L’art du prompt engineering pour la création de contenu marketing par l’IA

Nous vous proposons cette excellente contribution de CMSWire

Comment le prompt engineering peut être utilisé pour obtenir des résultats spécifiques qui peuvent être utilisés pour le marketing, la production de contenu, la publicité et l’expérience client.

Les grandes lignes

  • Les bases sont maîtrisées. Le prompt engineering affine le texte pour les modèles d’IA, aidant ainsi les spécialistes du marketing à créer du contenu.
  • Utilisation de l’IA. Le prompt engineering efficace permet aux modèles d’IA de jouer divers rôles, différents modèles étant adaptés à des tâches spécifiques.
  • Guider l’IA. La hiérarchisation des mots a un impact sur l’interprétation de l’IA. Des messages clairs, impartiaux et spécifiques donnent de meilleurs résultats.

Le prompt engineering est le processus qui consiste à affiner la formulation du prompt textuel qu’un utilisateur soumet aux modèles d’IA générative afin qu’ils effectuent des tâches spécifiques. En utilisant le prompt engineering, les spécialistes du marketing peuvent exploiter plus efficacement l’IA générative pour améliorer les campagnes de marketing et créer un contenu attrayant.

Cet article examinera les bases du prompt engineering et comment elle peut être utilisée pour obtenir des résultats spécifiques qui peuvent être utilisés dans le marketing, la production de contenu, la publicité et l’expérience client.

Comment fonctionne le prompt engineering ?

Un prompt est le texte saisi par un utilisateur dans une zone de texte sur un site web ou une application d’IA générative. Les prompts sont utilisées pour diriger le modèle de langage étendu afin qu’il renvoie une réponse basée sur le prompt. Étant donné que l’IA générative forme la réponse en se basant sur la manière la plus probable de compléter une phrase, les prompts peuvent être simples, telles que « L’océan est ». Une tel prompt renvoie un résultat qui complète la phrase.

the ocean is

 

Les modèles d’IA générative tels que ChatGPT, Bing et Bard sont capables d’effectuer des recherches sur des sujets étendus et de fournir aux utilisateurs un résumé des pages web, des documents et même de leurs propres recherches. Pour tirer le meilleur parti de ces grands modèles de langage, les utilisateurs doivent créer un prompt pour formuler leurs demandes. C’est ce qu’on appelle le prompt engineering.

Il existe plusieurs types de prompt engineering, notamment la chain of thought (CoT), le zero-shot, le one-shot et le few-shot.

  • Zero-shot – Un prompt « zero-shot » est une requête adressée à un modèle d’apprentissage automatique dans le cadre de l’apprentissage « zero-shot », où le modèle génère des réponses sans aucun exemple spécifique à la tâche, en s’appuyant uniquement sur ses connaissances et sa compréhension préalables.
  • One-shot – Un prompt one-shot est une requête pour un modèle d’apprentissage automatique en apprentissage one-shot, où le modèle apprend les tâches sur la base d’un seul exemple. Le prompt guide le modèle pour qu’il génère des réponses appropriées en s’appuyant sur sa compréhension de l’exemple unique fourni.
  • Few-shot – L’apprentissage peu d’exemples consiste à former un modèle d’apprentissage automatique pour qu’il soit performant dans de nouvelles tâches en utilisant seulement un petit nombre d’exemples ou de données de formation. Dans ce contexte, un prompt « few-shot » est une question ou une entrée donnée au modèle, qui l’aide à comprendre la tâche et à générer des réponses appropriées sur la base des exemples limités fournis.
  • Chain of Thought (CoT) – Le concept central de la CoT consiste à fournir à un modèle d’apprentissage à court terme des exemples (exemples spécifiques utilisés pour illustrer un concept, un comportement ou un principe) qui démontrent explicitement le processus de raisonnement. Ce faisant, le modèle révèle également son raisonnement lorsqu’il répond à des questions, ce qui permet souvent d’obtenir des résultats plus précis.

