Approfondissement · module 72 de 100
Chain-of-thought et guidage du raisonnement
Demande au modèle de raisonner étape par étape.
Après cette leçon
Tu peux écrire un prompt qui force le modèle à réfléchir par étapes.
En image · Étape par étape
Une explication que tu peux vérifier
Nomme les données, les hypothèses et le résultat souhaité.
Demande des résultats intermédiaires importants, des hypothèses ou une courte explication de la conclusion.
Recalcule les chiffres ou vérifie les sources ; une explication plausible peut être erronée.
Partie 1 de 3 · Délimite le problème
Ta préférence pour moins de mouvement est prise en compte. Choisis chaque partie toi-même.
Qu'est-ce que le chain-of-thought ?
Le modèle est invité à montrer ses étapes avant de parvenir à une réponse.
Quand est-ce utile ?
Pour les questions complexes, les calculs ou les décisions impliquant plusieurs facteurs.
Attention
Le raisonnement peut paraître convaincant mais contenir tout de même des erreurs. Vérifie les étapes.
Nouvel exemple d'exercice
De l'explication à un résultat utilisable.
Demande une justification vérifiable et des résultats intermédiaires ; un long récit de réflexion ne prouve pas l'exactitude.
Situation d'exercice fictiveUne réponse fictive affirme que trois sessions de 45 minutes durent ensemble deux heures. En dessous se trouve une longue explication qui semble convaincante.
Voir une résolution possible
Voici comment faire
Demande le calcul avec l'unité : 3 × 45 = 135 minutes, donc 2 heures et 15 minutes. Vérifie cela toi-même. Tu n'as pas besoin d'obtenir les étapes de raisonnement internes cachées du modèle pour détecter cette erreur.
Pourquoi cela fonctionne
Le calcul visible est vérifiable. Plus de texte sur le processus de réflexion n'est pas un substitut au contrôle du résultat.
Rends cela un peu plus difficile
Lors d'un résumé, réfléchis à quel résultat intermédiaire est vérifiable, par exemple une liste d'affirmations avec les passages de la source correspondants.
Entraîne-toi davantage, à ton rythme. Tu n'as rien à envoyer. Cela ne compte pas comme une évaluation automatique.
Ton lieu de travail · apprendre par la pratique
Crée quelque chose. Regarde ce qui change.
Vérification de la connexion IA en cours… Tu peux déjà consulter l'exemple écrit.
Présente ta mission à Ende.
Lis la réponse, change une seule chose et compare.
Version précédente
Nouvelle version
Tu gardes le contrôle
Que veux-tu améliorer dans ta prochaine tentative ?
Uniquement sur cet appareil. Les réponses de l’IA restent uniquement dans la mémoire de cette page. Il s'agit d'un auto-contrôle, pas d'une note.
Pourquoi cette approche fonctionne
Le calcul visible est vérifiable. Plus de texte sur le processus de réflexion n'est pas un substitut au contrôle du résultat.
Une étape de plus
Lors d'un résumé, réfléchis à quel résultat intermédiaire est vérifiable, par exemple une liste d'affirmations avec les passages de la source correspondants.
Un prompt pour commencer
Résous ce problème étape par étape. Montre chaque étape avant de parvenir à une conclusion. Problème : [problème].
Applique-le
Tu compares deux options fictives. Tu veux pouvoir vérifier le résultat sans demander une longue chaîne de raisonnement cachée.
Quelle approche correspond le mieux à cette situation ?
- Demande les données utilisées, les hypothèses, une brève justification et des calculs vérifiables.
- Considère un long raisonnement comme une preuve que la réponse est correcte.
- N'accepte qu'une conclusion sans données ni hypothèses.
Avec JavaScript, tu peux contrôler ton approche et recevoir un feedback immédiat.
Teste ta compréhension
Quel est l'avantage du chain-of-thought ?
- Le modèle ne fait plus jamais d'erreurs.
- Tu vois le raisonnement et tu peux le vérifier.
- C'est toujours plus rapide.
S'entraîner davantage
Écris un prompt qui demande un raisonnement étape par étape pour une décision ou un calcul.
« Détermine étape par étape si ce devis correspond à notre budget. Montre chaque évaluation. »
