Few-Shot Learning : Apprendre a l'IA par l'Exemple

Le concept

Le few-shot learning consiste a donner quelques exemples a l'IA avant de lui poser votre vraie question. Ces exemples lui permettent de comprendre exactement ce que vous attendez.

Zero-shot vs One-shot vs Few-shot

Zero-shot (pas d'exemple)

Traduis en anglais formel :
"Salut, ca va ?"

One-shot (1 exemple)

Traduis en anglais formel :
Exemple :
"Salut !" → "Good day."
A traduire :
"Salut, ca va ?"

Few-shot (plusieurs exemples)

Traduis en anglais formel :
Exemples :
"Salut !" → "Good day."
"Comment tu vas ?" → "How are you doing today?"
"A plus !" → "I look forward to speaking with you soon."
A traduire :
"Salut, ca va ?"

Quand utiliser le few-shot ?

Ideal pour :

Moins utile pour :

Construire de bons exemples

Regle 1 : Exemples representatifs

Choisissez des exemples qui couvrent les differents cas.

Classification de sentiment :
"Ce produit est genial, je recommande !" → Positif
"Vraiment decevant, ne correspond pas a la description" → Negatif
"Correct, sans plus" → Neutre
"Livraison rapide mais produit abime" → Mixte
A classifier :
"[Votre texte]"

Regle 2 : Format coherent

Gardez le meme format pour tous les exemples.

Mauvais :

"texte1" → resultat1
texte2 : resultat2
[texte3] = resultat3
Bon :
"texte1" → resultat1
"texte2" → resultat2
"texte3" → resultat3

Regle 3 : Exemples de qualite

Vos exemples doivent etre corrects et precis.

Cas pratiques

1. Extraction d'informations

Extrait les informations de contact de ces textes :
Exemple 1 :
"Contactez Jean Dupont au 01.23.45.67.89 ou jean.dupont@email.fr"
→ Nom: Jean Dupont, Tel: 01.23.45.67.89, Email: jean.dupont@email.fr
Exemple 2 :
"Pour toute question : Marie (06 12 34 56 78)"
→ Nom: Marie, Tel: 06 12 34 56 78, Email: N/A
A extraire :
"Veuillez contacter Sophie Martin par mail : s.martin@entreprise.com"

2. Reformulation de style

Reformule ces phrases en style professionnel :
Exemples :
"Je suis interesse par le job" → "Je souhaite vous faire part de mon vif interet pour ce poste"
"J'ai plein d'experience" → "Je dispose d'une solide experience professionnelle"
"J'aimerais bosser avec vous" → "Je serais honore de collaborer avec votre equipe"
A reformuler :
"J'ai vraiment envie de rejoindre votre boite"

3. Generation de donnees

Genere des descriptions de produits dans ce style :
Exemples :
Produit: Casque audio sans fil
Description: "Plongez dans un monde de son pur avec notre casque premium. Reduction de bruit active, 30h d'autonomie, confort supreme. Votre musique comme jamais."
Produit: Montre connectee
Description: "Plus qu'une montre, votre coach personnel. Suivi sante, notifications, design elegant. Restez connecte avec style."
A generer :
Produit: Sac a dos pour laptop

4. Code transformation

Convertis ces fonctions JavaScript en Python :
Exemple 1:
JS: function add(a, b) { return a + b; }
Python: def add(a, b): return a + b
Exemple 2:
JS: const greet = (name) => Hello, ${name}!;
Python: greet = lambda name: f"Hello, {name}!"
A convertir :
JS: function multiply(x, y) { return x * y; }

Optimiser vos exemples

Nombre optimal

Ordre des exemples

L'ordre peut influencer le resultat. Testez differents ordres.

Diversite

Incluez des cas limites ou atypiques pour plus de robustesse.

Conclusion

Le few-shot learning est l'une des techniques les plus efficaces en prompting. Prenez le temps de creer de bons exemples : c'est un investissement qui paie !