Rachel Hernandez, directrice de la stratégie de marque chez The HOTH, une société de marketing numérique à service complet, a expliqué à CMSWire que l’incitation CoT est une technique qui consiste à décomposer une tâche complexe en tâches plus courtes et plus claires qui sont généralement séquentielles. « Bien que cela semble faire référence aux messages et aux tâches, le CoT est généralement appliqué à l’aspect du natural language processing (NLP). C’est ce qui aide l’IA à produire un résultat qui semble plus conversationnel, avec un flux et une cadence logiques », a déclaré M. Hernandez.

M. Hernandez a expliqué que dans le contexte de l’IA générative, les « shots » désignent le nombre d’exemples étiquetés auxquels l’IA peut se référer lorsqu’on lui demande d’effectuer une tâche. L’expression « zero-shot » signifie que l’on demande à l’IA d’effectuer une tâche sans aucun exemple auquel se référer. One-shot ne fournit qu’un seul exemple étiqueté et few-shot peut aller jusqu’à 20 exemples », explique M. Hernandez. « C’est intéressant parce que même si le fait d’avoir plus d’exemples peut certainement produire de meilleurs résultats, cela introduit également des variables supplémentaires que l’IA ne connaîtrait pas avec un ou zero-shot. »

Voici un exemple d’utilisation de CoT pour renvoyer un résultat expliquant comment l’IA a obtenu la réponse à la question posée.

chain of thought

Exemples de prompt engineering

Pour la plupart des gens, le prompt engineering consiste à concevoir le prompt de manière à obtenir la réponse la plus utile de la part du modèle d’IA générative. Un utilisateur peut demander à l’IA générative de jouer le rôle d’un « guide des plantes locales », tandis qu’un autre peut lui demander de « créer un plan d’action pour apprendre l’espagnol ».

Supposons, par exemple, que l’on veuille formuler un prompt qui transformerait Bing en guide de voyage. Le prompt suivant, initialement créé par un ingénieur logiciel répondant au nom d’utilisateur koksalkapucuoglu, pourrait permettre d’atteindre cet objectif :

Je veux que vous jouiez le rôle d’un guide de voyage. Je vais vous dire où je me trouve et vous allez me suggérer des endroits à visiter qui se trouvent à proximité de ma position. Je pourrais également vous indiquer le type d’endroits que j’aimerais visiter. Vous me suggérerez également des lieux similaires à ceux qui se trouvent à proximité de mon premier lieu de résidence. Ma première requête est la suivante : « Je suis à Orlando, en Floride, et je souhaite visiter des parcs aquatiques. »

En utilisant cette requête, Bing a pu générer la réponse suivante :

Bing

Tous les modèles d’IA générative ne sont pas capables de fournir une réponse détaillée à toutes les prompts. Par exemple, ChatGPT n’a pas été en mesure de jouer efficacement le rôle d’un agent de voyage et a répondu au prompt par :

J’apprécie l’intérêt que vous portez à mon rôle de guide de voyage. Cependant, sur la base des résultats de la recherche sur le web, je ne suis pas en mesure de fournir des recommandations spécifiques sur les parcs aquatiques près d’Orlando, en Floride.

Ceci est dû en grande partie au fait que ChatGPT n’a pas la possibilité de faire des recherches sur le web (à moins que vous ne soyez un utilisateur Plus ayant accès au plugin de ChatGPT). Parce que Bard fonctionne en mode chat de moteur de recherche, il a été en mesure de générer une réponse respectable :

ChatGPT

 

Le prompt engineering peut être utilisée pour transformer un modèle d’IA générative en presque n’importe quel rôle choisi par l’utilisateur. Les enseignants pourraient souhaiter utiliser l’IA pour créer du contenu pour leurs classes. Dans ce cas, le prompt suivant, initialement créé par @devisasari, ressemblerait à ceci : « Je veux que vous jouiez le rôle d’un créateur de contenu éducatif :

Je veux que vous jouiez le rôle d’un créateur de contenu éducatif. Vous créerez des contenus attrayants, informatifs et divertissants pour les manuels scolaires, les cours en ligne et les notes de lecture. Ma première demande est la suivante : « J’ai besoin que vous développiez un plan de cours sur les protéines végétales pour des élèves de collège ».

