Zero-shot learning
Le zero-shot prompting consiste à demander à un LLM d’exécuter une tâche sans lui fournir aucun exemple, en s’appuyant uniquement sur ses connaissances pré-entraînées. Simplement décrire la tâche suffit — contrairement au prompt one-shot (un exemple) ou au prompt multi-shot (plusieurs exemples). C’est la forme la plus élémentaire de prompt engineering, souvent utilisée comme référence de base pour évaluer la performance d’un LLM.
Cette capacité illustre l’une des promesses des modèles de fondation : ils s’adaptent à de nombreux usages sans données d’entraînement supplémentaires. Deux techniques ont amélioré la fiabilité du zero-shot depuis les premiers LLM : l’instruction tuning (entraînement spécifique à mieux suivre des consignes) et le RLHF. Une variante notable, le « chain-of-thought » zero-shot, ajoute simplement l’instruction « réfléchissons étape par étape » au prompt — ce qui améliore sensiblement la précision sur des tâches de raisonnement.
En RH, le zero-shot est la méthode par défaut la plus rapide : demander à un LLM de résumer un compte rendu d’entretien ou de rédiger une fiche de poste sans lui fournir d’exemple préalable. Efficace pour des tâches génériques et bien connues du modèle ; pour un format RH très spécifique ou maison, le few-shot ou le prompt one-shot donnent généralement un résultat plus fidèle aux attentes.
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.
Sources : IBM (17/11/2025), arXiv (littérature convergente 2023-2025).