arrow_back

IA générative avec Vertex AI : conception de requêtes

Se connecter Rejoindre
Quick tip: Review the prerequisites before you run the lab
Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the student account, which may cause extra charges incurred to your personal account.
Testez vos connaissances et partagez-les avec notre communauté
done
Accédez à plus de 700 ateliers pratiques, badges de compétence et cours

IA générative avec Vertex AI : conception de requêtes

Atelier 45 minutes universal_currency_alt 1 crédit show_chart Débutant
info Cet atelier peut intégrer des outils d'IA pour vous accompagner dans votre apprentissage.
Testez vos connaissances et partagez-les avec notre communauté
done
Accédez à plus de 700 ateliers pratiques, badges de compétence et cours

GSP1151

Présentation

Cet atelier présente le prompt engineering (ingénierie des requêtes) et les bonnes pratiques pour concevoir des requêtes efficaces afin d'améliorer la qualité des réponses générées par les LLM. Vous allez apprendre à créer des requêtes concises, spécifiques et bien définies, qui se concentrent sur une tâche à la fois. L'atelier aborde également des techniques avancées, comme la conversion de tâches génératives en tâches de classification et l'utilisation d'exemples pour améliorer la qualité des réponses. Pour en savoir plus, consultez la documentation officielle sur la conception de requêtes.

Gemini

Gemini est une famille de modèles d'IA générative puissants développés par Google DeepMind, capables de comprendre et de générer plusieurs formes de contenu, comme du texte, du code, des images, du son et des vidéos.

API Gemini dans Vertex AI

L'API Gemini dans Vertex AI fournit une interface unifiée pour interagir avec les modèles Gemini. Elle permet aux développeurs d'intégrer facilement ces puissantes fonctionnalités d'IA dans leurs applications. Pour connaître les dernières actualités et les fonctionnalités spécifiques des versions les plus récentes, veuillez consulter la documentation officielle sur Gemini.

Modèles Gemini

  • Gemini Pro : conçu pour les tâches de raisonnement complexe, par exemple :
    • l'analyse et la synthèse de grands volumes d'informations ;
    • le raisonnement multimodal sophistiqué (sur du texte, du code, des images, etc.) ;
    • la résolution efficace de problèmes à l'aide de codebases complexes.
  • Gemini Flash : optimisé pour être rapide et efficace, il offre :
    • des temps de réponse inférieurs à une seconde et un haut débit ;
    • une qualité élevée à moindre coût pour une grande variété de tâches ;
    • des fonctionnalités multimodales améliorées, dont une meilleure compréhension spatiale, de nouvelles modalités de sortie (texte, audio, images) et l'utilisation native d'outils (recherche Google, exécution de code et fonctions tierces).

Prérequis

Avant de commencer cet atelier, vous devez :

  • avoir des connaissances de base en programmation Python ;
  • connaître les concepts généraux sur les API ;
  • savoir exécuter du code Python dans un notebook Jupyter dans Vertex AI Workbench.

Objectifs

Dans cet atelier, vous allez apprendre à effectuer les tâches suivantes :

  • découvrir le prompt engineering avec le SDK pour l'IA générative de Google ;
  • apprendre à appliquer les bonnes pratiques de conception des requêtes, y compris la concision, la spécificité et la définition des tâches ;
  • vous familiariser avec divers cas d'utilisation pour la génération de texte avec le SDK pour l'IA générative de Google, tels que les suivants :
    • Idéation
    • Systèmes de questions-réponses
    • Classification de texte
    • Extraction de texte
    • Synthèse de texte

Préparation

Avant de cliquer sur le bouton "Démarrer l'atelier"

Lisez ces instructions. Les ateliers sont minutés, et vous ne pouvez pas les mettre en pause. Le minuteur, qui démarre lorsque vous cliquez sur Démarrer l'atelier, indique combien de temps les ressources Google Cloud resteront accessibles.

Cet atelier pratique vous permet de suivre les activités dans un véritable environnement cloud, et non dans un environnement de simulation ou de démonstration. Des identifiants temporaires vous sont fournis pour vous permettre de vous connecter à Google Cloud le temps de l'atelier.

