Glossaire IA · Prompts
Few-shot
En une phrase
Le few-shot est une technique de prompt qui consiste à glisser quelques exemples déjà résolus dans la consigne, pour que le modèle d'IA reproduise le format, le ton ou le critère attendu sans avoir à le réentraîner.
Autres noms: few-shot prompting · apprentissage à partir de quelques exemples · prompt avec exemples · in-context learning
Qu’est-ce que le few-shot ?
Montrer est parfois plus simple qu’expliquer. Vous pouvez décrire en un paragraphe le ton de votre entreprise, ou montrer trois réponses qui vous plaisent. Le few-shot, c’est la seconde option : placer dans le prompt quelques exemples d’entrée et de sortie pour que le modèle reproduise le même schéma.
Passez à la pratique
Des agents IA pour répondre à vos clients
Dès 49 €/mois + TVA
Voix, WhatsApp et e-mail avec la ligne incluse : agent, numéros et CRM dans le même abonnement.
Voir les tarifsLe terme vient de l’anglais few shots, « quelques essais ». Il s’oppose au zero-shot, où le modèle reçoit la tâche sans aucun exemple. Les modèles de langage actuels sont très doués pour imiter un schéma présent dans leur contexte, et le few-shot exploite précisément cette capacité.
En lien avec ce terme
Agents UTIO
- Disponibles 24h/24 en 26 langues
- Le monter vous-même : 0 €, à partir de votre site
- 14 jours d'essai sans carte
Dès 49 €/mois + TVA
Voir les tarifsComment ça marche
Le modèle n’apprend pas au sens strict : rien ne change à l’intérieur. Les exemples se trouvent dans sa fenêtre de contexte et orientent la réponse. C’est aussi pour cela qu’ils se paient en tokens à chaque appel.
Cela fonctionne mieux quand :
- Les exemples sont variés : un facile, un ambigu, un qui pose souvent problème.
- Le format est identique partout : même structure, mêmes étiquettes.
- Aucun schéma accidentel ne peut être copié, par exemple toutes les réponses « positif ».
C’est utile pour classer, extraire des données dans un format fixe ou garder un style d’écriture constant.
Exemple
Un domaine viticole du Bordelais reçoit beaucoup de messages via son site et veut les étiqueter pour les répartir : visite, achat, professionnel ou autre. Avec la seule consigne, le modèle hésite sur les messages de restaurateurs. Avec trois exemples, il n’hésite plus :
Classe le message : visite, achat, professionnel ou autre.
Message : « Vous faites des dégustations samedi pour 6 personnes ? »
Catégorie : visite
Message : « J'ai un restaurant à Arcachon et je voudrais votre rouge à la carte. »
Catégorie : professionnel
Message : « Vous pouvez m'envoyer 2 cartons du rosé à Paris ? »
Catégorie : achat
Message : « {nouveau message} »
Catégorie :L’exemple du restaurant fait toute la différence : il montre le critère qui posait problème.
Ce que cela change pour votre entreprise
Le few-shot est le moyen le plus rapide de corriger une IA qui ne saisit pas votre critère. Si vous relisez les réponses d’un agent IA et qu’il se trompe toujours sur le même type de cas, un bon exemple règle souvent mieux le problème qu’une règle de plus.
Chez UTIO, l’agent démarre en mode brouillon : vous relisez ce qu’il propose, et ces corrections servent de matière première pour l’affiner. Si vous développez vos propres outils, l’API d’IA d’UTIO génère et classe du texte avec les prompts que vous lui envoyez, exemples compris.
Questions fréquentes
Combien d'exemples mettre dans un prompt few-shot ?
Deux à cinq suffisent en général. Davantage d'exemples améliore la précision jusqu'à un certain point, mais chaque exemple consomme des tokens à chaque appel. L'important est qu'ils soient variés et couvrent les cas qui prêtent à confusion.
Few-shot et fine-tuning, c'est la même chose ?
Non. En few-shot, les exemples sont dans le prompt et le modèle ne change pas. Le fine-tuning réentraîne le modèle sur un grand nombre d'exemples. Le few-shot se teste en quelques minutes ; le fine-tuning se justifie avec des centaines d'exemples ou de gros volumes.
Que veut dire one-shot ?
C'est le cas d'un seul exemple. Zero-shot, c'est sans exemple ; few-shot, avec quelques-uns.
Termes associés
- Zero-shot
On parle de zero-shot quand un modèle d'IA accomplit une tâche à partir de la seule consigne, sans aucun exemple préalable. Il y parvient grâce à tout ce qu'il a appris pendant son entraînement.
- Prompt
Un prompt est l'instruction ou le texte que l'on donne à un modèle d'IA pour obtenir quelque chose : une question, une consigne, un document à résumer ou un mélange des trois. La qualité de la réponse dépend en grande partie du prompt.
- Prompt engineering
Le prompt engineering, ou ingénierie de prompts, consiste à concevoir, tester et ajuster les instructions données à un modèle d'IA pour qu'il réponde correctement de façon stable, et pas seulement une fois.
- Fine-tuning
Le fine-tuning (ajustement fin) consiste à réentraîner un modèle d'IA déjà pré-entraîné sur un petit ensemble d'exemples propres, afin de le spécialiser dans une tâche, un format ou un style précis sans repartir de zéro.
- Classification de texte
La classification de texte est la tâche d'IA qui attribue automatiquement une ou plusieurs catégories à un texte, comme un e-mail ou un message : type de demande, sujet, priorité ou langue. C'est la base pour trier, prioriser et répartir le travail.
Mis à jour le