Quand tu veux un format précis, montrer est plus efficace qu'expliquer. Tu as sans doute déjà détaillé minutieusement un format attendu… pour obtenir tout autre chose.
Le few-shot règle ça : tu donnes quelques exemples du résultat voulu, et l'IA s'y conforme. Voici comment t'en servir.
— 1 / 4Le principe : montrer plutôt qu'expliquer.
Décrire un format avec des mots laisse toujours de l'interprétation : « court », « structuré », « professionnel » sont flous. Montrer deux ou trois exemples du résultat exact que tu veux supprime cette ambiguïté — l'IA calque le motif plutôt que d'interpréter ta description.
Voici comment construire de bons exemples.
— 2 / 6Zero-shot, one-shot, few-shot.
Le vocabulaire technique distingue trois niveaux selon le nombre d'exemples que tu donnes. Connaître ces trois niveaux te permet de choisir le bon en fonction de la complexité de ta demande.
La règle pratique : commence en zero-shot. Si le format n'est pas bon, ajoute un exemple. Si l'IA ne saisit toujours pas, passe à 2-3 exemples. Tu n'as quasiment jamais besoin de plus.
— 3 / 6Le modèle du Few-Shot Prompt.
La structure d'un Few-Shot prompt est toujours la même : tu poses le contexte minimal, tu donnes 2-3 paires « entrée → sortie », puis tu donnes ton vrai entrée. L'IA complète automatiquement avec le bon sortie.
Note la dernière ligne : tu termines par « Sortie : » sans rien après. C'est le signal qui invite l'IA à compléter. Elle va naturellement écrire la classification, sans rien d'autre, parce que c'est le schéma qu'elle a vu dans les exemples.
Cette technique est tellement efficace pour les tâches de classification que beaucoup d'entreprises l'utilisent en production via API. Pas besoin d'entraîner un modèle dédié — quelques exemples bien choisis suffisent.
— 4 / 6Les cas d'usage où Few-Shot brille.
Few-Shot n'est pas la technique universelle. Sur certains types de tâches, son impact est marginal. Sur d'autres, c'est la seule technique qui donne des résultats fiables. Voici les 4 cas où Few-Shot est le bon outil.
— 5 / 6Combien d'exemples utiliser ?
Plus n'est pas toujours mieux. Au-delà d'un certain seuil, les exemples supplémentaires diluent au lieu d'aider. Voici la règle observée en 2026 sur les principaux modèles.
1 exemple : si la tâche est intuitive
Pour les formats simples ou les tâches que l'IA pourrait deviner avec un seul indice. « Voici un mail dans le style que je veux. Maintenant rédige-en un autre sur ce sujet. ». Souvent suffisant pour la rédaction stylisée. Économique en tokens.
2 à 3 exemples : la zone optimale
Le sweet spot pour la grande majorité des cas. 2-3 exemples permettent à l'IA d'identifier les variations possibles d'un même schéma. Tu couvres assez de cas pour qu'elle généralise sans dériver. C'est le réglage par défaut quand tu hésites.
4 à 5 exemples : pour les tâches complexes
Justifié quand la tâche a beaucoup de variations légitimes que tu veux toutes couvrir. Classification avec cas limites, transformation où plusieurs structures sont valides selon l'entrée. Au-delà de 5, tu commences à payer en tokens et en attention sans gagner en qualité.
Plus de 5 : à éviter
Plus de 5 exemples diluent l'attention de l'IA et augmentent le coût en tokens sans amélioration mesurable. Si tu sens que 5 exemples ne suffisent pas, c'est que la tâche est trop floue ou trop variée — il vaut mieux la décomposer en plusieurs prompts plus simples avec leurs propres exemples ciblés.
Trois exemples bien choisis valent mieux que dix exemples moyens.
— 6 / 6Les pièges à éviter.
Piège 1 : les exemples non représentatifs
L'IA va imiter tes exemples. Si tes exemples contiennent une erreur, un biais, ou une formulation atypique, elle reproduira l'erreur, le biais, ou la formulation. Le test : choisis des exemples que tu serais content de voir reproduits 100 fois. C'est exactement ce qui va arriver.
Cas typique du piège : tu donnes 3 exemples de mails très formels. L'IA va générer un mail très formel, même si tu lui as précisé en contexte que tu voulais un ton décontracté. Les exemples l'emportent toujours sur les instructions textuelles. Tes exemples doivent refléter exactement ce que tu veux.
Piège 2 : les exemples trop similaires
Si tes 3 exemples sont quasi identiques, l'IA n'a pas appris à généraliser — elle a appris à reproduire. Quand tu lui donnes un entrée différent, elle force le résultat dans le même moule, même si ce n'est pas adapté.
La règle : tes exemples doivent couvrir des cas différents tout en partageant la même structure. Pour la classification de retours clients, ne donne pas 3 exemples de bugs : donne un bug, une suggestion, un éloge. La diversité est ce qui apprend à l'IA à reconnaître les frontières entre catégories.
Piège 3 : oublier le marqueur de fin
Si tu termines par « Sortie : » et que l'IA voit qu'il manque la valeur, elle complète. Si tu oublies cette ligne et que tu termines juste par « voilà, à toi de faire pareil », l'IA peut faire n'importe quoi : commenter tes exemples, te demander des précisions, ou produire un résultat hors format.
Le marqueur de fin (« Sortie : », « Réponse : », « Classification : ») signale clairement que c'est à elle de compléter avec un résultat de la même nature que les exemples précédents. Ne l'oublie jamais.
Piège 4 : utiliser Few-Shot pour de la créativité
Few-Shot impose un schéma. C'est exactement l'inverse de ce que tu veux pour la créativité. Si tu donnes 3 exemples de slogans publicitaires, l'IA va te livrer un quatrième slogan dans le même registre — pas un slogan original. Pour la créativité, reste en zero-shot avec un bon contexte.
Avec les modèles 2026 (Claude Opus 4.7, GPT-5.5, Gemini 3.1 Pro), Few-Shot est moins critique qu'à l'époque de GPT-3 ou GPT-3.5. Les modèles actuels comprennent mieux les instructions textuelles et déduisent souvent le format correct sans exemples. Mais pour les tâches de classification, de format strict, et d'imitation de style, Few-Shot reste la technique la plus fiable. Ne l'oublie pas dans ta boîte à outils.
Tu connais maintenant les deux techniques cœur du art du prompt moderne : Chain of Thought (raisonnement) et Few-Shot Prompting (format). Le prochain article est l'article-pilier de la rubrique : « Ask Me Questions First », la technique inverse — au lieu de tout dire à l'IA, lui demander de te poser des questions avant de répondre. Le meilleur ratio simplicité/impact de la rubrique.
5 points sur le Few-Shot Prompting.
- 2-3 exemples bien choisis sont souvent plus efficaces que 200 mots d'instructions. Montrer bat expliquer.
- Trois niveaux : zero-shot (0 exemple, défaut), one-shot (1 exemple, simple), few-shot (2-5 exemples, optimal).
- Few-Shot brille sur la classification, le format strict, l'imitation de style, et les tâches contre-intuitives.
- Tes exemples doivent être parfaits et diversifiés. L'IA va exactement les imiter — y compris leurs défauts.
- Évite Few-Shot pour la créativité. Il impose un schéma, ce qui est l'opposé de ce que tu veux pour des idées originales.