Pour réaliser cet atelier :

  • Vous devez avoir accès à un navigateur Internet standard (nous vous recommandons d'utiliser Chrome).
Remarque : Ouvrez une fenêtre de navigateur en mode incognito (recommandé) ou de navigation privée pour effectuer cet atelier. Vous éviterez ainsi les conflits entre votre compte personnel et le compte temporaire de participant, qui pourraient entraîner des frais supplémentaires facturés sur votre compte personnel.
  • Vous disposez d'un temps limité. N'oubliez pas qu'une fois l'atelier commencé, vous ne pouvez pas le mettre en pause.
Remarque : Utilisez uniquement le compte de participant pour cet atelier. Si vous utilisez un autre compte Google Cloud, des frais peuvent être facturés à ce compte.

Démarrer l'atelier et se connecter à la console Google Cloud

  1. Cliquez sur le bouton Démarrer l'atelier. Si l'atelier est payant, une boîte de dialogue s'affiche pour vous permettre de sélectionner un mode de paiement. Sur la gauche, vous trouverez le panneau "Détails concernant l'atelier", qui contient les éléments suivants :

    • Le bouton "Ouvrir la console Google Cloud"
    • Le temps restant
    • Les identifiants temporaires que vous devez utiliser pour cet atelier
    • Des informations complémentaires vous permettant d'effectuer l'atelier

  2. Cliquez sur Ouvrir la console Google Cloud (ou effectuez un clic droit et sélectionnez Ouvrir le lien dans la fenêtre de navigation privée si vous utilisez le navigateur Chrome).

    L'atelier lance les ressources, puis ouvre la page "Se connecter" dans un nouvel onglet.

    Conseil : Réorganisez les onglets dans des fenêtres distinctes, placées côte à côte.

    Remarque : Si la boîte de dialogue Sélectionner un compte s'affiche, cliquez sur Utiliser un autre compte.

  3. Si nécessaire, copiez le nom d'utilisateur ci-dessous et collez-le dans la boîte de dialogue Se connecter.

    {{{user_0.username | "Username"}}}

    Vous trouverez également le nom d'utilisateur dans le panneau "Détails concernant l'atelier".

  4. Cliquez sur Suivant.

  5. Copiez le mot de passe ci-dessous et collez-le dans la boîte de dialogue Bienvenue.

    {{{user_0.password | "Password"}}}

    Vous trouverez également le mot de passe dans le panneau "Détails concernant l'atelier".

  6. Cliquez sur Suivant.

    Important : Vous devez utiliser les identifiants fournis pour l'atelier. Ne saisissez pas ceux de votre compte Google Cloud. Remarque : Si vous utilisez votre propre compte Google Cloud pour cet atelier, des frais supplémentaires peuvent vous être facturés.

  7. Accédez aux pages suivantes :

    • Acceptez les conditions d'utilisation.
    • N'ajoutez pas d'options de récupération ni d'authentification à deux facteurs (ce compte est temporaire).
    • Ne vous inscrivez pas à des essais sans frais.

Après quelques instants, la console Cloud s'ouvre dans cet onglet.

Remarque : Pour accéder aux produits et services Google Cloud, cliquez sur le menu de navigation ou saisissez le nom du service ou du produit dans le champ Recherche.

Tâche 1 : Ouvrir le notebook dans Vertex AI Workbench

  1. Dans la console Google Cloud, accédez au menu de navigation () et cliquez sur Vertex AI > Workbench.

  2. Recherchez l'instance , puis cliquez sur le bouton Ouvrir JupyterLab.

L'interface JupyterLab de votre instance Workbench s'ouvre dans un nouvel onglet de navigateur.

Tâche 2 : Configurer le notebook

  1. Ouvrez le fichier .

  2. Dans la boîte de dialogue Select Kernel (Sélectionner le kernel), sélectionnez Python 3 dans la liste des kernels disponibles.

  3. Parcourez les sections Getting Started (Premiers pas) et Import libraries (Importer des bibliothèques) du notebook.

    • Pour Project ID (ID du projet), utilisez et pour Location (Emplacement), utilisez .
Remarque : Vous pouvez ignorer les cellules du notebook avec la mention Colab only (Colab uniquement). Si l'exécution d'une cellule renvoie l'erreur 429, patientez une minute avant de la réexécuter pour poursuivre.

Cliquez sur Vérifier ma progression pour valider l'objectif.

Installer les packages et importer les bibliothèques

Tâche 3 : Découvrir les bonnes pratiques de prompt engineering

Le prompt engineering (ou ingénierie des requêtes) consiste à concevoir vos requêtes de sorte à obtenir la réponse que vous espériez. En "simplifiant" votre requête, vous réduisez le bruit et donc la possibilité que le LLM interprète mal son intention. Vous trouverez ci-dessous quelques conseils pour créer des requêtes "simples".

