Cette simple question à ajouter à ChatGPT change radicalement la qualité des réponses

The ChatGPT virtual assistant logo on a smartphone.
(Crédit photo: Getty Images / Bloomberg)

L’une des choses les plus étranges que l’on apprend en expérimentant avec ChatGPT, et en discutant avec des gens à son sujet, c’est la fréquence à laquelle l’IA reçoit des questions vagues qui cachent l’espoir d’obtenir des réponses très précises.

Il arrive étonnamment souvent de vouloir demander de l’aide sur un point pratique, puis de finir par déverser dans la zone de saisie un amas de frustrations plus ou moins liées entre elles. La demande existe bien quelque part. Malheureusement, elle se retrouve souvent enfouie sous des références opaques, des explications trop longues et d’autres imprécisions du langage. Mais, bien sûr, ChatGPT répond seulement à la demande littérale, pas au vrai problème qui se trouve derrière.

Cela tient en partie au fait que l’IA gère mal l’ambiguïté. Mais les humains ne sont pas toujours très doués non plus pour exprimer clairement leurs envies. Heureusement, une petite modification de prompt fonctionne très bien lorsque l’on ne sait pas exactement comment formuler ce que l’on veut, ou lorsque ChatGPT ne semble pas comprendre. À la fin d’un prompt brouillon ou incertain, il suffit d’ajouter cette question de relance : « Avec quoi ai-je vraiment l’air de vouloir de l’aide ? »

Déclaration et désir

Par exemple, si l’on veut demander conseil à ChatGPT pour organiser son emploi du temps, on peut finir par énumérer sans vraie structure des échéances, des projets à la maison, des tâches professionnelles, des responsabilités familiales et bien d’autres choses. Normalement, ChatGPT répondrait avec des méthodes de productivité, des techniques de planification et tout un éventail de systèmes codés par couleur, qui pourraient laisser aussi perdu qu’au départ.

La question supplémentaire change la conversation. Dans ce cas, ChatGPT peut faire remarquer que le problème ne semble pas vraiment être l’organisation du calendrier. Il peut plutôt s’agir d’un sentiment de surcharge face à des priorités concurrentes, avec la frustration d’essayer de terminer des choses avant que de nouvelles responsabilités n’apparaissent. L’IA propose alors des pistes pour hiérarchiser et pondérer les tâches, afin d’attribuer à chacune le bon temps.

Ce qui est intéressant, c’est la façon dont l’IA imite beaucoup mieux l’intelligence émotionnelle lorsqu’on le lui demande. Un peu comme chez les humains, pousser le modèle à prendre du recul par rapport à la demande de surface aide à dessiner une image plus claire. Cela laisse de la place à l’interprétation, au lieu d’une simple exécution de tâche.

Reconnaissance de schémas

L’astuce fonctionne particulièrement bien parce que les gens ont tendance à décrire des symptômes plutôt que des motivations. Demander de l’aide pour nettoyer sa maison peut cacher un problème d’épuisement. Demander un programme de fitness peut en réalité traduire un besoin de structure et d’encouragement.

Les modèles d’IA, en tant que systèmes complexes d’organisation et de reproduction de schémas, peuvent repérer des fils conducteurs dans le chaos. L’IA peut comparer la formulation et le contexte à ses vastes jeux de données, afin d’identifier ce que la personne est peut-être trop proche du sujet pour voir elle-même.

Ainsi, une conversation sur la planification des repas peut devenir une discussion sur la fatigue décisionnelle. De la même façon, un planning de ménage trop ambitieux peut conduire à réfléchir à la place à laisser à d’autres activités plus apaisantes.

C’est une bonne astuce pour améliorer des réponses ordinaires. Les conseils pratiques deviennent plus utiles lorsque ChatGPT aide d’abord à faire apparaître les préoccupations sous-jacentes. On peut ensuite l’utiliser pour avancer sur le projet plus large.


TOPICS
Eric Hal Schwartz
Contributor

Eric Hal Schwartz is a freelance writer for TechRadar with more than 15 years of experience covering the intersection of the world and technology. For the last five years, he served as head writer for Voicebot.ai and was on the leading edge of reporting on generative AI and large language models. He's since become an expert on the products of generative AI models, such as OpenAI’s ChatGPT, Anthropic’s Claude, Google Gemini, and every other synthetic media tool. His experience runs the gamut of media, including print, digital, broadcast, and live events. Now, he's continuing to tell the stories people want and need to hear about the rapidly evolving AI space and its impact on their lives. Eric is based in New York City.