Prompt Engineering et IA Générative

À l’issue de la formation, les participants seront capables de :

• Comprendre le fonctionnement des modèles de langage (LLM) et leurs limites
• Structurer des prompts efficaces pour générer, reformuler, résumer, analyser ou interagir avec des contenus
• Adapter leurs prompts à différents cas d’usage professionnels : RH, marketing, IT, juridique, etc.
• Utiliser des outils no-code intégrant de l’IA générative pour augmenter leur productivité
• Distinguer les approches prompt, RAG, fine-tuning et connaître les enjeux d’usage éthique

Comprendre les IA génératives et les LLMs

• Qu’est-ce qu’un LLM ? ChatGPT, Claude, Mistral, Gemini : aperçu des modèles du marché
• Notions fondamentales : pré-entraînement, génération, embeddings, hallucination
• Introduction à RAG, fine-tuning, agents, context window et limitations
• Différences entre IA conversationnelle, IA générative texte, image, code

Fondamentaux du prompt engineering

• Structure d’un bon prompt : rôle, instruction, contexte, format attendu
• Techniques : zero-shot, few-shot, chain-of-thought, prompt imbriqués
• Comparaison de résultats selon la formulation et l’intention
• Astuces pour des prompts robustes, réutilisables, adaptables

Panorama des outils IA générative

• Utilisation avancée de ChatGPT (instructions personnalisées, GPTs personnalisés, plugins, navigation web)
• Découverte d’outils no-code : Notion AI, Canva AI, Copilot Microsoft, Jasper, Gamma
• Génération multimodale : images, textes, tableaux, slides, code

Cas d’usage métiers et ateliers

• Marketing : génération de contenus, segmentation, stratégie SEO
• RH : aide au recrutement, évaluation de CV, rédaction de fiches de poste
• Juridique : résumé de documents, extraction d’informations, relecture assistée
• IT : rédaction technique, génération de documentation, assistants à la modélisation
• Ateliers pratiques : scénarios sur cas concrets + coaching personnalisé

• En cours de formation, par des études de cas ou des travaux pratiques
• Et, en fin de formation, par un questionnaire d'auto-évaluation