Dans cette section, vous découvrirez les bonnes pratiques de prompt engineering suivantes :

  • Être concis
  • Utiliser une requête spécifique et bien définie
  • Demander une tâche à la fois
  • Améliorer la qualité des réponses en incluant des exemples
  • Transformer les tâches génératives en tâches de classification pour plus de sécurité
  1. Parcourez la section Être concis du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Être concis

  1. Parcourez la section Utiliser une requête spécifique et bien définie du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Utiliser une requête spécifique et bien définie

  1. Parcourez la section Demander une tâche à la fois du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Demander une tâche à la fois

  1. Parcourez la section Repérer les hallucinations du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Repérer les hallucinations

Tâche 4 : Réduire la variabilité du résultat

Comment réduire le risque d'obtenir des réponses hors sujet et des hallucinations ? Vous pouvez par exemple fournir des instructions système au LLM. Dans cette section, vous allez découvrir comment fonctionnent les instructions système et comment les utiliser pour réduire les hallucinations ou les réponses hors sujet pour un chatbot de voyage.

  1. Parcourez la section Utiliser des instructions système pour empêcher le modèle de fournir des réponses hors sujet du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Utiliser des instructions système pour empêcher le modèle de fournir des réponses hors sujet

  1. Parcourez la section Transformer les tâches génératives en tâches de classification pour réduire la variabilité du résultat du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Les tâches génératives augmentent la variabilité du résultat

  1. Parcourez la section Les tâches de classification augmentent la variabilité du résultat du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Les tâches de classification augmentent la variabilité du résultat

Tâche 5 : Améliorer la qualité des réponses en incluant des exemples

Vous pouvez également améliorer la qualité des réponses en ajoutant des exemples à votre requête. Le LLM apprend en contexte à partir des exemples de réponses. En général, un à cinq exemples (appelés "shots") suffisent pour améliorer la qualité des réponses. Si vous incluez trop d'exemples, le modèle peut surajuster les données et réduire la qualité des réponses.

Comme pour l'entraînement classique de modèle, la qualité et la distribution des exemples sont très importantes. Choisissez des exemples représentatifs des scénarios que vous souhaitez que le modèle apprenne, et veillez à ce que la distribution des exemples (par exemple, le nombre d'exemples par classe dans le cas de la classification) corresponde à votre distribution réelle.

  1. Parcourez la section Améliorer la qualité des réponses en incluant des exemples du notebook.

Cliquez sur Vérifier ma progression pour valider l'objectif. Améliorer la qualité des réponses en incluant des exemples

Félicitations !

Félicitations ! Dans cet atelier, vous avez découvert les bonnes pratiques pour le prompt engineering à l'aide de l'IA générative avec Google Gemini. Vous avez exploré des cas d'utilisation qui suivent les bonnes pratiques, à savoir être concis, utiliser une requête spécifique et bien définie, fournir des exemples et demander une tâche à la fois lors de l'utilisation de LLM pour générer des réponses.

Étapes suivantes et informations supplémentaires

Consultez les ressources suivantes pour en savoir plus sur Gemini :

Formations et certifications Google Cloud

Les formations et certifications Google Cloud vous aident à tirer pleinement parti des technologies Google Cloud. Nos cours portent sur les compétences techniques et les bonnes pratiques à suivre pour être rapidement opérationnel et poursuivre votre apprentissage. Nous proposons des formations pour tous les niveaux, à la demande, en salle et à distance, pour nous adapter aux emplois du temps de chacun. Les certifications vous permettent de valider et de démontrer vos compétences et votre expérience en matière de technologies Google Cloud.

Dernière mise à jour du manuel : 12 février 2025

Dernier test de l'atelier : 12 février 2025

Copyright 2025 Google LLC Tous droits réservés. Google et le logo Google sont des marques de Google LLC. Tous les autres noms d'entreprises et de produits peuvent être des marques des entreprises auxquelles ils sont associés.

Before you begin

  1. Labs create a Google Cloud project and resources for a fixed time
  2. Labs have a time limit and no pause feature. If you end the lab, you'll have to restart from the beginning.
  3. On the top left of your screen, click Start lab to begin

Ce contenu n'est pas disponible pour le moment

Nous vous préviendrons par e-mail lorsqu'il sera disponible

Parfait !

Nous vous contacterons par e-mail s'il devient disponible

One lab at a time

Confirm to end all existing labs and start this one

Use private browsing to run the lab

Use an Incognito or private browser window to run this lab. This prevents any conflicts between your personal account and the Student account, which may cause extra charges incurred to your personal account.