Few-Shot Prompting
(Apprentissage par démonstration d’exemples multiples)
Définition
Le Few-Shot Prompting est une technique qui consiste à fournir plusieurs exemples représentatifs avant de formuler la demande principale. Ces exemples servent de modèle pour montrer à l’IA la structure, le ton, la logique ou le format attendus dans la réponse. En observant ces cas de référence, l’IA apprend par analogie et ajuste sa production en conséquence. Cette méthode améliore la cohérence, réduit les erreurs d’interprétation et permet d’obtenir des résultats plus homogènes, surtout pour des tâches de classification, d’analyse ou de rédaction normée.
Contexte d’utilisation
Le Few-Shot Prompting est particulièrement utile lorsque la consigne seule ne suffit pas à faire comprendre à l’IA le style ou le standard attendu : analyse de verbatims, évaluation de compétences, tri de candidatures, ou génération de contenus selon une charte précise. Plus les exemples sont variés et pertinents, plus l’IA cerne la logique du résultat attendu.
Exemples génériques
-
« Voici trois exemples de mails internes bien rédigés. Rédige un nouveau message dans le même ton. »
-
« Classe cet avis client en positif, neutre ou négatif, à partir des exemples suivants. »
-
« Analyse ce texte comme dans les exemples précédents, en suivant la même grille. »
Application aux Ressources Humaines
Dans le champ RH, le Few-Shot Prompting est particulièrement utile pour entraîner l’IA à adopter un style ou une grille d’analyse RH : classer des retours collaborateurs, formuler des feedbacks d’évaluation, ou produire des offres d’emploi cohérentes. Par exemple, un formateur peut fournir trois exemples de commentaires d’entretien avant de demander à l’IA d’en générer un quatrième dans le même ton, garantissant ainsi l’uniformité du rendu.
🗣️ Exemple 1 – Feedback d’entretien annuel
Prompt :
« Voici trois exemples de commentaires de managers à la suite d’entretiens annuels :
1️⃣ « Bonne maîtrise des outils, communication claire, objectif atteint à 95 %. »
2️⃣ « Manque de proactivité mais progression notable en autonomie. »
3️⃣ « Excellent esprit d’équipe, forte capacité d’adaptation aux changements. »Rédige un quatrième commentaire cohérent dans le même ton et le même format, pour un collaborateur ayant montré de bonnes initiatives mais des difficultés à prioriser ses tâches. »
Objectif pédagogique :
Illustrer comment plusieurs modèles permettent d’orienter le ton et la structure des réponses RH.
💼 Exemple 2 – Classification de retours collaborateurs
Prompt :
« Classe les avis suivants selon trois catégories : Positif / Neutre / Négatif.
Exemples :
– “Bonne ambiance, équipe solidaire” → Positif
– “Charge de travail variable” → Neutre
– “Manque de reconnaissance de la direction” → NégatifMaintenant, classe cette phrase : “Formation intéressante mais trop courte.” »
Objectif pédagogique :
Montrer comment le Few-Shot Prompting améliore la cohérence de la catégorisation des verbatims RH.
🧠 Exemple 3 – Rédaction d’offres d’emploi
Prompt :
« Voici trois extraits d’offres d’emploi rédigées selon notre charte : ton dynamique, phrases courtes, inclusives.
Rédige une nouvelle offre pour un poste de responsable paie en respectant le même style. »
Objectif pédagogique :
Faire comprendre que l’IA reproduit le ton et la structure attendus à partir d’exemples concrets, garantissant la cohérence éditoriale RH.