➡️ Découvrez en même temps que moi comment Google Gemini aide à simplifier les tâches complexes – comme la fusion de contenus longs – grâce à son immense fenêtre contextuelle.

Cette session vous explique aussi le concept d’autoréférence, et comment s’en servir pour conserver la cohérence de votre style d’écriture. En bonus: apprenez intuitivement les meilleures pratiques (économie de ressources, séparation des instructions et du contenu, prompts hybrides…) pour gagner en efficacité avec l’IA.

---

Comme je l’ai mentionné dans ma précédente vidéo, ChatGPT n’est pas la seule IA générative sur le marché. Nous avons notamment vu comment utiliser Claude Opus pour générer des améliorations de texte bien cadrées. Cependant, Claude Opus a un coût élevé, et ses performances varient selon les tâches.

La fenêtre contextuelle de l’IA, pourquoi ça compte?

On en a déjà parlé dans le chapitre sur les tokens, mais je pense que vous ne serez pas contre une petite piqûre de rappel. 💉

Pour simplifier, considérez la fenêtre contextuelle comme la mémoire à court terme de l’IA. Elle détermine combien d’informations l’IA peut traiter et analyser en une seule fois. De la même manière, une IA avec une plus grande fenêtre contextuelle a plus de chances de vous fournir une réponse plus détaillée et nuancée.

Dans le cas de Google Gemini Pro 1.5, cette fenêtre contextuelle est environ cinq fois plus grande que celle de Claude Opus, d’après les derniers comparatifs officiels. Cela signifie que Google Gemini peut lire et comprendre beaucoup plus de texte à la fois. Cette capacité permet à Gemini d’analyser des documents plus longs sans perdre le fil des informations importantes.

De plus, Gemini est nettement moins cher, ce qui le rend particulièrement attrayant pour les utilisateurs (comme moi…) ayant besoin de traiter de grandes quantités d’informations sans exploser leur budget. C’est pourquoi, pour cet exercice en particulier, je vous propose d’utiliser Gemini Pro 1.5.

Un exercice pratique de fusion d’articles

Si vous connaissez un peu le monde du blogging, alors vous ne serez pas surpris d’apprendre qu’on produit parfois des articles extrêmement longs. Un article « long », c’est genre jusqu’à 6000 mots. Vous imaginez le challenge pour analyser de tels contenus avec l’IA… Et pire encore si on veut fusionner des articles! Et pourtant, c’est bien le défi que je vous invite à relever. 😐

Oui mais moi toujours pas comprendre… Quel intérêt de fusionner des articles? 🔥

Il peut y avoir plusieurs avantages à savoir fusionner des articles:

• 1. Enrichissement du contenu : En combinant deux articles, on peut couvrir un sujet de manière plus exhaustive et offrir une perspective plus complète aux lecteurs.
• 2. Optimisation du SEO : Un article plus long et riche en informations a souvent de meilleures performances en termes de référencement naturel (SEO). Google a tendance à favoriser les contenus qui apportent une valeur significative aux utilisateurs.
• 3. Cohérence thématique : Fusionner des articles sur des sujets proches permet de créer un contenu plus cohérent, structuré, mais surtout plus engageant.

Ce ne sont là que quelques raisons… Je suis sûr que vous trouverez vous-même plein d’autres applications possibles de la fusion, une fois que vous saurez exécuter la manoeuvre.

Comment fusionner des articles avec l’IA?

Tout d’abord, comprenez bien que la qualité de l’output va beaucoup dépendre de la puissance de l’IA utilisée et de la largeur de sa fenêtre contextuelle. Donc c’est même pas la peine d’essayer avec GPT-3.5 ou la version gratuite de ChatGPT, vous allez obtenir un piètre résultat. C’est d’ailleurs pour cette même raison que je vous invite à utiliser Gemini Pro 1.5 de Google, qui s’est avéré plus performant que GPT-4o et Claude Opus pour cette tâche spécifique.

L’auto-référence : un concept clé pour maintenir un style cohérent

En termes simples, l’instruction d’auto-référence permet à l’IA de comprendre et de reproduire le style d’écriture du contenu d’origine (le texte-source), afin d’assurer que l’output final respecte ce même style même si de nouvelles informations sont ajoutées entre-temps.

