30 minutesOutils IA que vous utiliserez quotidiennement (Et comment les utiliser)
Identifier des étapes distinctes du flux et créer pour chacune des critères de sélection d'outils vérifiables.
Tina Huang. Tina présente un cadre en cinq parties — tâche, contexte, références, évaluation et itération — ainsi que quatre techniques d'itération. Ces éléments peuvent aider à rédiger un schéma candidat, mais les exemples d'agents et de chaîne de pensée reflètent l'époque et le contexte du cours. Testez tout schéma extrait sur des cas représentatifs avant de l'ajouter à une bibliothèque approuvée.
Utilisez ce cadre comme un document historique à tester, pas comme une norme complète de bibliothèque. L'approbation doit dépendre de votre modèle actuel, de la politique, de la limite des données et des résultats d'évaluation.
Extraire une structure candidate de prompt, puis ajouter responsabilité, versionnage, évaluation, limites et solution de repli avant la revue.
Être déjà à l’aise pour rédiger ses propres prompts ; il s’agit ici de les transformer en ressources partagées.
Dernière révision : 11 août 2026
Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.
30 minutesIdentifier des étapes distinctes du flux et créer pour chacune des critères de sélection d'outils vérifiables.
25 minutesAjouter un rôle, des sections structurées et des étapes de réflexion explicites à un prompt sans transformer la chaîne de pensée en rituel.
28 minutesComprendre un récit historique de o1, puis comparer une spécification directe de la tâche à d'autres variantes prises en charge sur votre modèle et votre charge actuels.
Des cours externes sélectionnés pour approfondir ce sujet.
Isa Fulford · Andrew Ng
Quinze minutes de cours peuvent remplacer une année d'intuition. Si vous avez commencé à écrire du code qui appelle un grand modèle de langage (LLM), ou prévoyez de le faire, c'est le cours en ligne le plus efficace pour passer de « jouer avec ChatGPT » à « déployer une fonctionnalité qui appelle un LLM ».
Microsoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.
Dr. Jules White
Le complément universitaire au cours court de DeepLearning.AI : même discipline, parcours plus long et contenu destiné aux personnes qui ne programment pas. Le Dr White enseigne la conception de prompts sous la forme de modèles réutilisables plutôt que d'astuces. Après ce cours, vous saurez rédiger des consignes pour les LLM comme un concepteur, et non comme un devin.