Les conseils de Microsoft pour un prompt de qualité

Depuis l’annonce par Microsoft de la sortie d’une nouvelle version de son navigateur Edge boostée par l’IA, les regards sont tournés vers BingChat, l’accès intégré à GPT-4, devenu récemment multimodal, avec l’intégration de Bing Image Creator (voir Qant du 5 mai ainsi que du 8 février). Pourtant, comme pour chaque outil d’IA générative, Bing n’est souvent pas exploité à 100% de ses capacités. La faute à un manque de précisions des prompts (ou invites) rédigés par les utilisateurs. Un phénomène dont est bien conscient Microsoft, qui vient de publier sur son blog un billet intitulé “L’art du prompt : comment obtenir le meilleur de l’IA générative”. Nous avons décidé de tester les conseils de Microsoft pour utiliser au mieux le premier modèle multimodal ouvert au public. Cela concerne donc à la fois des prompts permettant d’obtenir des réponses écrites, mais également des images grâce à Bing Image Creator.

Les premiers conseils distillés par Microsoft concernent Bing Image Creator, et plus précisément les détails à intégrer à son invite pour obtenir le résultat souhaité. Le style de l’image est par exemple cité : demander un dessin au crayon, une peinture à l’huile ou une photographie photo réaliste ne donnera pas le même résultat. Demandons par exemple à Microsoft Bing une peinture à l’huile de la ville de Paris vue du ciel.

A noter que le prompt a été rédigé en français, sans que cela n’affecte la qualité de l’image obtenue.

Bing Image Creator partage de nombreuses astuces de création avec son rival Midjourney. Par exemple, on retrouve l’utilisation du vocabulaire de la photographie, qui fait également ses preuves dans Midjourney (voir Qant Expert du 5 mai) : l’angle de vue et la luminosité sont ainsi cités. L’ordre dans lequel les différents composants de votre image apparaissent dans l’invite joue sur l’image. En donnant comme invite : “Une étagère avec des livres, des crayons de couleurs et des photographies”, on obtient l’image ci-dessous, dans laquelle on voit que les livres sont plus mis en avant que les crayons de couleurs, eux-mêmes plus voyants que les photos. Le résultat est différent lorsque l’on cite les crayons en premier, ou les photographies.

Après l’image, place au texte.

Bing propose désormais trois modes de réponse aux questions de l’utilisateur: “Plus créatif”, “Plus équilibré” et “Plus précis”. Le premier mode est ainsi plus adapté si l’utilisateur souhaite obtenir une histoire, un poème ou même une blague, alors que le troisième se concentrera sur les faits et fournira une réponse succincte et précise. Le mode précis est à privilégier pour éviter les “hallucinations”, ces informations erronées que le chatbot donne comme vraies. En effet, en choisissant cette option, l’utilisateur obtient une réponse qui s’ancre plus sur des sources fiables, et est donc moins propice aux erreurs ou approximations. A noter que Bing fournit les différentes sources utilisées pour obtenir sa réponse, et que ces dernières peuvent être consultées à travers des liens cliquables.

Pour aller plus loin dans la recherche de la précision, il est également conseillé d’éviter les questions ouvertes. Ainsi, aux questions de type “Qu’est-ce que”, privilégiez la forme fermée : “Explique moi tel sujet en deux paragraphes, en te concentrant sur tel angle”. De même, il peut être utile d’indiquer le niveau de compréhension de l’utilisateur : le modèle n’explique en effet pas de la même manière s’il s’adresse à un enfant de dix ans ou à un chercheur. Enfin, il est toujours utile de rappeler que Bing permet désormais de fournir différents formats, comme par exemple des tableaux ou des organigrammes, et bien sûr différentes tailles de texte.

Il en est de même pour le code, où la règle est la même que partout : plus l’utilisateur est précis, mieux le chatbot comprend ce qu’il doit faire. Il est donc opportun de préciser le langage de programmation souhaité, le framework, l’API, etc.

Voici pour conclure différents prompts rentrés sur Bing et leur résultat, en suivant les conseils distillés par Microsoft. Dans le mode précis : “Explique moi le principe de la blockchain comme si j’étais un enfant de huit ans, en utilisant des mots simples, et en utilisant au maximum cinq phrases.” Le robot répond alors : “La blockchain est une technologie qui permet de partager des informations entre plusieurs utilisateurs de manière sécurisée1. C’est comme un grand livre où tout le monde peut écrire et voir ce que les autres ont écrit2. Les informations sont protégées grâce à un système de codes secrets3. Cela permet de s’assurer que personne ne peut tricher ou modifier les informations4. C’est comme un jeu où tout le monde peut jouer et vérifier que les règles sont bien respectées !”

Pour cette réponse, Bing utilise quatre sources, qui sont respectivement l’Inria (Institut national de recherche en sciences et technologies du numérique), le ministère de l’économie, le site Oracle.com ainsi que celui du magazine Capital.

Dans le mode “Plus créatif”: “Ecris un quatrain comique en alexandrins sur l’intelligence artificielle, dans le style de Victor Hugo” donne :

*“L’intelligence artificielle *

*Est un prodige sans pareil *

*Elle peut créer des merveilles *

Sans être apiculteur, on pourra considérer qu’il reste quelques progrès à faire.

M. de R.