Tu es un spécialiste de la rédaction en langue française, et ton rôle est de m’aider à améliorer les contenus que je te donne.

Dans un premier temps, je veux que tu fasses une analyse de contenu: apprends la structure, le format, le style, et le ton du langage utilisé dans le contenu que je vais écrire dans le prochain prompt. On appellera ce contenu le texte-source.

Mon prochain prompt contient le contenu que tu vas m’aider à améliorer. L’objectif est d’ajouter environ 250 mots à ce texte-source, tout en restant fidèle au contenu initial et à sa structure de base.

Est-ce que vous voyez la différence avec l’approche classique des modèles? Jusque-là, nous avons appliqué uniquement des modèles externes au contenu… alors qu’ici, on va demander explicitement à l’IA d’apprendre le modèle du contenu en cours pour maintenir un style d’écriture cohérent lors de la fusion avec un autre texte.

Vers un prompt hybride qui associe auto-référence et questionnement inversé

L’instruction mentionnée plus haut n’est pas encore complète. En effet, pour réaliser une fusion de contenu efficace, il faut exécuter un prompt hybride, c’est-à-dire un prompt de départ qui associe une instruction d’auto-référence AVEC des instructions de questionnement inversé de la manière suivante:

Une fois que tu auras analysé le texte-source, pose-moi une série de 2 à 3 questions afin que tu puisses mieux comprendre comment intégrer le contenu additionnel. Une seule question à la fois stp.

Ta première question doit être : « Quels sont les éléments de contenu additionnel? ». La deuxième question: « Est-il permis de modifier ou de reformuler les grandes idées du contenu additionnel? ». Adapte la troisième question en fonction de ma réponse à ces deux premières questions, si tu estimes avoir besoin d’explications ou de précisions en plus.

Si tu comprends les présentes instructions, réponds d’abord « ALEFA ». N’ajoute aucune autre information.

NOTE: Nous faisons ici face à un cas avancé. Pour mieux comprendre la structuration complexe du prompt de départ, il est essentiel d’avoir bien suivi les modules sur l’approche des modèles et le questionnement inversé. C’est aussi l’occasion de réviser tous les concepts que vous avez appris jusqu’ici. 😉

Dans cet exemple, l’auto-référence permet à l’IA d’apprendre la structure et le style du texte-source, tandis que le questionnement inversé sert à planifier l’ajout du contenu additionnel et à programmer la saisie des instructions de fusion ou d’optimisation.

Vous trouverez tous les détails dans le fichier d’exercice PDF ci-après:

Ce contenu est réservé aux membres. Cliquez ici pour avoir un accès complet.

Une itération programmée

Vous l’avez sûrement remarqué, les questions programmées dans le prompt de départ ne sont pas fortuites, loin de là:

• La première question « Quels sont les éléments de contenu additionnel? » permet de placer le texte à fusionner avec le premier.
• Et la deuxième question « Est-il permis de modifier ou de reformuler les grandes idées du contenu additionnel? » rend possible l’introduction de nouvelles instructions.

Et au final, cette manière de faire vous aide à bien séparer le contenu des instructions, une bonne pratique qu’on vient d’apprendre dans l’exercice précédent si vous vous souvenez. 😉

Vous pouvez ainsi construire un prompt d’itération très spécifique en fonction de l’output souhaité, presque indépendamment du prompt de départ… Et vous placez ce prompt en réponse à la deuxième question posée.

• QUESTION (IA): « Est-il permis de modifier ou de reformuler les grandes idées du contenu additionnel? »

• RÉPONSE (VOUS):

Oui, absolument. Sers-toi de ces grandes lignes comme source d’inspiration pour rédiger les 250 mots supplémentaires et les ajouter de manière intelligente au texte-source.

Voici les instructions détaillées:

– Reformule et adapte intelligemment le contenu additionnel, tout en conservant le sens global.
– Tu es libre de créer des sous-titres pertinents pour les nouveaux ajouts.
– Tu es libre de répartir ou d’inclure certaines phrases issues des nouveaux ajouts dans les paragraphes du texte-source, quand tu trouves que c’est pertinent.
– Veille cependant à garder toutes les phrases du texte-source telles quelles sans rien changer.
– Le texte final fusionné doit refléter parfaitement la structure, le format, le style, et le ton du langage utilisé par le texte-source.
– Afin d’aérer le texte et le rendre plus lisible, essaie de mettre à chaque fois les titres et les sous-titres ainsi que les paragraphes distincts à la ligne.
– Merci de mettre en relief (en gras ou surligné) les principales modifications que tu apportes. Reformule et adapte intelligemment le contenu additionnel, tout en conservant le sens global.