ChatGPT excelle dans ce genre d’exercice et a généré la réponse détaillée suivante :

chatgpt detailed response

 

ChatGPT a poursuivi sa réponse avec les éléments suivants :

  • Définir les protéines végétales et les différencier des protéines animales.
  • Comprendre l’importance des protéines végétales dans un régime alimentaire équilibré.
    Identifier les sources de protéines végétales.
  • Expliquer le rôle des protéines dans les fonctions du corps humain.

Matériel :

  • Tableau blanc ou noir
  • Marqueurs ou craie
  • Polycopié avec des exemples de sources de protéines végétales
  • Présentation numérique interactive sur les protéines végétales
  • Accès à Internet
  • Petits échantillons d’aliments pour une activité de dégustation (facultatif)
  • Déroulement de la leçon :
  • Introduction (5 minutes)
  • Commencez par demander aux élèves ce qu’ils savent des protéines et pourquoi elles sont importantes pour notre corps.
  • Présentez le concept des protéines végétales comme une alternative aux protéines animales.
  • Expliquez que les protéines végétales peuvent constituer un élément essentiel d’un régime alimentaire équilibré.
  • Présentation (15 minutes)

Utilisez une présentation numérique interactive pour enseigner les sujets suivants :

  • a. Qu’est-ce qu’une protéine ? (éléments constitutifs de la vie, composés d’acides aminés)
  • b. Protéines végétales et protéines animales (différences dans le profil des acides aminés, la digestion et l’impact sur l’environnement)
  • c. Importance des protéines végétales dans un régime alimentaire équilibré (avantages pour la santé, durabilité, considérations éthiques)
  • d. Sources de protéines végétales (légumineuses, noix, graines, céréales complètes, légumes)
  • e. Rôle des protéines dans le corps humain (croissance, réparation, fonction immunitaire, production d’énergie)
  • Activité de groupe : Test de dégustation des protéines végétales (15 minutes, facultatif)
    • Si possible, fournir de petits échantillons d’aliments riches en protéines végétales (par exemple, houmous, edamame, tofu, soupe de lentilles).
    • Répartissez les élèves en groupes et demandez-leur de goûter les échantillons, en discutant des saveurs et des textures.
    • La classe discute des sources de protéines végétales qu’ils ont le plus appréciées et des raisons qui les ont poussés à le faire.
  • Activité individuelle : Recherche sur la puissance des protéines (15 minutes)
    • Demandez aux élèves d’utiliser Internet ou d’autres ressources pour trouver une source de protéines d’origine végétale qui n’a pas été mentionnée dans la leçon.
    • Demandez-leur de rédiger un court paragraphe sur la protéine végétale qu’ils ont choisie, en expliquant sa valeur nutritionnelle et les différentes façons de l’intégrer à leur régime alimentaire.
  • Conclusion et évaluation (10 minutes)
  • Passez en revue les objectifs de la leçon et les principaux points à retenir.
    Évaluez la compréhension des élèves en leur posant des questions sur les protéines végétales, leurs sources et leur importance dans un régime alimentaire équilibré.
  • Recueillir les paragraphes des activités individuelles pour les évaluer.
  • Travail à domicile :
    • Demandez aux élèves de créer un plan de repas à base de plantes pour une journée, en incorporant au moins trois sources de protéines végétales différentes. Encouragez-les à faire preuve de créativité et à utiliser les protéines végétales qu’ils ont apprises au cours de la leçon.

Le prompt engineering pour les spécialistes du marketing

Maintenant que nous avons une bonne compréhension du fonctionnement du prompt engineering, nous devons créer un prompt qui permettra aux spécialistes du marketing d’élaborer… un meilleur prompt. En fournissant au modèle d’IA des détails sur la façon de créer une meilleur prompt, les spécialistes du marketing peuvent transformer l’IA générative en créateur de prompts. Ce prompt a été créée à l’origine par le Redditor ZenMind55 et publiée sur le serveur Discord de l’OpenAI. Cette version du prompt est basée sur le travail de ZenMind55 :

