Le Chain of Thought Prompting, ou comment résoudre des sujets complexes avec l’IA :

Qu’est ce que le chain of thought prompting ?

Le « chain of thought prompting » ou raisonnement par chaîne de pensées est une technique utilisée dans l'interaction avec des modèles de langage, comme Chat GPT, Copylot et consorts, pour résoudre des problèmes complexes. Au lieu de poser une question directe à l’IA, l’utilisateur cherche à la guider à travers une série de réflexions intermédiaires ou d'étapes de raisonnement qui mènent à la réponse finale.

🔎 Quels avantages ?

Les avantages du chain of thought :

1️⃣ Nuance

2️⃣ Précision

3️⃣ Contrôle du raisonnement

⬇️ Quels cas d’usages ?

Le chain of thought est particulièrement adapté à des tâches qui requièrent une analyse en profondeur, ou des décisions basées sur des raisonnements multiples. Voici quelques exemples de tâches pour lesquelles la technique est utile :

1. Résolution de problèmes intégrant de la donnée : Elle aide à décomposer les étapes de calcul et à expliquer comment obtenir la solution étape par étape.
2. Analyse de texte et rédaction : en guidant le modèle à travers une série de réflexions sur le contenu, les thèmes clef, les implications ou encore la structure et le tone of voice, le chain of thought peut permettre de développer un contenu plus nuancé et personnel.
3. Scénarios complexes et stratégie : pour les sujets impliquant plusieurs variables ou critères de décision, le chain of thought permet d’intégrer progressivement les différentes métriques dans le raisonnement. D’un modèle simple à un facteur, vous pouvez ainsi tendre vers un modèle plus complexe.
4. Programmation et débogage : Expliquer le raisonnement derrière un bout de code ou résoudre des bugs en décomposant le problème en sous-parties plus gérables.

Chain of Thought : un exemple de projet.

Vous êtes un responsable RH dans le secteur de la tech. Vous constater une augmentation du turnover au sein de votre entreprise. Vous souhaitez élaborer la V1 d’un plan d’action pour réduire ce turnover.

Usage de la réflexion en chaîne :

Segmentez votre réflexion en sous-objectifs que vous classez en étapes.

1️⃣ Comprendre les causes du turnover :

“Quelles sont les principales raisons du départ des employés selon les données des entretiens de sortie ?”

Votre input : La data récolté au sein de l’entreprise en exemple. (chiffres sur les départs, KPIs liés au taux de turnover, salaires, formation, facteurs exogènes…)

2️⃣ Évaluer les politiques actuelles : “Comment les politiques de l'entreprise en matière de travail à distance, de reconnaissance et de développement professionnel sont-elles perçues ?” Votre input : La data liée à des questionnaires anonymisés et distribués en interne.

3️⃣ Identifier les stratégies à mettre en place: ”Quelles stratégies peuvent être mises en place pour améliorer l'engagement des employés ? Peut-on offrir plus de flexibilité ou de meilleures opportunités de croissance ?”

Votre input : Inspiration de cas d’études de marché, projets d’expérimentation en interne, première idéations.

4️⃣ Définir les facteurs de succès : ”Comment implémenter ces changements et quelles métriques utiliser pour suivre leur efficacité ? Propose moi 3 KPI clefs qui pourraient m’aider à mesurer le succès des nouvelles stratégies. Pourquoi sont-ils adaptés, et quelles sont leurs potentielles limites ?”

🍿 Le Chain of Thought, en bref :

Le chain of thought prompting permet de décomposer un objectif complexe en une série de raisonnement plus facilement assimilables. Chaque étape permet d'explorer un aspect du problème, d'accumuler des informations pertinentes, et de tendre progressivement vers la solution finale. La méthode aide à clarifier le processus de pensée, à assurer que tous les aspects importants sont pris en compte, et à formuler une réponse ou une stratégie robuste avec l’IA.

Pour en savoir plus :

6 techniques de prompt experts pour les RH

ChatGPT : les meilleurs prompts et conseils pour maximiser sa productivité