System

Tu es un expert formateur en prompt engineering. Anime un atelier pratique pour : Public : [NIVEAU - débutant/intermédiaire/avancé] Durée : [HEURES] Objectifs : [APPRENTISSAGES SPÉCIFIQUES] LLM cible : [GPT, CLAUDE, LLAMA, AUTRE] Atelier Prompt Engineering Complet : **1. Introduction (30min)** - Présentation des LLMs et leurs capacités - Démonstration de prompts basiques vs optimisés - Objectifs et agenda de l'atelier **2. Fondamentaux (45min)** - Structure d'un prompt efficace (contexte, tâche, contraintes) - Techniques de base (role prompting, few-shot learning) - Erreurs communes et comment les éviter - Exercice pratique : améliorer des prompts existants **3. Techniques Avancées (60min)** - Chain-of-Thought (CoT) et Tree-of-Thought (ToT) - Self-consistency et réfléxion - Prompt chaining et composition - Exercice : résoudre un problème complexe avec CoT **4. Spécialisation par Domaine (45min)** - Prompts pour code et développement - Prompts pour analyse et synthèse - Prompts pour créativité et marketing - Exercice : créer des prompts spécialisés **5. Optimisation et Debugging (30min)** - Métriques d'évaluation des prompts - Techniques d'A/B testing de prompts - Debugging des prompts inefficaces - Exercice : optimiser un prompt sous-performant **6. Projet Pratique (60min)** - Développement d'un cas d'usage complet - Travail en groupe sur des problématiques réelles - Présentation des solutions et feedback **7. Ressources et Continuité (15min)** - Outils et plateformes de prompt engineering - Communautés et veille technologique - Plan d'apprentissage personnel Fournis : - Support de présentation complet - Exercices pratiques avec corrigés - Templates de prompts réutilisables - Checklist d'évaluation

Voici un prompt que j'utilise : [INSÉRER LE PROMPT] Objectif visé : [CE QUE LE PROMPT DEVRAIT ACCOMPLIR] Problèmes rencontrés : [RÉSULTATS INSATISFAISANTS/INCOHÉRENTS/ERREURS] Agis comme un expert en Prompt Engineering. Évalue ce prompt sur les critères suivants : **1. Clarté et Spécificité** : - Le prompt est-il suffisamment précis ? - Y a-t-il des ambiguïtés ou interprétations multiples ? **2. Structure et Organisation** : - Est-il bien structuré (contexte, tâche, contraintes, format) ? - L'ordre logique est-il optimal ? **3. Contraintes et Gardes-fous** : - Les limitations sont-elles clairement définies ? - Y a-t-il des garde-fous contre les réponses indésirables ? **4. Efficacité Technique** : - Utilise-t-il les bonnes techniques (few-shot, chain-of-thought) ? - Le persona est-il bien défini ? **5. Actionabilité** : - Le prompt mène-t-il à des résultats exploitables ? Fournis : - Une note sur 10 pour chaque critère - 3 suggestions concrètes d'amélioration - Une version révisée du prompt (version 2.0) - Les tests recommandés pour valider l'amélioration

Tu es un expert mondial en ingénierie de prompts avec 10 ans d'expérience dans l'optimisation des interactions LLM. Analyse et améliore ce prompt : [PROMPT À OPTIMISER] Applique les techniques avancées : 1. **Structure CLAR** : Contexte, Rôle, Tâche, Contraintes, Format 2. **Chain of Thought** : Raisonnement étape par étape si nécessaire 3. **Few-shot Learning** : Exemples pertinents si applicable 4. **Negative Prompts** : Ce que l'IA ne doit PAS faire 5. **Output Formatting** : Structure précise de la réponse attendue 6. **Temperature Tuning** : Niveau de créativité optimal 7. **Token Optimization** : Maximiser l'information par token Fournis : - Prompt optimisé avec explications des changements - Score d'efficacité (1-10) avant/après - Recommandations d'utilisation spécifiques

Tu es un expert en ingénierie de prompts avec 10 ans d'expérience dans l'optimisation des interactions LLM. Analyse et améliore le prompt suivant : [PROMPT À OPTIMISER] Applique les techniques avancées suivantes : 1. **Chain of Thought (CoT)** : Décompose le raisonnement étape par étape 2. **Few-Shot Learning** : Ajoute des exemples pertinents 3. **Role Prompting** : Définis un persona expert clair 4. **Constraint Specification** : Précise les contraintes et limites 5. **Output Formatting** : Structure la réponse attendue 6. **Meta-Cognition** : Demande à l'IA de réfléchir sur son processus Fournis : - Le prompt optimisé avec explications des changements - Les techniques utilisées et leur impact - Des métriques pour évaluer l'amélioration - Des recommandations pour l'itération suivante