Vous voyez maintenant tout l’intérêt de bien peaufiner le prompt de départ. C’est quasiment une sorte de programmation informatique appliquée à l’optimisation du contenu.

D’abord, en associant différents types d’instruction dans un même prompt, vous pouvez accomplir des tâches très complexes. Ensuite, en programmant les itérations au moyen du questionnement dirigé, vous optimisez la conversation avec l’IA sans blabla inutile.

Des méthodes de travail optimisées

Permettez-moi d’insister… Ceci n’est pas un simple cours sur ChatGPT, il y a toute une philosophie d’utilisation de l’IA que j’essaie de vous partager – notamment sur l’économie de ressource-machine.

Pourquoi ramener le dialogue avec l’IA à son strict essentiel?

Plus le fil conversationnel s’allonge, plus l’IA consomme de ressource-machine. C’est particulièrement vrai lors du traitement de contenus volumineux, tels que des articles denses. Or, cela a aussi pour effet d’accroître le bilan carbone du côté des serveurs d’IA. Le mieux qu’on puisse faire en tant qu’utilisateur éco-responsable, cest donc de raccourcir la longueur des échanges.

Et pour réduire la longueur du fil conversationnel, il est préférable de programmer le maximum d’instructions possible dans le prompt de départ. Cela permet non seulement de limiter les allers-retours inutiles, mais aussi d’obtenir des outputs de qualité sans gaspiller ni votre temps, ni votre argent, ni les ressources du serveur.

L’exemple du modèle de notation Grevisse (voir les deux exercices précédents) illustre aussi cette stratégie d’optimisation. Une fois produit, le modèle est stocké dans un fichier séparé. De même, l’article optimisé avec l’aide du Grevisse est également mis dans un fichier distinct avant d’être réutilisé pour la présente fusion. Une telle manière de faire permet de simplifier les tâches à faire et de naviguer entre différents modèles d’IA, tout en raccourcissant le fil conversationnel principal.

Toujours viser la clarté

Autre rappel important – Lorsque vous travaillez avec l’IA, la clarté des instructions est déterminante, depuis le prompt de départ jusqu’au dernier prompt d’itération. D’où l’intérêt aussi de prendre du temps pour construire un prompt hybride certes un peu complexe, mais avec un niveau de précision qui vous fait économiser encore plus de temps par la suite.

• Déjà, l’annonce d’un objectif précis dès le départ. Par exemple, si l’objectif est d’ajouter environ 250 mots au texte-source tout en respectant son contenu et sa structure, il faut le dire explicitement. Cette précision guide l’IA et réduit le risque de dispersion.
• Ensuite, séparez autant que possible les instructions du contenu. C’est l’un des principaux objectifs du présente exercice, qui se reflète d’ailleurs dans la formulation des deux questions programmées dès le début.
• Enfin, la structure du (ou des) prompt(s) d’itération. Préparez-les minutieusement. Détaillez précisément ce que vous souhaitez comme output. Par exemple si vous voulez d’un texte aéré, bien lisible, avec des titres, des sous-titres et des paragraphes, alors mettez cela clairement dans votre requête.

Le dernier mot doit absolument vous revenir !

N’oubliez jamais de relire un tant soit peu les outputs générés par l’IA. Même si le modèle de langage que vous utilisez est censé produire les meilleurs résultats au monde, ne vous laissez pas prendre au jeu de la confiance aveugle car il peut toujours subsister des incohérences à corriger. L’IA est un outil précieux, mais c’est à vous de garder le contrôle final sur votre contenu.

Par contre, en demandant à l’IA de mettre en gras ou en italique les parties modifiées, vous facilitez le repérage des ajouts et des changements importants. Cela permet de concentrer vos efforts de relecture sur les points critiques du texte, sans forcément devoir tout relire. 

N’oubliez pas de télécharger votre fichier d’exercice ci-dessous… Et surtout, PRATIQUEZ.

Ce contenu est réservé aux membres. Cliquez ici pour avoir un accès complet.