Few-shot learning
Le few-shot learning (ou few-shot prompting) est une technique de prompt engineering qui fournit à un LLM quelques exemples de tâche directement dans le prompt, sans modifier les paramètres du modèle. Le modèle repère le motif dans ces exemples et l’applique à une nouvelle entrée — sans réentraînement ni fine-tuning.
À distinguer du zero-shot (aucun exemple fourni, le modèle exécute la tâche à partir de la seule instruction) et du one-shot (un seul exemple). Plus le nombre et la qualité des exemples augmentent, plus le modèle aligne sa réponse sur le format et le style attendus — mais des exemples mal choisis peuvent aussi dégrader la performance par rapport à un simple zero-shot.
En RH, cette technique est directement exploitable sans compétence technique poussée : pour qu’un LLM génère une fiche de poste dans le format maison, il suffit de lui fournir 2-3 exemples de fiches déjà rédigées dans le prompt, plutôt que de faire appel à un data scientist pour entraîner un modèle dédié. Coût quasi nul, mise en œuvre immédiate — un levier accessible pour industrialiser des tâches RH répétitives (courriers types, comptes rendus, grilles d’évaluation).
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.