QCM : Prompt Engineering en Business Développement (18 questions)

Questions et réponses du QCM

1. Que désigne le prompt engineering dans l’interaction avec une IA ?

La conversion d’une réponse générée en tableau ou en liste
La formulation et l’amélioration des instructions pour obtenir une réponse utile et adaptée au besoin
La vérification des faits et des chiffres produits par un modèle
La création d’un modèle entraîné sur de grandes quantités de textes

La formulation et l’amélioration des instructions pour obtenir une réponse utile et adaptée au besoin

Explication

Le prompt engineering consiste à formuler puis à améliorer les instructions pour orienter la réponse vers le besoin visé. La vérification des faits est une précaution d’usage importante, mais elle ne définit pas cette pratique.

2. Une équipe de développement commercial veut exploiter l’IA pour plusieurs tâches. Quel usage correspond aux possibilités décrites pour ce domaine ?

Conclure une vente à la place de l’équipe sans préparation ni validation
Synthétiser une veille concurrentielle et structurer un plan d’action à vérifier
Fixer automatiquement le budget d’une campagne sans examiner les données
Remplacer les entretiens clients et garantir l’exactitude des retours obtenus

Synthétiser une veille concurrentielle et structurer un plan d’action à vérifier

Explication

L’IA peut synthétiser une veille et aider à structurer un plan d’action, dont les informations doivent ensuite être vérifiées. Elle ne garantit pas l’exactitude des retours et ne remplace pas à elle seule le jugement commercial.

3. Qu’est-ce qu’un grand modèle de langage (LLM) ?

Un système de règles conçu manuellement pour classer des documents selon leur format
Un modèle d’IA entraîné sur de grandes quantités de textes pour traiter et générer du langage
Un outil qui recherche des pages web et en vérifie automatiquement toutes les affirmations
Un logiciel de stockage qui conserve des textes sans traiter leur contenu linguistique

Un modèle d’IA entraîné sur de grandes quantités de textes pour traiter et générer du langage

Explication

Un LLM est entraîné sur de grandes quantités de textes afin de traiter et de générer du langage. Un système de règles rédigées manuellement n’est pas la caractéristique qui définit un LLM.

4. Lorsqu’un LLM répond à une consigne, comment produit-il le texte ?

Il restitue nécessairement un passage exact extrait de ses données d’entraînement
Il génère une suite de mots probable compte tenu du contexte et des instructions
Il choisit une réponse en vérifiant d’abord chaque affirmation dans une source externe
Il applique une liste fixe de phrases déterminée indépendamment de la consigne

Il génère une suite de mots probable compte tenu du contexte et des instructions

Explication

Le LLM produit une suite de mots jugée probable au regard du contexte et des instructions reçues. Il ne vérifie pas nécessairement chaque affirmation dans une source externe avant de répondre.

5. Une réponse de LLM est fluide et bien rédigée ; que peut-on en conclure sur son exactitude ?

Elle peut malgré sa fluidité contenir une erreur ou une information inventée
Elle est fiable dès lors qu’elle répond directement à la consigne formulée
Elle est vérifiée si elle emploie un vocabulaire précis et un ton assuré
Elle est exacte si son style est cohérent et ses phrases sont bien structurées

Elle peut malgré sa fluidité contenir une erreur ou une information inventée

Explication

La fluidité d’une réponse ne garantit pas sa véracité : elle peut contenir une erreur ou une information inventée. Un ton assuré ou une rédaction cohérente ne constitue pas une vérification des faits.

6. Avant de réutiliser une réponse d’un LLM dans un document professionnel, quelle démarche convient-il d’adopter ?

Reformuler le texte pour le rendre plus fluide sans examiner son contenu
Comparer la longueur de la réponse à celle du document final
Vérifier les faits, les chiffres, les sources et les éléments sensibles
Corriger la grammaire et conserver les données chiffrées sans contrôle

Vérifier les faits, les chiffres, les sources et les éléments sensibles

Explication

Avant d’utiliser une réponse, il faut contrôler les faits, les chiffres, les sources et les éléments sensibles. Une simple correction de style ne permet pas de repérer une donnée fausse ou une source inadéquate.

7. Dans un prompt, quel rôle joue la composante « rôle » ?

Elle décrit la situation dans laquelle la demande s’inscrit, par exemple un lancement d’offre
Elle indique le livrable à produire, par exemple un plan de prospection
Elle précise le point de vue attendu de l’IA, par exemple celui d’un chargé d’études commerciales
Elle précise la présentation attendue, par exemple un tableau avec un indicateur

Elle précise le point de vue attendu de l’IA, par exemple celui d’un chargé d’études commerciales

Explication

Le rôle indique le point de vue depuis lequel l’IA doit traiter la demande, comme celui d’un chargé d’études commerciales. La description de la situation relève du contexte, et non du rôle.

8. Une entreprise prépare le lancement d’une offre B2B destinée à des PME locales. Dans un prompt, à quoi sert cette information ?

