GSP1151

Présentation

Cet atelier présente le prompt engineering (ingénierie des requêtes) et les bonnes pratiques pour concevoir des requêtes efficaces afin d'améliorer la qualité des réponses générées par les LLM. Vous allez apprendre à créer des requêtes concises, spécifiques et bien définies, qui se concentrent sur une tâche à la fois. L'atelier aborde également des techniques avancées, comme la conversion de tâches génératives en tâches de classification et l'utilisation d'exemples pour améliorer la qualité des réponses. Pour en savoir plus, consultez la documentation officielle sur la conception de requêtes.

Gemini

Gemini est une famille de modèles d'IA générative puissants développés par Google DeepMind, capables de comprendre et de générer plusieurs formes de contenu, comme du texte, du code, des images, du son et des vidéos.

API Gemini dans Vertex AI

L'API Gemini dans Vertex AI fournit une interface unifiée pour interagir avec les modèles Gemini. Elle permet aux développeurs d'intégrer facilement ces puissantes fonctionnalités d'IA dans leurs applications. Pour connaître les dernières actualités et les fonctionnalités spécifiques des versions les plus récentes, veuillez consulter la documentation officielle sur Gemini.

Modèles Gemini

• Gemini Pro : conçu pour les tâches de raisonnement complexe, par exemple :
  • l'analyse et la synthèse de grands volumes d'informations ;
  • le raisonnement multimodal sophistiqué (sur du texte, du code, des images, etc.) ;
  • la résolution efficace de problèmes à l'aide de codebases complexes.
• Gemini Flash : optimisé pour être rapide et efficace, il offre :
  • des temps de réponse inférieurs à une seconde et un haut débit ;
  • une qualité élevée à moindre coût pour une grande variété de tâches ;
  • des fonctionnalités multimodales améliorées, dont une meilleure compréhension spatiale, de nouvelles modalités de sortie (texte, audio, images) et l'utilisation native d'outils (recherche Google, exécution de code et fonctions tierces).

Prérequis

Avant de commencer cet atelier, vous devez :

• avoir des connaissances de base en programmation Python ;
• connaître les concepts généraux sur les API ;
• savoir exécuter du code Python dans un notebook Jupyter dans Vertex AI Workbench.

Objectifs

Dans cet atelier, vous allez apprendre à effectuer les tâches suivantes :

• découvrir le prompt engineering avec le SDK Google Gen AI ;
• apprendre à appliquer les bonnes pratiques de conception des requêtes, y compris la concision, la spécificité et la définition des tâches ;
• utiliser le SDK Google Gen AI pour appliquer la génération de texte à différents scénarios :
  • Idéation
  • Systèmes de questions-réponses
  • Classification de texte
  • Extraction de texte
  • Synthèse de texte

Préparation

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Des identifiants temporaires vous sont fournis pour vous permettre de vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

• Vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome).

Remarque : Ouvrez une fenêtre de navigateur en mode incognito (recommandé) ou de navigation privée pour effectuer cet atelier. Vous éviterez ainsi les conflits entre votre compte personnel et le compte temporaire de participant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.

• Vous disposez d'un temps limité. N'oubliez pas qu'une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.

Remarque : Utilisez uniquement le compte de participant pour cet atelier. Si vous utilisez un autre compte Google Cloud, des frais peuvent être facturés à ce compte.

Démarrer l'atelier et se connecter à la console Google Cloud

1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, une boîte de dialogue s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau "Détails concernant l'atelier", qui contient les éléments suivants :

   • Le bouton "Ouvrir la console Google Cloud"
   • Le temps restant
   • Les identifiants temporaires que vous devez utiliser pour cet atelier
   • Des informations complémentaires vous permettant d'effectuer l'atelier

2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée si vous utilisez le navigateur Chrome).

   L'atelier lance les ressources, puis ouvre la page "Se connecter" dans un nouvel onglet.

   Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

   Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

   {{{user_0.username | "Username"}}}

   Vous trouverez également le nom d'utilisateur dans le panneau "Détails concernant l'atelier".

4. Cliquez sur Suivant.

5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

   {{{user_0.password | "Password"}}}

   Vous trouverez également le mot de passe dans le panneau "Détails concernant l'atelier".

6. Cliquez sur Suivant.

   Important : Vous devez utiliser les identifiants fournis pour l'atelier. Ne saisissez pas ceux de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

7. Accédez aux pages suivantes :

   • Acceptez les conditions d'utilisation.
   • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
   • Ne vous inscrivez pas à des essais sans frais.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour accéder aux produits et services Google Cloud, cliquez sur le menu de navigation ou saisissez le nom du service ou du produit dans le champ Recherche.

