Zero-shot

Qu’est-ce que le zero-shot ?

Zero-shot signifie « zéro essai », autrement dit zéro exemple. Vous donnez la tâche au modèle et rien d’autre : « résume ce mail », « traduis ce texte en espagnol », « ce message est-il une réclamation ? ». Sans lui montrer au préalable la réponse attendue.

Que cela fonctionne est l’une des grandes nouveautés des grands modèles de langage. Auparavant, pour classer des messages, il fallait entraîner un modèle sur des milliers d’exemples étiquetés. Aujourd’hui, un modèle généraliste comprend la consigne et s’en sort correctement du premier coup, parce qu’il a vu énormément de textes semblables pendant son entraînement.

Comment ça marche

Le modèle ne dispose que de la consigne et de ses connaissances. Il interprète la demande et répond ce qui lui paraît le plus probable. D’où un avantage et un risque :

• Avantage : c’est rapide à mettre en place et ça consomme peu de tokens, puisque le prompt est court.
• Risque : le modèle comble avec son propre jugement tout ce que vous n’avez pas précisé. Si votre manière de classer ou d’écrire est particulière, il ne la devinera pas.

Quand le zero-shot ne suffit pas, l’étape suivante est en général le few-shot : ajouter deux ou trois exemples. Pour les tâches qui demandent plusieurs étapes de réflexion, il aide aussi de demander au modèle de raisonner avant de répondre, avec le chain of thought.

Exemple

Une agence immobilière de Montpellier reçoit des demandes depuis les portails et son site. Elle veut savoir d’un coup d’œil si le contact veut acheter, louer ou vendre. Elle essaie d’abord sans exemple :

Lis le message et réponds par un seul mot :
acheter, louer ou vendre.
Si ce n'est pas clair, réponds « incertain ».
Message : « {message} »

Pour la plupart des messages, c’est juste : la différence saute aux yeux. Le modèle se trompe en revanche sur certains investisseurs qui demandent des appartements déjà loués pour les acheter. L’agence ajoute un exemple de ce cas et passe au few-shot. Commencer en zero-shot lui a permis de repérer les vraies erreurs.

Ce que cela change pour votre entreprise

La règle pratique : commencer simple. Testez la tâche sans exemple, regardez les erreurs et n’ajoutez des exemples que là où ça coince. Vous savez ainsi ce qu’apporte chaque modification.

Un agent IA comme ceux d’UTIO ne dépend pas que de la consigne : il répond avec ce qu’il sait de votre activité. Creator le crée en lisant votre site et l’agent démarre en mode brouillon, pour que vous relisiez ses premières réponses. Pour tester vous-même des tâches en zero-shot sur vos textes, l’API d’IA génère et classe du texte avec vos propres prompts.