Prompt engineering : comment optimiser vos processus achats grâce à l’IA ?

Le développement rapide des intelligences artificielles génératives ouvre des perspectives passionnantes pour les entreprises. Toutefois, ces grands modèles de langage (Large Language Models) requièrent un certain savoir-faire pour en exploiter tout le potentiel : le prompt engineering. Autrement dit, c’est l’art de rédiger des requêtes efficaces. C’est ainsi que l’IA peut comprendre nos intentions, suivre nos instructions et fournir les résultats attendus. Aujourd’hui, le prompt engineering intègre la liste des nouvelles compétences clés à maîtriser.

Qu’est-ce que le prompt engineering ?

Le prompt engineering, aussi appelé ingénierie de requête, consiste à concevoir et optimiser des prompts pour guider les modèles d’intelligence artificielle vers les meilleurs résultats possibles. Ces prompts sont des instructions détaillées qui sont fournies aux modèles de traitement du langage naturel (Natural Language Processing, ou NLP) pour qu’ils accomplissent une tâche précise ou génèrent une réponse spécifique.

L’idée est de donner des indications claires, précises et exhaustives pour cadrer les résultats. Toutefois, il ne faut pas non plus les surcharger d’instructions qui limitent leur créativité. Le prompt engineering est donc un savant équilibre entre pilotage et autonomie. En effet, un prompt efficace influe directement sur la qualité et la pertinence du résultat.

En somme, le prompt engineering demande de la curiosité, de l’adaptabilité et une certaine maîtrise des technologies. Autant de compétences qui garantissent des interactions homme-machine à la fois précises, pertinentes et sûres. Dans certains pays, cela est même déjà devenu un nouveau métier : le prompt engineer.

Les techniques de prompt engineering

Il existe différentes techniques pour rédiger ses requêtes à l’attention de l’IA générative, telle que ChatGPT. Chacune dispose d’une approche et fonction qui lui est propre.

Les requêtes directes

Les requêtes directes (zero-shot) se basent sur de simples demandes, étayées d’éléments de contexte. Cela peut être formulé à travers une question ou l’attribution d’un rôle. Dans ce cas, le modèle d’IA n’a pas été explicitement entraîné à réaliser cette tâche.

Les requêtes one, few et multi-shots

Les requêtes one-shot s’appuient sur un exemple clair et descriptif de ce qu’on souhaite obtenir comme résultat. Les requêtes few-shot et multi-shot comprennent encore davantage d’exemples. Cette technique est adaptée aux tâches plus complexes ou lorsqu’on souhaite obtenir une réponse selon une structure spécifique et difficile à décrire.

Les requêtes en chaîne de pensée (CoT)

Les requêtes en chaîne de pensée encouragent le modèle à expliquer son raisonnement. Autrement dit, à décomposer sa tâche étape par étape. On peut les combiner à des requêtes few-shots pour améliorer les résultats lorsqu’il s’agit de tâches complexes qui nécessitent une réflexion avant la réponse.

3 étapes pour un prompt engineering efficace

Pour tirer le meilleur parti de l’IA générative, il faut savoir discuter avec elle à travers les prompts. Il faut retenir que plus le prompt est complet, plus la réponse de l’IA sera précise et pertinente. Voici quelques bonnes pratiques à retenir pour rédiger des prompts efficaces.

Être clair et précis

Il convient d’utiliser un langage clair et simple, en donnant tous les détails nécessaires. Cela inclut, par exemple :

• Le rôle que l’IA doit adopter ;
• La tâche spécifique à réaliser ;
• La technique et/ou la source à exploiter ;
• L’objectif final, les éléments de contexte ;
• Le format de réponse ;
• La cible ;
• Les contraintes…

Pour aller encore plus loin, on peut demander à l’IA de poser des questions complémentaires avant de fournir toute réponse, pour s’assurer que l’outil ait parfaitement compris la requête.