Je veux que tu deviennes mon créateur de prompt. Votre but est de m’aider à créer le meilleur prompt possible pour mes besoins. Le prompt sera utilisé par vous, ChatGPT. Vous suivrez le processus suivant : 1. Votre première réponse sera de me demander quel devrait être le sujet de l’annonce. Je fournirai ma réponse, mais nous devrons l’améliorer par des itérations continues en passant par les étapes suivantes. 2. Sur la base de mes commentaires, vous créerez trois sections. a) Invitation révisée (fournissez votre invitation réécrite. elle doit être claire, concise et facile à comprendre), b) Suggestions (fournissez des suggestions sur les détails à inclure dans l’invitation pour l’améliorer), et c) Questions (posez toutes les questions pertinentes concernant les informations supplémentaires dont j’ai besoin pour améliorer l’invitation). 3. Nous poursuivrons ce processus itératif : je vous fournirai des informations supplémentaires et vous mettrez à jour le prompt dans la section « Prompt révisé » jusqu’à ce qu’elle soit complète.

M. Hernandez a déclaré que, selon l’IA elle-même, la chose la plus importante que les personnes qui utilisent ChatGPT doivent faire est d’essayer d’être aussi simples et clairs que possible. « Par exemple, une version plus condensée du prompt pourrait être : »

Aidez-moi à créer le meilleur prompt possible. Tout d’abord, je vous fournirai un sujet et vous poserez des questions pour l’affiner. Ensuite, vous fournirez un message réécrit, des suggestions d’amélioration et vous poserez des questions pertinentes. Nous poursuivrons ce processus itératif jusqu’à ce que le message soit complet.

Ces deux messages démarrent un processus itératif qui permet à l’utilisateur d’affiner un message qui peut être utilisé pour pratiquement n’importe quelle recherche. ZenMind55 a publié d’autres prompts utiles et imaginatives sur le site Web ChainBrain AI. Interrogé sur le prompt engineering, ZenMind55 a déclaré à CMSWire que la création des prompts consiste à comprendre les limites et les forces de l’IA. « Soyez concis et précis, mais laissez également à l’IA la possibilité de générer des réponses innovantes. Il a réitéré ce que de nombreux utilisateurs découvrent actuellement, expliquant que la capacité de ces modèles à générer des prompts par eux-mêmes est étonnamment bonne. « En vous engageant dans un processus co-créatif et itératif avec ces modèles, vous pouvez affiner et façonner votre prompt à la perfection. »

En utilisant des prompts spécifiques, ChatGPT est capable de formater le contenu généré, de créer des images qui sont affichées dans la fenêtre de ChatGPT et de faire de ChatGPT un expert sur n’importe quel sujet donné. Par exemple, l’IA générative peut générer le texte qui sera utilisé dans les campagnes de marketing.

En utilisant le prompt Applied Expert System (AES), ChatGPT peut devenir un expert dans n’importe quel domaine. Par exemple, en utilisant AES pour faire de ChatGPT un expert en platines et en lui demandant de rédiger le texte de marketing pour la platine FEICKERT Woodpecker extrêmement chère (9 295 $), ChatGPT a produit le contenu suivant :

La platine Woodpecker de FEICKERT est le choix ultime pour les audiophiles à la recherche d’une qualité sonore inégalée et de performances précises. Fabriquée selon les normes les plus élevées de l’ingénierie et du design allemands, la Woodpecker offre une combinaison unique de beauté et de fonctionnalité.

Le Woodpecker est une platine à entraînement par courroie dotée d’un moteur de haute précision à commande électronique. Ce moteur garantit la précision et la stabilité de la vitesse de rotation, réduisant ainsi les bruits et les vibrations indésirables. Le plateau de la platine est fabriqué à partir d’un matériau composite haute densité qui offre d’excellentes caractéristiques de résonance, ce qui permet d’obtenir un son propre et dynamique.

Le bras de lecture de la Woodpecker est fabriqué à partir de matériaux de haute qualité et dispose d’un azimut réglable, d’un VTA et d’un anti-patinage, ce qui permet des réglages précis et sans effort. Les roulements et le câblage du bras de lecture sont de la plus haute qualité, garantissant une distorsion minimale et une fidélité maximale.

Le Woodpecker est également doté d’une conception modulaire qui permet des mises à niveau et une personnalisation aisées. Cela signifie que vous pouvez facilement adapter la platine à vos préférences et à vos besoins, en veillant à ce qu’elle reste une pièce maîtresse de votre expérience d’écoute pour les années à venir.

