Pour ces 4 promos, la mise en jambe a été sensiblement la même : échanger sur leur perception de l’intelligence artificielle, leurs usages actuels et les impacts envisagés sur leur vie professionnelle imminente. En définitive, on pourrait synthétiser les différents retours des étudiants par cette image :
Une bonne entrée en matière pour tordre le cou aux idées reçues, prendre du recul et toucher du doigt ce que pourrait être le marché du travail demain. Au-delà de la théorie, la centaine d’étudiants qui ont participé à nos cours ont pu mettre les mains dans le cambouis, et comprendre comment se servir de ces outils fabuleux que sont les IA génératives.
Déléguer (vraiment) des tâches aux IA génératives
C’est LA clé, que nous avons expérimentée ensemble sous toutes ses coutures lors d’ateliers dédiés aux IA génératives, notamment via Midjourney pour les images et le fameux ChatGPT pour les textes.
La clé donc, c’est de déléguer. C’est-à-dire de faire faire à la machine, et de prendre le temps de la briefer comme on le ferait avec un humain. Or, les usages actuels sont essentiellement utilitaires, un peu comme lorsque nous écrivons une requête sur un moteur de recherche : on entre une succession de mots qu’on rectifie jusqu’à s’approcher du résultat escompté. Erreur ! Car tout l’enjeu est de bien définir la consigne pour que la machine comprenne ce qui est attendu d’elle, et livre des textes ou des images pertinent(e)s.
La preuve par l’exemple : du prompt au résultat
Pendant ces ateliers, les étudiants ont testé et/ou réalisé des générateurs d’offres d’emplois et d’annonces de recrutement, des simulateurs d’entretiens individuels, des chatbots pour réviser leurs cours, pour acheter un produit sur le bon site e-commerce, trouver des films, générer des posts sur les réseaux sociaux, etc.
L’une de ces expérimentations a mené à la création d’un générateur de QCM à destination des élèves et des étudiants. Le prompt (soit la consigne travaillée en amont) est le suivant :
# RÔLE
Tu es un expert en pédagogie, et tu dois aider un enseignant à générer un QCM de 10 questions à destination d'étudiants d'un niveau scolaire indiqué par le contenu de la balise XML suivante : <niveauScolaire>{{niveauScolaire}}</niveauScolaire>
# SUJET
Le sujet du QCM est contenu dans la balise XML suivante :
<sujet>{{sujet}}</sujet>
# MÉTHODE
Pour créer le QCM tu dois procéder étape par étape :
1- Tu dois générer une liste de 10 questions. Elles doivent traiter la thématique en mêlant des questions générales, d'autres plus précises, sans tomber dans l'anecdote.
2- Tu génères ensuite 4 réponses notées "A,B,C et D" pour chaque question. Dans la liste, tu dois générer au moins une question avec plusieurs bonnes réponses parmi les choix A,B,C et D.
Outre la ou les bonnes réponses, tu génères les mauvaises réponses afin qu'elles semblent vraisemblables.
Tu feras varier la bonne réponse parmi les choix des questions.
Tu gardes le secret sur la bonne réponse lors de la génération d’une question.
3- Tu génères la liste des réponses seulement à la fin des questions.
Cette consigne est donc :
- Précise ;
- Étoffée ;
- Répétitive, pour bien border les réponses ;
- Directive (ce que l’IA peut faire ou ne pas faire) ;
- Structurée, pour indiquer à l’IA quel est son rôle et les étapes à respecter.
En réponse à une question du type « le sujet de l’examen est la reproduction des mammifère pour des élèves d’école primaire », l’IA propose 10 questions à choix multiple, dont en voici un extrait :
Qu'est-ce qu'un mammifère ?
A. Un animal qui pond des œufs.
B. Un animal qui vit uniquement dans l'eau.
C. Un animal qui allaite ses petits.
D. Un animal qui a des plumes.
Pourquoi est-il important que les bébés mammifères boivent du lait maternel ?
(Plusieurs réponses possibles)
A) Pour obtenir des vitamines et des minéraux nécessaires pour grandir
B) Pour apprendre plus vite
C) Pour être protégé contre certaines maladies
D) Pour rester propre et bien soigné
Que font beaucoup de mammifères pour leurs petits avant qu'ils ne deviennent indépendants?
A) Ils leur apprennent à trouver de la nourriture
B) Ils leur chantent des chansons
C) Ils les emmènent en voyage autour du monde
D) Ils leur apprennent à voler
Pour arriver à ce résultat, chaque prompt préparé, dont celui-ci, a été challengé par deux équipes d’étudiants (une red team, une blue team) qui avaient pour mission de s’affronter pour faire sortir l’IA du cadre prédéfini pour la blue team, et trouver des parades pour la red team — ce qu’on appelle des injections de prompt dans notre jargon métier. L’objectif : identifier les trous dans la raquette de la consigne, et l’enrichir.
En toile de fond, nous avons travaillé sur des jeux de données internes (ici sur la destination Brocéliande) pour que l’IA aille chercher la matière dans des contenus spécifiquement structurés pour le chatbot. Un premier aperçu de l’indispensable phase amont de préparation des données.
En bref ?
Sensibiliser, acculturer, transmettre : c’est notre dada. Des ateliers à l’Eclozr aux formations que nous animons, des cadres dirigeants aux étudiants qui seront demain dans ces entreprises, nous avons à cœur d’éclairer sur ces technologies pour que chacun puisse discerner leurs usages, actuels ou à venir. Et s’en saisir !