Tâche 1 : Ouvrir le notebook dans Vertex AI Workbench

1. Dans la console Google Cloud, accédez au menu de navigation () et cliquez sur Vertex AI > Workbench.

2. Recherchez l'instance , puis cliquez sur le bouton Ouvrir JupyterLab.

L'interface JupyterLab de votre instance Workbench s'ouvre dans un nouvel onglet de navigateur.

Tâche 2 : Configurer le notebook

1. Ouvrez le fichier .

2. Dans la boîte de dialogue Select Kernel (Sélectionner le kernel), sélectionnez Python 3 dans la liste des kernels disponibles.

3. Parcourez les sections Getting Started (Premiers pas) et Import libraries (Importer des bibliothèques) du notebook.

   • Pour Project ID (ID du projet), utilisez et pour Location (Emplacement), utilisez .

Remarque : Vous pouvez ignorer les cellules du notebook avec la mention Colab only (Colab uniquement). Si l'exécution d'une cellule renvoie l'erreur 429, patientez une minute avant de la réexécuter pour poursuivre.

Cliquez sur Vérifier ma progression pour valider l'objectif.

Installer les packages et importer les bibliothèques

Tâche 3 : Découvrir les bonnes pratiques de prompt engineering

Le prompt engineering (ou ingénierie des requêtes) consiste à concevoir des requêtes de façon à obtenir la réponse souhaitée. En simplifiant votre requête, vous réduisez le bruit et donc la possibilité que le LLM interprète mal son intention. Vous trouverez ci-dessous quelques conseils pour créer des requêtes simples.

Dans cette section, vous découvrirez les bonnes pratiques de prompt engineering suivantes :

• Être concis
• Être clair et précis
• Demander une tâche à la fois
• Inclure des exemples pour améliorer la qualité des réponses
• Transformer les tâches génératives en tâches de classification pour plus de sécurité

1. Parcourez la section Être concis du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Être concis

2. Parcourez la section Être clair et précis du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Être clair et précis

3. Parcourez la section Demander une tâche à la fois du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Demander une tâche à la fois

4. Parcourez la section Repérer les hallucinations du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Repérer les hallucinations

Tâche 4 : Réduire la variabilité du résultat

Comment réduire le risque d'obtenir des réponses hors sujet et des hallucinations ? Vous pouvez par exemple fournir des instructions système au LLM. Dans cette section, vous allez découvrir comment fonctionnent les instructions système et comment les utiliser pour réduire les hallucinations ou les réponses hors sujet pour un chatbot de voyage.

1. Parcourez la section Utiliser des instructions système pour empêcher le modèle de fournir des réponses hors sujet du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Utiliser des instructions système pour empêcher le modèle de fournir des réponses hors sujet

2. Parcourez la section Transformer les tâches génératives en tâches de classification pour réduire la variabilité du résultat du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Les tâches génératives augmentent la variabilité du résultat

3. Parcourez la section Les tâches de classification réduisent la variabilité du résultat du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Les tâches de classification réduisent la variabilité du résultat

Tâche 5 : Inclure des exemples pour améliorer la qualité des réponses

Vous pouvez également améliorer la qualité des réponses en ajoutant des exemples à votre requête. Le LLM apprend en contexte à partir des exemples de réponses. En général, un à cinq exemples (appelés "shots") suffisent pour améliorer la qualité des réponses. Si vous incluez trop d'exemples, le modèle risque de surajuster les données, ce qui peut réduire la qualité des réponses.

Comme pour l'entraînement classique de modèle, la qualité et la distribution des exemples sont très importantes. Choisissez des exemples représentatifs des scénarios qui vous intéressent, et veillez à ce que la distribution des exemples (comme le nombre d'exemples par classe dans le cas de la classification) corresponde à votre distribution réelle.

1. Parcourez la section Inclure des exemples pour améliorer la qualité des réponses du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Inclure des exemples pour améliorer la qualité des réponses

Félicitations !

Félicitations ! Dans cet atelier, vous avez découvert les bonnes pratiques du prompt engineering avec Google Gemini et vous avez exploré des cas d'utilisation de l'IA générative qui appliquent ces bonnes pratiques (à savoir être concis, être clair et précis, fournir des exemples et demander une tâche à la fois).

Étapes suivantes et informations supplémentaires

Consultez les ressources suivantes pour en savoir plus sur Gemini :

• Présentation de Gemini
• Documentation sur l'IA générative sur Vertex AI
• Chaîne YouTube sur l'IA générative
• Livre de recettes Vertex AI, doté d'un index de recherche et proposant une sélection de notebooks pour l'IA générative
• Dépôt Google Cloud pour l'IA générative, contenant d'autres notebooks et exemples

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 15 mai 2025

Dernier test de l'atelier : 15 mai 2025

Copyright 2025 Google LLC. Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.