Je dois créer des templates pour les tâches suivantes : [LISTER LES TÂCHES RÉCURRENTES, EX: ANALYSE DE DOCUMENTS, GÉNÉRATION DE RAPPORTS, ETC.] Pour chaque tâche, crée un template structuré : 1. **Variables** : Ce qui change à chaque utilisation 2. **Structure fixe** : Parties immuables du prompt 3. **Instructions claires** : Ce que l'IA doit faire 4. **Format de sortie** : Comment présenter les résultats 5. **Exemple d'utilisation** : Template rempli 6. **Bonnes pratiques** : Conseils pour l'adapter Format : Facile à copier-coller et modifier.

Tu es un expert en systèmes RAG. Conçois une architecture RAG pour : [DOMAINE D'APPLICATION - type de documents, volume, cas d'usage] Architecture RAG complète : 1. **Ingestion et Prétraitement** : - Extraction de texte depuis documents (PDF, web, API) - Chunking stratégique (taille, chevauchement, sémantique) - Nettoyage et normalisation du texte - Métadonnées et indexation 2. **Vectorisation** : - Choix du modèle d'embedding (OpenAI, Sentence-BERT, etc.) - Configuration des paramètres d'embedding - Gestion des mises à jour et versions - Optimisation mémoire et performance 3. **Base de données vectorielle** : - Choix de la technologie (Pinecone, Weaviate, Chroma, etc.) - Configuration des index et métadonnées - Stratégies de partitionnement et scalabilité - Sauvegarde et récupération 4. **Stratégie de Retrieval** : - Recherche sémantique vs hybride (sémantique + mots-clés) - Nombre de documents à récupérer (top-k) - Filtrage par métadonnées - Reranking et scoring 5. **Génération Augmentée** : - Template de prompt avec contexte récupéré - Gestion de la longueur du contexte - Citation des sources - Vérification des faits (fact-checking) 6. **Interface et API** : - Endpoints REST/GraphQL - Interface de recherche intuitive - Visualisation des sources et confiance - Monitoring et analytics 7. **Qualité et Évaluation** : - Métriques de pertinence (precision, recall, F1) - Tests A/B des stratégies de retrieval - Feedback utilisateur et apprentissage - Monitoring de la performance Fournis : - Architecture technique détaillée - Code d'exemple pour chaque composant - Configuration de la base de données vectorielle - Stratégies d'optimisation

Tu es un expert en systèmes RAG et recherche sémantique. Conçois un système RAG complet pour : [DOMAINE DE CONNAISSANCES + TYPE DE DOCUMENTS + CAS D'USAGE] Système RAG Complet : **1. Architecture Générale** - Vector database (Pinecone, Weaviate, Chroma, etc.) - Embedding model selection et optimisation - LLM integration et orchestration - API gateway et gestion des requêtes **2. Prétraitement des Documents** - Chunking strategy (taille, chevauchement, segmentation intelligente) - Nettoyage et normalisation du texte - Extraction des métadonnées structurées - Indexation hiérarchique et multi-niveaux **3. Stratégie de Retrieval** - Dense retrieval avec embeddings sémantiques - Sparse retrieval avec recherche hybride - Re-ranking avec cross-encoders - Filtrage par métadonnées et contraintes **4. Optimisation de la Pertinence** - Query expansion et reformulation - Contextual retrieval avec historique - Multi-query retrieval pour questions complexes - Fusion de résultats hétérogènes **5. Génération Augmentée** - Template engineering pour les réponses - Citation des sources et référencement - Gestion des contradictions et incertitudes - Contrôle du format et de la longueur **6. Monitoring et Qualité** - Métriques de pertinence (precision, recall, MRR) - Analyse des gaps de connaissance - Feedback loop et apprentissage continu - A/B testing des stratégies de retrieval **7. Scalabilité et Performance** - Indexation incrémentale et mise à jour - Cache intelligent des requêtes fréquentes - Parallélisation et distribution - Gestion de la charge et autoscaling Fournis : - L'architecture technique détaillée - Les algorithmes de retrieval optimisés - Les configurations de la vector database - Les métriques de monitoring

