L’ingénieur prompt n’est pas un métier d’avenir

Malgré le buzz qui l’entoure, l’importance de la « prompt ingénierie » pourrait être éphémère. Quelle compétence plus durable et plus adaptable continuera à nous permettre d’exploiter le potentiel de l’IA générative ? Il s’agit de la formulation de problèmes – la capacité à identifier, analyser et…

L’ingénierie du « prompt » a pris d’assaut le monde de l’IA générative. Ce travail, qui consiste à optimiser les entrées textuelles pour communiquer efficacement avec de grands modèles de langage, a été salué par le Forum économique mondial comme le premier « emploi du futur », tandis que le PDG d’Open AI, Sam Altman, l’a qualifié de « compétence à fort effet de levier ». 

Les médias sociaux regorgent d’une nouvelle vague d’influenceurs qui présentent des « messages magiques » et promettent des résultats étonnants.

Toutefois, malgré l’engouement qu’elle suscite, l’importance de cette ingénierie pourrait être éphémère pour plusieurs raisons. 

• les futures générations de systèmes d’IA deviendront plus intuitives et plus aptes à comprendre le langage naturel, ce qui réduira la nécessité de recourir à des prompts méticuleusement conçus. 
• les nouveaux modèles de langage de l’IA, comme le GPT4, sont déjà très prometteurs en matière d’élaboration de prompts – l’IA elle-même est sur le point de rendre l’ingénierie des prompts obsolète. Enfin, l’efficacité des prompts dépend de l’algorithme spécifique, ce qui limite leur utilité pour divers modèles et versions d’IA.

Quelle est donc la compétence la plus durable et la plus adaptable qui nous permettra de continuer à exploiter le potentiel de l’IA générative ? 

La formulation de problèmes – la capacité à identifier, analyser et délimiter les problèmes sera la compétence la plus durable.

La formulation de problèmes et l’ingénierie des prompts diffèrent par leur objectif, leurs tâches principales et leurs capacités sous-jacentes. L’ingénierie des prompts se concentre sur l’élaboration d’une entrée textuelle optimale en sélectionnant les mots, les expressions, les structures de phrases et la ponctuation appropriés. 

En revanche, la formulation du problème met l’accent sur la définition du problème en délimitant son objectif, sa portée et ses limites. 

L’ingénierie du prompt exige une bonne maîtrise d’un outil d’intelligence artificielle spécifique et des compétences linguistiques, tandis que la formulation d’un problème nécessite une compréhension globale du domaine concerné et la capacité de distiller des questions du monde réel. 

Le fait est que sans un problème bien formulé, même les prompts les plus sophistiqués ne suffiront pas. Cependant, une fois le problème clairement défini, les nuances linguistiques d’un prompt deviennent tangentes à la solution.

Malheureusement, la formulation d’un problème est une compétence largement négligée et sous-développée pour la plupart d’entre nous. 

L’une des raisons en est l’importance disproportionnée accordée à la résolution de problèmes au détriment de la formulation.

Comment améliorer la formulation des problèmes ? En synthétisant les résultats de recherches antérieures sur la formulation des problèmes et la conception des tâches, quatre éléments clés pour une formulation efficace des problèmes : le diagnostic du problème, la décomposition, le recadrage et la conception des contraintes.

Diagnostic du problème

Le diagnostic du problème consiste à identifier le problème central que l’IA doit résoudre. En d’autres termes, il s’agit d’identifier l’objectif principal que vous voulez que l’IA générative accomplisse. Certains problèmes sont relativement simples à cerner, par exemple lorsque l’objectif est d’obtenir des informations sur un sujet spécifique, comme les différentes stratégies de RH pour la rémunération des employés. D’autres sont plus difficiles, comme l’exploration de solutions à un problème d’innovation.

Décomposition du problème

La décomposition des problèmes consiste à diviser les problèmes complexes en sous-problèmes plus petits et plus faciles à gérer. C’est particulièrement important lorsque l’on s’attaque à des problèmes à multiples facettes, qui sont souvent trop alambiqués pour générer des solutions utiles.

Recadrage du problème

Le recadrage des problèmes consiste à changer la perspective à partir de laquelle un problème est perçu, ce qui permet d’autres interprétations. En recadrant un problème de différentes manières, vous pouvez guider l’IA pour qu’elle élargisse le champ des solutions potentielles, ce qui peut, à son tour, vous aider à trouver des solutions optimales et à surmonter les obstacles créatifs.

Pour recadrer efficacement les problèmes, il convient d’adopter le point de vue des utilisateurs, d’explorer des analogies pour représenter le problème, de recourir à l’abstraction et de remettre en question de manière proactive les objectifs du problème ou d’identifier les éléments manquants dans la définition du problème.

Conception des contraintes du problème

La conception des contraintes du problème se concentre sur la délimitation des frontières d’un problème en définissant les restrictions d’entrée, de processus et de sortie de la recherche de solution. Vous pouvez utiliser les contraintes pour orienter l’IA vers la génération de solutions utiles pour la tâche à accomplir. Lorsque la tâche est principalement axée sur la productivité, l’utilisation de contraintes spécifiques et strictes pour définir les limites de l’IA peut s’avérer très utile.

 Lorsque la tâche est principalement axée sur la productivité, l’utilisation de contraintes spécifiques et strictes pour définir le contexte, les limites et les critères de résultat est souvent plus appropriée. En revanche, pour les tâches orientées vers la créativité, l’expérimentation de l’imposition, de la modification et de la suppression des contraintes permet d’explorer un espace de solution plus large et de découvrir de nouvelles perspectives.

Pour résumer

Dans l’ensemble, il est essentiel d’améliorer les compétences en matière de diagnostic des problèmes, de décomposition, de recadrage et de conception des contraintes pour aligner les résultats de l’IA sur les objectifs de la tâche et favoriser une collaboration efficace avec les systèmes d’IA.

Bien que l’ingénierie des prompts puisse occuper le devant de la scène à court terme, son manque de durabilité, de polyvalence et de transférabilité limite sa pertinence à long terme. 

Mettre trop l’accent sur l’élaboration de la combinaison parfaite de mots peut même être contre-productif, car cela peut détourner l’attention de l’exploration du problème lui-même et diminuer le sentiment de contrôle du processus créatif. 

Au contraire, la maîtrise de la formulation des problèmes pourrait être la clé pour naviguer dans un avenir incertain aux côtés de systèmes d’IA sophistiqués. Elle pourrait s’avérer aussi essentielle que l’a été l’apprentissage des langages de programmation dans les premiers temps de l’informatique.

Source : Harvard BR, Oguz A. Acar is a Chair in Marketing at King’s Business School, King’s College London.