Investissez dans la platine FEICKERT Woodpecker et faites l’expérience de l’excellence sonore et de l’ingénierie de précision.

M. Hernandez a suggéré que les spécialistes du marketing, quel que soit leur domaine d’activité, auraient tout intérêt à expérimenter différentes méthodes d’incitation afin de voir quelle variété de réponses ils peuvent obtenir de l’IA. Par exemple, ils pourraient lui demander de générer des publicités susceptibles de trouver un écho particulier auprès de la génération X ou de produire un contenu énumérant les cinq caractéristiques d’un produit. « Vous pouvez également lui donner une instruction ouverte demandant à l’IA d’utiliser des tactiques de marketing efficaces pour créer un message qui vend votre produit et lui permettre d’être plus créative », a déclaré M. Hernandez. « L’IA pourrait alors proposer quelque chose qui vous inspire ou qui rehausse vos campagnes existantes.

Les mots doivent être priorisés

La façon dont on priorise les mots spécifiques d’un prompt fait une énorme différence dans la façon dont l’IA générative l’interprète – et pour les outils de création d’images, c’est extrêmement important. Brian Brown, SVP et directeur exécutif de la création à l’agence interactive Razorfish, a déclaré à CMSWire que le conseil numéro un pour tout outil d’IA visuelle serait probablement de rédiger votre prompt par ordre de priorité pour l’image souhaitée. Une femme à tête rouge devant un ciel bleu » ne donnera pas le même résultat qu’un ciel bleu derrière une femme à tête rouge. Le premier donne la priorité à la femme à tête rouge, tandis que le second donne la priorité au ciel bleu ».

Plus le prompt est spécifique et détaillé, plus la priorisation est importante. « Lorsque vous commencez à ajouter toutes sortes de détails : Une photographie d’une femme rousse portant des lunettes sur la tête, vêtue d’un costume marron, debout devant un ciel bleu, illustration steampunk, éclairage volumétrique, technicolor, grain de pellicule visible, très détaillé » – l’ordre commence vraiment à avoir de l’importance », a déclaré M. Brown.

M. Brown a expliqué que, bien que la plupart des gens n’y pensent pas de cette manière, le prompt engineering est en fait un langage de script très indulgent. « Lorsque nous lançons un prompt, nous interagissons avec le LLM qui envoie une série de commandes au matériel informatique et renvoie quelque chose en temps réel. Brown suggère que, comme pour tous les scripts, il faut toujours savoir comment formuler la commande pour obtenir le résultat souhaité. « C’est le cœur de l’ingénierie d’aide.

Selon M. Hernandez, d’autres problèmes potentiels doivent être pris en compte lors de la rédaction des prompts :

  • L’ambiguïté : Les prompts trop vagues ou rédigés dans un langage passif peuvent conduire à des réponses trompeuses ou non pertinentes, ce qui peut être frustrant pour les utilisateurs.
  • Les biais : des prompts biaisés peuvent entraîner des réponses biaisées, ce qui peut avoir des conséquences concrètes sur la prise de décision et d’autres applications.
  • La spécificité : Les prompts trop généraux ou trop vastes peuvent être difficiles à comprendre pour le modèle et donner lieu à des réponses inutiles ou non pertinentes. D’un autre côté, les prompts trop spécifiques peuvent limiter la capacité du modèle à générer des réponses créatives ou inattendues.

Réflexions finales sur le prompt engineering

Pouvoir utiliser efficacement l’IA générative par le biais du prompt engineering est une compétence essentielle pour les spécialistes du marketing, les publicitaires et les créateurs de contenu. En élaborant et en affinant les prompts, l’IA peut être amenée à produire des réponses spécifiques et personnalisées, ce qui permet d’améliorer la qualité des stratégies de marketing et de créer des contenus attrayants.

L’efficacité d’un prompt dépend en grande partie de sa clarté, de la priorisation de ses éléments et de son perfectionnement itératif. À mesure que l’IA continue d’évoluer, le rôle du prompt engineering est susceptible de devenir vital dans de nombreux secteurs d’activité.

The Art of Prompt Engineering for AI Marketing Content Creation

Voir aussi

Copy link
Powered by Social Snap