Itérer et expérimenter

Il ne faut pas hésiter à ajuster sa requête autant de fois que nécessaire, si l’on n’est pas satisfait des premiers résultats. Il faut persévérer en essayant plusieurs formulations, en ajustant le niveau de détail, en testant différentes longueurs de requêtes…

Il est également nécessaire d’intégrer l’apprentissage continu. En effet, les capacités des outils d’IA évoluent, tout comme les besoins des utilisateurs. Cela implique de mettre à jour ses prompts régulièrement.

Connaître les limites de l’outil

Il est impératif de toujours examiner les réponses apportées par l’IA. En effet, celles-ci peuvent être erronées, obsolètes ou biaisées. Il est également important de demander au modèle de préciser ses sources ou bien de les vérifier par ses propres moyens. Enfin, un point capital porte sur la protection des données. C’est pourquoi il convient de ne partager aucune information personnelle ou critique dans les prompts, quitte à anonymiser certains éléments clés, selon le type d’outils. Et comme le souligne Ralph De Groot, fondateur de Procurement Tactics : « L’IA peut être très puissante dans le domaine des achats, mais il faut s’assurer de l’utiliser à bon escient[CB1] . »

Le prompt engineering appliqué aux achats

Grâce à l’IA générative, les professionnels des achats peuvent considérablement faciliter leurs opérations. C’est la promesse de meilleures analyses et prises de décision, mais aussi de gains de productivité et d’optimisation des coûts.

D’après la dernière enquête menée par Deloitte, 92 % des directeurs achats se sont attachés à planifier et évaluer les capacités de l’IA générative l’année dernière. Toutefois, ils n’étaient que 37 % à tester ou déployer concrètement ces outils. Parmi eux, environ 50 % ont constaté un retour sur investissement (ROI) multiplié par deux par rapport aux méthodes traditionnelles et certaines mises en œuvre avancées ont vu leur ROI multiplié par plus de cinq.

Aujourd’hui, les cas d’usage couvrent l’ensemble du processus Source-to-Pay, allant de la recherche de fournisseurs jusqu’à la gestion des contrats.

La recherche de fournisseurs

L’intelligence artificielle générative facilite la collecte et l’analyse des données externes, ce qui permet d’identifier de nouveaux fournisseurs. Les équipes achats peuvent aussi s’en servir pour évaluer et comparer les offres de différents fournisseurs sur la base de scénarios sélectionnés.

Les RFI, RFP et RFQ

Avec l’IA générative, les acheteurs peuvent automatiser la génération des demandes d’information, de proposition et de devis (RFI, RFP et RFQ). Il est également possible de détecter les risques et les erreurs dans ces documents, au service d’une meilleure conformité.

La gestion des contrats

À l’aide de ces outils, les services achats sont en mesure de rédiger des contrats conformes, d’analyser des contrats existants pour détecter des risques éventuels, de suivre les délais, de gérer les renouvellements contractuels…

Les possibilités d’application ne s’arrêtent pas là. Cela concerne également tous les travaux d’analyse, que cela touche les marchés, les budgets achats ou encore les performances et les risques des fournisseurs… Cela vient ainsi faciliter la gestion de la relation fournisseurs ainsi que la gestion des risques. Enfin, l’IA vient en support dans la préparation des demandes d’achats, des négociations… Autrement dit, le champ d’application est extrêmement large.

Pour bien utiliser le prompt engineering, il est essentiel que les équipes s’approprient ses techniques. Cela implique, dans un premier temps, que l’entreprise ait mis en place une politique relative à l’intelligence artificielle. Cela permet d’offrir un cadre d’usage sûr pour que chacun puisse se former, expérimenter et affiner ses connaissances. Pour démarrer, on peut s’appuyer sur les bibliothèques de prompts mises à disposition par certains acteurs ou même demander de l’aide aux modèles d’IA pour rédiger le prompt le plus adapté.

Le prompt engineering ouvre donc la voie à des résultats toujours plus précis, pertinents et exploitables. Pour cela, les équipes doivent mieux comprendre les capacités de ces outils, et maîtriser la conception de prompts de qualité. Dès lors, cela représente un formidable levier pour améliorer l’efficacité et la prise de décision stratégique au sein des entreprises.