modalités d'évaluation

Exercices pratiques et atelier final évalué. Attestation délivrée.

Attestation

Une attestation de participation est délivrée à chaque participant ayant suivi l'intégralité de la formation. Certificat vérifiable via QR code.

Technologies

Plus d'informations