Une méthodologie de rédaction de prompts aide à générer de meilleures réponses de l’IA

Équipe de Caseware
13 décembre 2024
5 min de lecture

Les outils d’IA générative, comme l’assistant numérique AiDA de Caseware, peuvent rendre les comptables et les auditeurs plus efficaces en réduisant la quantité de travail répétitif qu’ils doivent effectuer. Cependant, la qualité de la réponse d’une IA dépend de la qualité de la question posée. Si vous voulez une réponse précise et utile, il vous faut rédiger vos commandes d’IA avec soin.

Un guide pour créer des commandes efficaces : La méthode STAR

Suivre une méthodologie de rédaction de prompts est une étape importante pour générer de meilleures réponses de l’IA. Une méthodologie de rédaction est une approche structurée utilisée pour élaborer des prommpts clairs et précis. Vous définissez le contexte de votre requête, indiquez la tâche que l’IA doit accomplir, spécifiez le format de la sortie souhaitée et, une fois la réponse reçue, vous affinez votre commande pour obtenir exactement ce que vous voulez.

Une approche populaire d’ingénierie des commandes est la méthodologie STAR. STAR signifie :

• Situation – Définissez le contexte de votre commande en décrivant le scénario d’audit que vous souhaitez que l’IA aborde. Par exemple, vous pouvez dire à l’IA votre rôle précis, votre objectif et les normes comptables que vous devez suivre. Vous pouvez également préciser le secteur d’activité de votre client ou toute information qui permet de contextualiser la demande
• Tâche – Définissez clairement ce que vous voulez que l’IA fasse pour vous.
• Apparence – Dites à l’IA ce que vous souhaitez que le résultat ressemble. Vous pouvez demander un ton spécifique, la longueur de la réponse ou un format particulier, comme un tableau ou un graphique.
• Raffinement – Affinez votre commande initiale autant de fois que nécessaire pour obtenir une réponse qui répond exactement à vos besoins.

Situation

Le contexte situationnel aide à minimiser le risque d’une réponse incorrecte en réduisant l’ambiguïté. Le contexte donne à votre modèle de langage une référence qui lui permet de produire des réponses plus pertinentes.

Tâche

La tâche est la partie avec laquelle la plupart des utilisateurs d’IA sont familiers. C’est ce que vous demandez à l’IA de faire. Plus vous fournissez de détails, meilleure sera la réponse. Vous pouvez également spécifier les bases de connaissances que vous souhaitez que l’IA utilise pendant la phase de tâche.

Une nouvelle approche de l’IA générative, appelée Retrieval Augmented Generation (RAG), associe l’IA à des sources de données fiables et de haute qualité, permettant à l’IA de puiser dans des bases de connaissances autorisées et sélectionnées, plutôt que de se contenter de son modèle de langage pour obtenir des informations. Le RAG de votre cabinet pourrait inclure vos meilleurs documents méthodologiques et vos mémos de référence, créant ainsi un modèle spécifique à votre cabinet qui produit des réponses cohérentes et vous offre un avantage concurrentiel.

Apparence

Lors de la création de votre commande, vous devez spécifier l’apparence que vous souhaitez que la réponse de l’IA prenne. Certaines questions à vous poser peuvent inclure :

• Avez-vous besoin d’un nombre de mots spécifique ?
• Souhaitez-vous une liste de vérification ?
• Voulez-vous un résultat sous forme de tableau ?
• Voulez-vous que la réponse soit dans un ordre particulier, afin qu’elle corresponde parfaitement à une liste de contrôle longue ?

Plus vous contrôlez la sortie en termes spécifiques, plus vous obtiendrez d’efficacité.

Savoir d’où proviennent les réponses de votre IA est essentiel pour la vérification des faits. Malgré les progrès technologiques, la vérification manuelle des faits est nécessaire pour garantir que vous présentez des informations fiables.

Il existe plusieurs façons de vérifier cela. Tout d’abord, vous pouvez demander à votre IA de fournir des citations. Dans Caseware AiDA, si vous posez des questions sur un document PDF affiché, vous obtiendrez des références de notes de bas de page cliquables qui vous dirigeront directement vers la source mise en évidence dans le document. Cette fonctionnalité rend la vérification des faits beaucoup plus rapide et précise.

Une autre manière de vérifier vos sources consiste à dire à votre IA quelle base de connaissances vous souhaitez qu’elle utilise et à lui fournir des liens vers ces sources. Ainsi, vous pouvez facilement vérifier les informations en cliquant sur les liens.

Vous pouvez également renforcer la transparence des réponses de votre IA grâce au « raisonnement en chaîne de pensées » (Chain of Thought Reasoning). Cela correspond à demander à votre IA de documenter chaque étape qu’elle effectue pour générer une réponse. Vous pouvez poser une question à l’IA comme vous le feriez normalement, puis ajouter l’instruction « Expliquez votre raisonnement étape par étape ». Découper un problème complexe en une série d’étapes intermédiaires permet à l’IA de raisonner de manière séquentielle à chaque étape.

Raffiner

L’affinement de la réponse d’une IA implique de l’examiner pour en vérifier l’exactitude et la clarté, puis de la modifier si nécessaire. Cela peut inclure la réduction ou l’extension d’une réponse, ainsi que l’édition du texte.

Quelques points clés à considérer lors de l’affinement de votre réponse incluent :

• Clarté – Assurez-vous que la réponse de l’IA est formulée dans un langage simple et sans ambiguïté. Le jargon ou les termes complexes pourraient troubler votre auditoire.
• Pertinence par rapport à la tâche – Votre commande affinée doit être directement liée à votre tâche et à ses objectifs. Supprimez toute instruction qui n’apporte pas à votre but.
• Complétude et précision – Lorsque vous affinez votre commande, assurez-vous qu’elle est complète et précise. La commande affinée doit également inclure les éventuelles précautions ou considérations nécessaires.
• Affinement itératif – Vous n’obtiendrez que rarement la réponse exacte que vous souhaitez dès votre premier prompt. Vous pouvez commencer avec un prompt provisoire, puis le revoir et le réviser plusieurs fois pour l’améliorer. Demander un retour de vos collègues peut vous aider à identifier les éléments manquants dans la réponse de l’IA.

Construire une bibliothèque de prompts pour la cohérence et la qualité

Certains prompts peuvent être longs et contenir des tâches qui peuvent être appliquées à d’autres prompts liés à vos besoins. C’est pourquoi une bibliothèque de prompts avec toutes vos prompts types peut être une ressource extrêmement utile pour votre équipe. En regroupant des prompts rédigés par des experts en un seul endroit, vos collaborateurs pourront utiliser des prompts de meilleure qualité pour accomplir des tâches spécifiques de manière cohérente.

Les bibliothèques de prompts sont particulièrement bénéfiques pour les collaborateurs juniors, qui peuvent les utiliser pour analyser des documents complexes plus précisément et éviter les erreurs courantes, comme l’oubli de clauses contractuelles essentielles.

Conclusion

En adoptant ces pratiques de rédaction de prompts, les cabinets peuvent utiliser l’IA de manière plus efficace, améliorant ainsi la productivité et la précision. N’oubliez pas que l’IA est une assistance au métier et non un remplacement. Les codes d’éthique exigent des professionnels qu’ils prennent la responsabilité de la production d’une IA. Appliquez toujours votre scepticisme/jugement professionnel aux réponses de l’IA pour vous assurer d’obtenir un résultat précis.