À fournir le contexte utile sur la situation de la demande
À définir les limites de longueur, de ton ou de budget
À désigner le point de vue professionnel adopté par l’IA
À fixer la forme précise de la réponse attendue

À fournir le contexte utile sur la situation de la demande

Explication

Le contexte apporte les informations utiles sur la situation, comme le lancement d’une offre B2B pour des PME locales. La forme de la réponse relève du format, tandis que le point de vue relève du rôle.

9. Dans un prompt, quelle composante indique précisément le livrable à produire, comme un plan de prospection ?

Le contexte
Le format
L’objectif ou la tâche
Le rôle

L’objectif ou la tâche

Explication

L’objectif ou la tâche précise ce que l’IA doit produire, par exemple un plan de prospection. Le format décrit plutôt la présentation du livrable, comme un tableau.

10. Une consigne impose un ton professionnel, une longueur maximale et un budget défini. Quelle composante du prompt regroupe ces limites ?

Le format
Les données
L’objectif ou la tâche
Les contraintes

Les contraintes

Explication

Les contraintes encadrent la réponse par des limites portant notamment sur le ton, la longueur ou le budget. Le format précise la forme attendue, et ne désigne pas ces limites de contenu ou de réalisation.

11. Une réponse manque de précision parce que le prompt ne définit pas assez le résultat attendu. Quelle démarche permet d’améliorer le prompt tout en protégeant les informations sensibles ?

Demander plusieurs résultats sans préciser leur priorité, puis modifier le contexte en fonction de la réponse obtenue.
Remplacer les consignes par une demande plus générale, puis réutiliser la première réponse sans vérifier les éléments manquants.
Préciser le résultat attendu et le contexte utile sans données confidentielles, puis examiner la réponse et corriger le prompt selon les lacunes constatées.
Ajouter les données internes détaillées, puis conserver le prompt initial si la réponse est présentée dans un format soigné.

Préciser le résultat attendu et le contexte utile sans données confidentielles, puis examiner la réponse et corriger le prompt selon les lacunes constatées.

Explication

Définir le résultat attendu, fournir un contexte utile non confidentiel et ajuster le prompt après examen de la réponse permet de corriger ses lacunes. Ajouter des données internes détaillées est une mauvaise solution, car les informations confidentielles ne doivent pas être partagées.

12. Une réponse générée est pertinente, mais son exactitude et son format n’ont pas encore été vérifiés. Quelle étape de la boucle d’amélioration faut-il effectuer avant de décider si le prompt doit être modifié ?

Ajouter un nouvel objectif au prompt, puis juger la réponse selon sa longueur et sa présentation générale.
Évaluer l’exactitude, la pertinence et le format de la réponse, puis préciser ou corriger le prompt si l’évaluation révèle un besoin.
Envoyer immédiatement la réponse à son destinataire, puis évaluer le prompt uniquement si une erreur est signalée.
Régénérer la réponse sans modifier le prompt, puis retenir celle qui paraît la plus convaincante.

Évaluer l’exactitude, la pertinence et le format de la réponse, puis préciser ou corriger le prompt si l’évaluation révèle un besoin.

Explication

La boucle demande d’évaluer l’exactitude, la pertinence et le format avant de préciser ou de corriger le prompt si nécessaire. Régénérer sans évaluer ni adapter le prompt ne permet pas de cibler les problèmes observés.

13. Pour préparer une prospection B2B conforme à l’exemple, quelle demande doit être formulée ?

Un plan d’un mois pour des dirigeants de grandes entreprises, avec cinq canaux, des actions hebdomadaires, des indicateurs estimés et une présentation en paragraphes.
Un plan de deux semaines pour des dirigeants de PME de 10 à 50 salariés, avec trois canaux maximum et des indicateurs, sans premier message ni actions quotidiennes.
Un plan de deux semaines pour des dirigeants de PME de 10 à 50 salariés, avec plusieurs canaux, des actions quotidiennes et des chiffres de marché approximatifs dans un tableau.
Un plan de deux semaines pour des dirigeants de PME de 10 à 50 salariés, avec trois canaux maximum, un premier message, des actions quotidiennes, trois indicateurs, un tableau et aucun chiffre de marché inventé.

Un plan de deux semaines pour des dirigeants de PME de 10 à 50 salariés, avec trois canaux maximum, un premier message, des actions quotidiennes, trois indicateurs, un tableau et aucun chiffre de marché inventé.

Explication

Le plan demandé associe une durée de deux semaines, une cible de dirigeants de PME de 10 à 50 salariés, trois canaux au maximum et les livrables indiqués, dans un tableau sans chiffres de marché inventés. Une version qui inclut des estimations de marché approximatives ne respecte pas cette dernière contrainte.

14. Pourquoi le prompt « Fais-moi une prospection » est-il moins exploitable que sa version améliorée ?

Il est formulé comme une question plutôt que comme une consigne, alors qu’une version améliorée doit demander une réponse chiffrée.
Il mentionne la prospection sans imposer de canal de communication, alors qu’une version améliorée exclut tout canal numérique.
Il demande un résultat commercial sans indiquer le secteur, alors qu’un prompt amélioré évite de définir une cible précise.
Il ne précise pas les éléments qui cadrent le travail, comme le rôle, la cible, le contexte, la durée, les limites, les indicateurs et le format.