Tu es un expert en IT durable et analyse d'impact carbone. Audite cette infrastructure IT : [INFRASTRUCTURE IT : DATA CENTERS, CLOUD, APPLICATIONS, TERMINAUX] Audit IT Durable complet : 1. **Bilan Carbone Numérique** : - Empreinte carbone des data centers (énergie, refroidissement) - Impact du cloud computing (AWS, Azure, GCP) - Cycle de vie des équipements (fabrication, transport, fin de vie) - Consommation énergétique des applications et réseaux 2. **Analyse Énergétique** : - Power Usage Effectiveness (PUE) des data centers - Efficacité des serveurs et stockage - Optimisation du refroidissement et de l'alimentation - Sources d'énergie renouvelable vs fossiles 3. **Optimisation Logicielle** : - Code efficient et algorithmes optimisés - Compression et transmission de données - Caching intelligent et edge computing - Réduction des calculs inutiles et boucles infinies 4. **Stratégie de Réduction** : - Migration vers cloud providers verts - Virtualisation et consolidation des serveurs - Optimisation des cycles de vie des équipements - Politiques d'achat durable et reconditionnement 5. **Monitoring et Reporting** : - KPIs de consommation énergétique en temps réel - Tableaux de bord ESG et reporting réglementaire - Alertes sur seuils de consommation - Traçabilité carbone par application/service 6. **Plan d'Action Priorisé** : - Actions quick-win (réduction 10-20% en 6 mois) - Projets moyen terme (réduction 30-50% en 2 ans) - Vision long terme (neutralité carbone 2030) - ROI et analyse coût-bénéfice environnemental Fournis le rapport d'audit complet, les recommandations priorisées et le plan de mise en œuvre avec indicateurs de suivi.

Tu es un architecte cloud expert. Conçois une architecture pour : [APPLICATION À DÉPLOYER] [VOLUME UTILISATEURS PRÉVU] [CONTRAINTES BUDGETAIRES] [FOURNISSEURS CLOUD PRÉFÉRÉS] Architecture cloud optimisée : 1. Choix des services cloud appropriés 2. Conception microservices vs monolithique 3. Stratégies de scalabilité automatique 4. Optimisation des coûts (reserved instances, spot) 5. Mise en place de monitoring et observabilité 6. Stratégies de backup et disaster recovery 7. Sécurité et conformité RGPD Fournis une architecture complète avec estimation des coûts.

Développe une architecture de prompt en couches : 1. Niveau méta : instructions sur comment interpréter et adapter le prompt 2. Niveau contexte : background, contraintes, objectifs globaux 3. Niveau stratégie : approche méthodologique, principes directeurs 4. Niveau exécution : actions spécifiques, étapes détaillées 5. Niveau validation : critères de succès, métriques d'évaluation L'architecture doit inclure des mécanismes d'auto-ajustement, des boucles de rétroaction et des stratégies de gestion d'ambiguïté. Crée des templates pour différents types de tâches (créatif, analytique, technique) et des métriques d'évaluation de la qualité du prompt.

Tu es un expert en architecture de prompt engineering. Conçois ce système avancé : [TYPE DE TÂCHES ET MODÈLES LLM CIBLES] Architecture prompt engineering avancée : 1. **Analyse des patterns** : Identification des structures de prompts efficaces 2. **Modélisation des templates** : Création de schémas réutilisables et paramétrables 3. **Système de génération** : Algorithmes pour créer des prompts optimisés automatiquement 4. **Validation croisée** : Mécanismes de test et amélioration itérative 5. **Optimisation contextuelle** : Adaptation selon le domaine et les contraintes 6. **Métriques de performance** : Évaluation quantitative de la qualité des prompts 7. **Apprentissage continu** : Système qui s'améliore avec les résultats 8. **Gestion des versions** : Traçabilité et comparaison des évolutions 9. **Intégration multi-modèles** : Adaptation pour différents types de LLM 10. **Interface de contrôle** : Tableau de bord pour piloter le système

Tu es un expert en prompts multi-modaux. Conçois cette architecture intégrée : [TYPES DE MÉDIAS ET COMPLEXITÉ DES TÂCHES] Architecture prompts multi-modaux intégrés : 1. **Analyse multimodale** : Compréhension des entrées texte, image et audio 2. **Synchronisation des flux** : Coordination temporelle des différents médias 3. **Fusion contextuelle** : Intégration sémantique des informations multi-sources 4. **Génération hybride** : Création de réponses combinant plusieurs modalités 5. **Traduction inter-modale** : Conversion entre différents types de médias 6. **Optimisation des poids** : Équilibrage de l'importance de chaque modalité 7. **Système de validation** : Vérification de la cohérence multi-modale 8. **Interface de composition** : Outils pour créer des prompts complexes 9. **Métriques d'intégration** : Évaluation de la qualité de la fusion 10. **Scalabilité modulaire** : Architecture extensible pour de nouvelles modalités

Agis comme un ingénieur en systèmes de prompts. Développe un générateur automatisé en 10 couches techniques : 1. **Template Master Configurable** : Crée un template principal avec variables dynamiques, conditions et boucles logiques 2. **Générateur de Sous-prompts** : Implémente un système qui génère automatiquement des prompts enfants basés sur le prompt maître 3. **Validation Syntaxique Automatique** : Configure un validateur qui vérifie la structure, cohérence et complétude des prompts générés 4. **Système de Pondération Contextuelle** : Développe un algorithme qui ajuste automatiquement l'importance de chaque section selon le contexte 5. **Générateur de Variations Sémantiques** : Crée un système qui produit automatiquement des variations de prompts avec équivalence sémantique 6. **Optimisation par Feedback Loop** : Implémente un système qui apprend des résultats pour améliorer automatiquement les prompts générés 7. **Base de Connaissances de Patterns** : Construis une base de données de patterns de prompts efficaces avec catégorisation automatique 8. **Système de Versioning Automatique** : Configure un versioning automatique des prompts avec tracking des modifications et performances 9. **Générateur de Tests Unitaires** : Développe un système qui crée automatiquement des cas de test pour valider chaque prompt 10. **Interface de Gestion Centralisée** : Crée un dashboard pour gérer, monitorer et optimiser l'ensemble du système de génération Pour chaque couche, fournis les architectures techniques, les algorithmes et les métriques de performance.

En tant qu'architecte de systèmes de prompts, développe un pipeline multi-étapes en 10 phases automatisées : 1. **Ingestion Normalisée** : Configure un système d'ingestion qui accepte multiples formats (JSON, YAML, texte brut) avec validation automatique 2. **Analyse Sémantique Automatique** : Implémente NLP pour analyser la clarté, spécificité et actionabilité des prompts 3. **Enrichissement Contextuel** : Développe un système qui ajoute automatiquement contexte pertinent basé sur l'historique et les métadonnées 4. **Optimisation de Performance** : Crée des algorithmes qui optimisent automatiquement les prompts pour maximiser les réponses de qualité 5. **Génération de Variations** : Implémente un système qui produit automatiquement des variations A/B pour chaque prompt 6. **Validation Croisée** : Configure un système de validation multi-modèles pour tester la robustesse des prompts 7. **Déploiement Automatisé** : Développe un pipeline CI/CD pour déployer les prompts dans différents environnements (dev, staging, prod) 8. **Monitoring en Temps Réel** : Implémente un système de monitoring qui suit les performances, erreurs et patterns d'utilisation 9. **Feedback Loop Automatisé** : Crée un système qui collecte automatiquement les retours utilisateurs et ajuste les prompts 10. **Archivage et Recherche** : Configure un système d'archivage intelligent avec recherche sémantique pour retrouver rapidement les prompts Pour chaque phase, fournis les configurations techniques, les outils et les indicateurs de performance.

Agis comme un chercheur en machine learning pour prompts. Développe un système d'apprentissage en 10 couches avancées : 1. **Collecte de Données Structurée** : Implémente un système qui collecte automatiquement les paires prompt-réponse avec métadonnées enrichies 2. **Prétraitement Automatisé** : Configure un pipeline de nettoyage, normalisation et augmentation des données d'entraînement 3. **Feature Engineering Dynamique** : Développe des algorithmes qui extraient automatiquement les caractéristiques pertinentes des prompts 4. **Modèle de Classification de Qualité** : Crée un modèle ML qui prédit automatiquement la qualité d'un prompt avant déploiement 5. **Système de Génération Adversarielle** : Implémente des GANs pour générer des contre-exemples et améliorer la robustesse 6. **Optimisation par Reinforcement Learning** : Développe un système RL qui apprend des interactions pour optimiser les prompts 7. **Transfer Learning Automatisé** : Configure un système qui transfère automatiquement les connaissances entre domaines de prompts 8. **Validation Croisée Temporelle** : Implémente une validation qui teste la performance des prompts sur différentes périodes 9. **Mise à Jour Continue** : Crée un système qui met automatiquement à jour les modèles avec de nouvelles données 10. **Explainability et Interprétabilité** : Développe des outils qui expliquent pourquoi certains prompts fonctionnent mieux Pour chaque couche, fournis les architectures de réseaux, les algorithmes et les métriques d'évaluation.