LLM on Simple Enough Blog

Écrire un Prompt : Guide Technique

Fri, 18 Apr 2025 11:02:00 +0100

I. Comprendre ce qu’ est un prompt dans LangChain

Dans LangChain, un prompt représente une structure textuelle destinée à guider un modèle de langage. Un prompt bien construit intègre plusieurs composants essentiels :

Instruction : Ce que vous demandez explicitement au modèle.
Context : Informations supplémentaires permettant de cadrer la réponse.
Input Data : Les données d’entrée spécifiques à chaque exécution.
Output Indicator : Ce que vous attendez comme type de sortie.

Ce format permet de formuler des requêtes claires, encadrées, et reproductibles. Voici un autre exemple utilisant LangChain en Python avec cette structure :

J'hallucine avec Langchain

Mon, 07 Apr 2025 09:22:00 +0100

I Qu’est-ce qu’une hallucination ?

Une hallucination désigne une réponse générée par un modèle de langage qui est factuellement incorrecte, inventée, ou qui interprète mal la réalité. Cela peut aller d’un détail erroné à une citation fictive, en passant par une pure invention technique ou historique.

Exemple :

“Einstein a découvert la relativité générale en 1975.”

C’est faux (c’était en 1915), mais le modèle peut produire ce type d’assertion s’il n’a pas la bonne contrainte contextuelle ou s’il est trop confiant dans son raisonnement.

1000 le nombre magique dans le monde des LLM

Wed, 26 Mar 2025 09:05:00 +0100

I. Taille des chunks : pourquoi ~1000 tokens ?

La valeur par défaut de 1000 tokens par chunk n’est pas arbitraire :

Un chunk de cette taille contient généralement assez d’information pour être sémantiquement cohérent, sans être trop lourd.
Il reste compatible avec les fenêtres contextuelles des LLMs modernes (4k, 8k, 32k voire 1M tokens).
Il évite de diluer la compréhension ou de casser des unités de sens.

Certains cas nécessitent des tailles différentes :