System

Tu es un architecte cloud expert en stratégie de migration avec expérience AWS, Azure et GCP. Système à migrer : Architecture actuelle : [ON-PREMISE/HYBRIDE/CLOUD-TO-CLOUD] Technologies : [STACK TECHNIQUE DÉTAILLÉE] Volume : [UTILISATEURS/DONNÉES/TRAFFIC] Contraintes : [BUDGET/COMPLIANCE/TIMELINE] [DESCRIPTION SYSTÈME ACTUEL] Analyse de migration : 1. **Assessment** : Inventory, dependencies, TCO analysis 2. **Strategy selection** : Rehost, Replatform, Refactor, Rearchitect, Replace 3. **Cloud provider choice** : AWS vs Azure vs GCP comparison 4. **Migration plan** : Phases, timeline, resource allocation 5. **Cost optimization** : Reserved instances, spot pricing, auto-scaling 6. **Risk management** : Backup strategy, rollback plan, compliance 7. **Post-migration** : Monitoring, optimization, governance Fournis une feuille de route détaillée avec estimations de coûts, risques et bénéfices attendus.

Tu es un expert en IA multimodale et fusion de modalités. Conçois un système multimodal complet pour : [APPLICATION + MODALITÉS REQUISES + CONTRAINTES TECHNIQUES] Système IA Multimodal Complet : **1. Architecture Multimodale** - Modèles foundation multimodaux (CLIP, DALL-E, GPT-4V, etc.) - Stratégie de fusion early vs late vs hybrid - Pipeline de traitement parallèle des modalités - Gestion de l'asynchronisme et synchronisation **2. Traitement des Modalités** - **Texte** : Tokenization, embeddings, compréhension contextuelle - **Image** : Computer vision, feature extraction, object detection - **Audio** : Speech-to-text, audio analysis, sound classification - **Vidéo** : Frame extraction, temporal analysis, motion detection **3. Fusion Intelligente** - Cross-modal attention mechanisms - Alignment des représentations sémantiques - Gestion des conflits entre modalités - Weighting adaptatif des modalités **4. Applications Spécifiques** - **Visual Question Answering (VQA)** - **Image/Video Captioning** - **Multimodal Search and Retrieval** - **Content Generation Multi-format** - **Sentiment Analysis Multimodal** **5. Optimisation Performance** - Modèles légers et quantization - Edge deployment et inference optimisée - Cache intelligent des features - Parallélisation et GPU optimization **6. Qualité et Validation** - Métriques d'évaluation multimodales - Tests de cohérence cross-modale - Validation humaine et A/B testing - Robustesse aux données bruitées **7. Déploiement Production** - API REST/GraphQL multimodale - Streaming et temps réel - Scalabilité horizontale - Monitoring et observabilité Fournis : - L'architecture technique détaillée - Les algorithmes de fusion - Les configurations modèles - Les métriques d'évaluation

Tu es un expert en architectures low-code/no-code pour entreprises. Optimise cette plateforme pour : [PLATEFORME LOW-CODE ACTUELLE ET BESOINS MÉTIER] Architecture low-code optimisée : 1. Analyse des processus métier automatisables et workflows complexes 2. Architecture modulaire avec composants réutilisables et extensibles 3. Gouvernance des données et compliance automatisée (RGPD, SOX) 4. Système de gestion des permissions et rôles granulaires 5. Pipeline de déploiement automatisé avec environnements multiples 6. Monitoring performance et analytics d'utilisation des applications 7. Marketplace d'intégrations avec APIs externes et connecteurs 8. Formation des citizen developers et best practices governance 9. Évolution de plateforme vs développement custom et coût total 10. Stratégie de migration progressive depuis legacy applications

Tu es un expert en systèmes d'archivage électronique et gestion du cycle de vie de l'information. Optimise l'architecture suivante pour garantir la valeur probante : [VOLUME DE DONNÉES ET TYPES DE DOCUMENTS À ARCHIVER] Système d'archivage probant : 1. Analyse des exigences réglementaires (NF Z42-013, eIDAS, RGPD) 2. Architecture de stockage immuable et journalisation complète 3. Système de scellement électronique et horodatage qualifié 4. Gestion des formats pérennes et stratégies de migration 5. Indexation sémantique et recherche avancée dans archives 6. Plan de conservation et élimination automatisé conformément aux lois 7. Sécurité renforcée et contrôle d'accès granulaire par rôles 8. Sauvegardes géo-redondantes et plan de reprise sinistre 9. Interface de versement et consultation avec traçabilité complète 10. Audit de conformité et certification par tiers de confiance

Je dois résoudre un problème complexe qui nécessite plusieurs étapes de raisonnement. Problème : [DESCRIPTION DÉTAILLÉE DU PROBLÈME]. Crée une chaîne de prompts (prompt chaining) structurée : 1. **Prompt 1 (Décomposition)** : Analyse et découpe le problème. 2. **Prompt 2 (Recherche)** : Gather les informations nécessaires. 3. **Prompt 3 (Synthèse)** : Combine et analyse les données. 4. **Prompt 4 (Solution)** : Génère la réponse finale. 5. **Prompt 5 (Validation)** : Vérifie la cohérence du résultat. Pour chaque prompt, précise : le rôle de l'IA, les inputs attendus, et les outputs.

Je dois résoudre un problème complexe nécessitant plusieurs étapes : [DÉCRIRE LE PROBLÈME COMPLEXE]. Agis comme un expert en prompt chaining. Conçois une chaîne de 3-5 prompts séquentiels : **Prompt 1 (Décomposition)** : Analyse le problème et le décompose en sous-tâches. **Prompt 2 (Exécution)** : Traite la première sous-tâche principale. **Prompt 3 (Itération)** : Prends le résultat du Prompt 2 et continue sur la sous-tâche suivante. **[Prompts supplémentaires si besoin]** **Prompt Final (Synthèse)** : Agrège tous les résultats en une réponse finale cohérente. Pour chaque prompt : - Objectif clair et unique - Format de sortie attendu - Comment les résultats du prompt précédent sont utilisés - Variables à passer au prompt suivant Teste la chaîne avec un exemple concret pour valider la cohérence.

Tu es un expert en prompt chaining et orchestration de workflows IA multi-étapes. Tâche complexe à chaîner : Objectif final : [DESCRIPTION OBJECTIF COMPLEXE] Étapes requises : [NOMBRE ET TYPE D'ÉTAPES] Contraintes : [COHÉRENCE/FORMAT/QUALITÉ] Modèle IA : [GPT-4/CLAUDE/LLAMA/etc] [DESCRIPTION DÉTAILLÉE DU PROJET] Architecture de prompt chaining : 1. **Décomposition** : Analyse de la tâche en sous-tâches logiques 2. **Séquencement** : Ordre optimal des étapes et dépendances 3. **Context preservation** : Techniques de maintien de cohérence 4. **Output formatting** : Structures standardisées entre étapes 5. **Error handling** : Gestion des échecs et fallbacks 6. **Quality gates** : Validation à chaque étape 7. **Optimization** : Réduction tokens, amélioration performance Génère : - Architecture complète de la chaîne de prompts - Chaque prompt individuel avec variables et contraintes - Schéma de flux de données entre étapes - Stratégies de préservation de contexte - Plan de testing et validation - Métriques de performance et qualité

Tu es un expert mondial en ingénierie de prompts avec 10 ans d'expérience. Applique les patterns avancés pour optimiser : [TÂCHE COMPLEXE À RÉSOUDRE] Patterns avancés à appliquer : **1. Chain-of-Thought (CoT) Évolué** - Décomposition hiérarchique du problème - Vérification intermédiaire à chaque étape - Auto-correction et backtrack intelligent **2. Tree-of-Thought (ToT)** - Génération de multiples chemins de raisonnement - Évaluation comparative des branches - Sélection du chemin optimal **3. Self-Reflection & Critique** - Génération initiale de la réponse - Auto-critique constructive (points faibles, améliorations) - Itération jusqu'à convergence **4. Few-Shot Learning Avancé** - Exemples soigneusement sélectionnés - Variation des cas (facile, moyen, difficile) - Explication du raisonnement derrière chaque exemple **5. Prompt Chaining Orchestral** - Séquence de prompts spécialisés - Passage d'état et contexte entre étapes - Validation et synchronisation **6. Contraintes et Gardrails** - Définition précise des limites opérationnelles - Mécanismes de sécurité intégrés - Gestion des cas limites Fournis le prompt optimisé final avec explication détaillée des patterns utilisés et leur impact attendu.

Tu es un expert en systèmes RAG avancés et optimisation de prompts pour récupération d'information précise. Développe un système pour : [CONTEXTE RAG ET OBJECTIFS DE PRÉCISION] Système RAG optimisé complet : 1. **Vector database optimization** : Optimisation base de données vectorielles avec embeddings spécialisés et indexing hiérarchique 2. **Hybrid retrieval strategies** : Stratégies récupération hybrides (dense + sparse) avec ranking optimal et fusion intelligente 3. **Context-aware prompt engineering** : Ingénierie prompts context-aware avec adaptation au contenu récupéré 4. **Chunking strategies optimization** : Optimisation stratégies de segmentation avec overlapping intelligent et boundaries sémantiques 5. **Query transformation techniques** : Techniques transformation requêtes (expansion, reformulation, décomposition) pour meilleure récupération 6. **Relevance scoring calibration** : Calibration scoring pertinence avec apprentissage continu et feedback utilisateur 7. **Multi-hop reasoning prompts** : Prompts raisonnement multi-sauts pour réponses complexes nécessitant multiple récupérations 8. **Citation and source attribution** : Système citation et attribution sources avec traçabilité et vérifiabilité 9. **Knowledge graph integration** : Intégration graphes connaissances pour structuration sémantique et relations contextuelles 10. **Performance monitoring dashboard** : Dashboard monitoring performance avec métriques précision, latence et satisfaction utilisateur Fournis l'architecture RAG complète, les stratégies d'optimization, et les métriques de performance.

Tu es un expert en ingénierie de prompts pour raisonnement multi-étapes. Concevais un prompt structuré pour : [TÂCHE COMPLEXE REQUIÉRANT RAISONNEMENT LOGIQUE] Architecture de raisonnement multi-étapes : 1. **Problem decomposition** : Décomposition du problème complexe en sous-problèmes gérables et dépendances 2. **Logical framework definition** : Définition du cadre logique (induction, déduction, abduction) approprié 3. **Step-by-step reasoning template** : Template guidant le raisonnement étape par étape avec validation 4. **Chain of thought optimization** : Optimisation du chain of thought avec checkpoints et vérifications 5. **Evidence integration protocol** : Protocole d'intégration des preuves et validation de leur pertinence 6. **Contradiction detection system** : Système de détection automatique des contradictions et résolution 7. **Alternative solution exploration** : Exploration systématique des solutions alternatives et évaluation comparative 8. **Confidence scoring mechanism** : Mécanisme de scoring de confiance pour chaque étape du raisonnement 9. **Final synthesis framework** : Cadre de synthèse finale intégrant toutes les conclusions intermédiaires 10. **Error correction protocol** : Protocole de correction des erreurs de raisonnement avec backtracking intelligent Fournis le prompt structuré, les mécanismes de validation et les stratégies d'amélioration continue.

Tu es un expert en optimisation de prompts et ingénierie LLM avancée. Développe une suite pour :\n\n[CONTEXTE LLM ET OBJECTIFS D'OPTIMISATION]\n\nSuite optimisation prompts complète :\n1. **Prompt template library** : Bibliothèque templates optimisés avec catégorisation domaine et patterns réutilisables\n2. **A/B testing framework** : Framework A/B testing prompts avec métriques performance et statistical significance\n3. **Performance analytics dashboard** : Dashboard analytics performance avec token efficiency, accuracy et latency tracking\n4. **Auto-prompt optimization** : Optimisation automatique prompts avec ML algorithms et reinforcement learning\n5. **Context window management** : Gestion fenêtre contexte avec compression intelligente et information preservation\n6. **Multi-LLM compatibility** : Compatibilité multi-LLM avec adaptation spécifique modèle et API abstraction\n7. **Collaborative prompt repository** : Repository collaboratif avec versioning, sharing et community contributions\n8. **Real-time prompt monitoring** : Monitoring temps réel prompts avec error detection and performance alerts\n9. **Cost optimization engine** : Moteur optimisation coûts avec token reduction strategies and usage analytics\n10. **Prompt versioning system** : Système versioning prompts avec rollback capabilities and change tracking\n\nFournis la suite complète, algorithmes optimisation, et métriques performance LLM.

Tu es un expert en ingénierie de prompts et optimisation LLM. Améliore ce prompt pour : [PROMPT ORIGINAL ET OBJECTIFS DE PERFORMANCE] Optimisation prompt complète : 1. **Clarity analysis** : Analyse de la clarté, ambiguïté et structures potentiellement confuses 2. **Context enrichment** : Ajout de contexte pertinent et examples pour guider l'IA 3. **Constraint specification** : Définition précise des contraintes, outputs attendus et formats 4. **Persona optimization** : Sélection et raffinement du persona optimal pour la tâche 5. **Chain-of-thought integration** : Intégration de reasoning étape par étape pour problèmes complexes 6. **Few-shot examples** : Sélection d'exemples pertinents pour few-shot learning 7. **Negative constraints** : Spécification explicite de ce qui ne doit PAS être généré 8. **Output formatting** : Définition claire du format de sortie attendu (JSON, markdown, liste...) 9. **Performance testing** : Stratégies de testing A/B pour validation améliorations 10. **Iterative refinement** : Processus d'amélioration continue basé sur résultats obtenus Fournis le prompt optimisé, les améliorations apportées et les métriques de performance attendues.

Je veux optimiser un prompt pour la tâche suivante : [DESCRIPTION TÂCHE]. Applique la méthodologie scientifique pour l'optimisation de prompts : 1. **Hypothèse initiale** : Prompt de base pour la tâche. 2. **Variable indépendante** : Élément modifié (ex: format, ton, contexte, exemples). 3. **Métrique de succès** : Comment mesurer la qualité (ex: score 1-10, accuracy). 4. **Tests A/B** : Conçois 3 variations du prompt en ne changeant qu'une variable. 5. **Analyse statistique** : Propose un protocole pour comparer les résultats. 6. **Conclusion** : Recommende le prompt optimal basé sur les données.

Tu es un expert en ingénierie de prompts et optimisation d'interactions avec les LLMs. Développe une stratégie pour :\n\n[CONTEXTE LLM ET OBJECTIFS DE PERFORMANCE]\n\nStratégie prompt engineering avancée :\n1. **Template optimization** : Création templates optimisés avec structure claire et variables dynamiques\n2. **Chain-of-thought prompting** : Techniques CoT pour raisonnement étape par étape et solutions détaillées\n3. **Few-shot learning design** : Conception exemples pertinents pour apprentissage rapide et adaptation contexte\n4. **Constraint engineering** : Définition contraintes précises pour guidage réponse et limites outputs\n5. **Format specification** : Spécification formatage sortie (JSON, XML, markdown) pour intégration systématique\n6. **Role persona development** : Développement personas spécifiques pour expertise domaine et ton cohérent\n7. **Temperature tuning strategies** : Stratégies ajustement température pour équilibre créativité/précision\n8. **Token efficiency optimization** : Optimisation utilisation tokens pour coûts réduits et réponses concises\n9. **Testing framework prompts** : Framework testing systématique avec A/B testing et métriques performance\n10. **Error handling prompts** : Conception prompts résilients avec gestion erreurs et fallback mechanisms\n\nFournis les templates optimisés, métriques performance et guide d'utilisation pratique.

Tu es un formateur expert en ingénierie de prompts. Crée un atelier pratique pour [NIVEAU PARTICIPANTS : débutants/intermédiaires/avancés] sur [DURÉE : heures/jours]. Atelier prompt engineering complet : **1. Programme Détaillé** : - Introduction aux LLM et leurs limites - Techniques fondamentales (role prompting, context setting) - Techniques avancées (Chain of Thought, Few-shot Learning) - Patterns et templates réutilisables - Optimisation et debugging de prompts - Cas pratiques par domaine d'application **2. Structure par Session** : - **Session 1** : Fondamentaux (2h) * Théorie : Principes des LLM * Pratique : Prompts simples vs optimisés * Exercice : Refactoring de prompts existants - **Session 2** : Techniques Intermédiaires (3h) * Chain of Thought et raisonnement étape par étape * Few-shot Learning avec exemples pertinents * Exercice : Création de prompts complexes - **Session 3** : Techniques Avancées (3h) * Tree of Thoughts et exploration multiple * Self-consistency et voting * Exercice : Résolution de problèmes complexes - **Session 4** : Spécialisation (2h) * Prompts pour [DOMAINE SPÉCIFIQUE] * Optimisation pour performance et coût * Projet final : Création d'un système de prompts **3. Matériel Pédagogique** : - Slides avec exemples visuels - Fiches récapitulatives des techniques - Exercices progressifs avec solutions - Templates de prompts réutilisables - Checklist d'optimisation **4. Évaluation et Validation** : - Quiz théorique par session - Exercices pratiques notés - Projet final avec présentation - Feedback personnalisé **5. Ressources Complémentaires** : - Liste d'outils et plateformes - Articles et documentation approfondie - Communauté et support post-formation - Cas d'usage réels et retours d'expérience Adapte le contenu au niveau des participants et inclue des exemples pertinents pour leur domaine d'activité.