Module
Module 2 sur 4Leçon 2 sur 5~13 min

Comprendre ce que fait un LLM quand vous le promptez

Quand une IA invente un chiffre ou ignore une consigne, relancer la demande ne sert à rien tant que vous ignorez d'où vient l'erreur. Cette leçon explique le fonctionnement d'un grand modèle de langage en termes utiles pour un PM, afin de relier chaque défaut à sa cause et de choisir la bonne correction plutôt que de reformuler au hasard.

Suivre cette leçon : première formation offerteVoir le programme complet

Objectif de la leçon

À la fin de cette leçon, vous serez capable de rattacher une erreur d'IA à sa cause (prédiction, connaissances, mémoire de travail, suivi des consignes, complaisance) et de choisir la parade adaptée plutôt que de relancer la même demande.

Thèmes abordés

  • fonctionnement d'un LLM
  • hallucinations de l'IA
  • fenêtre de contexte
  • complaisance des LLM
  • erreurs de l'IA

Dans quel module

Déléguer, décrire, vérifier

Comment obtenir d'une IA générative un résultat fiable, et savoir quand ne pas lui faire confiance ?

Leçons du module

  1. Choisir ce que vous confiez à l'IA
  2. Comprendre ce que fait un LLM quand vous le promptez (cette leçon)
  3. Décrire la tâche dans un prompt structuré
  4. Quatre techniques qui changent le résultat
  5. Vérifier et itérer avec discernement

Ce que vous apprendrez dans la formation

Cette leçon fait partie de la formation Prompter comme un PM : déléguer, décrire, vérifier

  • Décider, pour une tâche de votre cycle produit, s'il faut la confier à l'IA, sous quel mode (automatisation, augmentation, agent) et ce que vous gardez.
  • Expliquer les comportements d'un LLM (prédiction, connaissances datées, mémoire de travail, suivi des consignes) pour anticiper ses erreurs et choisir la parade.
  • Rédiger un prompt qui décrit le livrable, la démarche et les critères de qualité, avec contexte, données délimitées et exemples si besoin.
  • Évaluer une sortie d'IA (contenu, démarche, comportement) avec des critères explicites, puis l'améliorer par itérations ciblées.
  • Produire avec l'IA des livrables PM (synthèse de retours, persona, guide d'entretien, user stories) à partir de données réelles, et en vérifier la fidélité.
  • Configurer des instructions permanentes et un assistant dédié à une tâche récurrente, le tester sur des cas réels et décider quand passer à un agent.
  • Appliquer des règles de diligence (données partagées, transparence, responsabilité) avant d'utiliser ou de diffuser un travail produit avec l'IA.

Formations liées