Il ne précise pas les éléments qui cadrent le travail, comme le rôle, la cible, le contexte, la durée, les limites, les indicateurs et le format.

Explication

La demande initiale est imprécise parce qu’elle ne définit pas les paramètres qui structurent le travail, notamment la cible, la durée et le format. L’absence de secteur peut aussi être une lacune, mais elle ne suffit pas à expliquer la distinction centrale entre les deux formulations.

15. Lors d’une préparation commerciale avec une IA, quelle situation illustre une erreur fréquente ?

Demander un format exploitable et signaler les éléments de contexte disponibles sans inclure d’informations sensibles.
Clarifier une consigne imprécise avant la génération et contrôler les résultats avant leur utilisation commerciale.
Structurer une demande autour d’un objectif commercial et vérifier les informations utiles avant d’utiliser la réponse produite.
Transmettre des informations stratégiques et reprendre une réponse sans la contrôler, alors que la demande comporte aussi des objectifs contradictoires.

Transmettre des informations stratégiques et reprendre une réponse sans la contrôler, alors que la demande comporte aussi des objectifs contradictoires.

Explication

Partager des informations stratégiques et copier une réponse sans contrôle figurent parmi les erreurs fréquentes, tout comme les consignes contradictoires. Structurer la demande et vérifier la réponse sont au contraire des pratiques recommandées.

16. Une réponse de l’IA pourrait influencer une décision commerciale. Quelle démarche correspond aux bonnes pratiques ?

Fournir plusieurs objectifs sans critères de réussite, puis demander une clarification après avoir arrêté la décision commerciale.
Formuler une consigne claire et structurée, définir des critères mesurables, demander un format exploitable et vérifier humainement la réponse avant de décider.
Demander une réponse détaillée, choisir le format proposé par l’IA et prendre la décision commerciale dès que le résultat semble cohérent.
Rédiger une consigne générale, laisser l’IA déterminer les critères de réussite et transmettre directement sa réponse à l’équipe.

Formuler une consigne claire et structurée, définir des critères mesurables, demander un format exploitable et vérifier humainement la réponse avant de décider.

Explication

Les bonnes pratiques associent une consigne structurée, des critères mesurables, un format exploitable et une vérification humaine avant toute décision commerciale. Une réponse qui paraît cohérente ne remplace pas ce contrôle préalable.

17. Avant d’envoyer un prompt destiné à traiter des informations confidentielles, que faut-il vérifier dans le cadre d’une checklist complète ?

Que les contraintes sont détaillées et que les faits sont vérifiés, sans qu’il soit nécessaire de préciser l’objectif ou le format.
Que l’objectif, le contexte, les contraintes et le format sont précisés, que les faits seront vérifiés et que les données sensibles sont protégées.
Que le contexte et le format sont précisés, tandis que les données sensibles peuvent être incluses si la réponse est utile.
Que l’objectif est précisé et que la réponse attendue est concise, sans avoir à définir le contexte ni à vérifier les faits.

Que l’objectif, le contexte, les contraintes et le format sont précisés, que les faits seront vérifiés et que les données sensibles sont protégées.

Explication

La checklist porte sur la précision de l’objectif, du contexte, des contraintes et du format, ainsi que sur la vérification des faits et la protection des données sensibles. Préciser l’objectif et la concision ne suffit pas si le contexte, la vérification et la protection des données sont négligés.

18. Vous rédigez un prompt pour obtenir une synthèse destinée à un public précis, dans un format donné et avec des limites explicites ; quelle caractéristique en fait un bon prompt ?

Il est contextualisé, sans contraintes particulières, et vise plusieurs résultats possibles.
Il est détaillé, non contextualisé, souple et centré sur les informations disponibles.
Il est bref, général, ouvert et conçu pour laisser le résultat indéterminé.
Il est clair, contextualisé, contraint et orienté vers un résultat précis.

Il est clair, contextualisé, contraint et orienté vers un résultat précis.

Explication

Un bon prompt combine la clarté, le contexte, des contraintes et une orientation vers un résultat précis. Un prompt général et ouvert peut laisser le résultat indéterminé, ce qui s’oppose à cette orientation.

Révisez avec les flashcards

Mémorisez les réponses avec 32 flashcards sur Prompt Engineering en Business Développement.

En quoi consiste le prompt engineering ?

À formuler et améliorer des instructions pour obtenir une réponse utile, pertinente et adaptée au besoin.

Qu’est-ce qu’un prompt ?

La consigne envoyée au modèle.

Qu’est-ce qu’un LLM ?

Un modèle d’IA entraîné sur de grandes quantités de textes pour traiter et générer du langage.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Prompt Engineering en Business Développement.

Voir la fiche →

Cours similaires

Bases de programmation en Python

Programmation

Identité numérique et données

Réseaux et services Internet

Spécification des programmes Python

Programmation

Sécurité des usages numériques

Cybersécurité

Internet et Web

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM