Découvrez les techniques de formulation de requêtes, organisées par niveaux de complexité. Adoptez une approche stratégique où la rédactique, les méta-requêtes et les giga-requêtes jouent un rôle clé.

La rédactique : affinez vos requêtes pour une meilleure clarté et une pertinence maximales. En éducation, des demandes bien formulées génèrent des ressources pédagogiques adaptées.

Les méta-requêtes : allez plus loin en intégrant une réflexion sur le contexte global de la demande. Combinez plusieurs niveaux d’expertise pour des réponses nuancées et adaptées à divers publics.

Les giga-requêtes : mobilisez des scénarios complexes et des outils interactifs pour résoudre des problématiques éducatives larges.

Niveau Débutant ↔ Rédactique

La rédactique consiste à structurer des requêtes simples, claires et efficaces pour obtenir des réponses directes et précises.

Requête simple (Zero-shot learning)

L'approche la plus directe pour formuler une demande.

Exemple : « Rédige un guide pour effectuer l'inspection de sécurité d'un véhicule lourd. »

Requête avec exemples (Few-shot learning)

Utilisation d'exemples concrets pour guider l'IA.

Exemple : « Voici une procédure pour changer des freins hydrauliques. Crée une procédure similaire pour des freins pneumatiques. »

Note : Ne pas oublier de fournir la procédure à l'IA.

Requête par analogie (Analogy prompt)

Utilisation de comparaisons familières pour expliquer des concepts.

Exemple : « Explique le système de freinage pneumatique en utilisant des analogies pour en augmenter la compréhension. »

Note : Vous pouvez utiliser ce modèle de requête avec d'autres figures de styles (à la place des analogies) : métaphores, exemples, allégories, personnifications, etc.

Requête par étapes (Chain-of-thought)

Décomposition d'un problème en étapes logiques.

Exemple : « Explique étape par étape comment diagnostiquer une panne du système de refroidissement. »

Requête de simulation simple (Basic simulation prompt)

Création de scénarios d'apprentissage basiques.

Exemple : « Crée un scénario simple de diagnostic d'une panne de démarrage. »

Requête multi-niveaux (Multi-level prompt)

Adaptation de l'explication selon différents niveaux de compréhension.

Exemple : « Explique le système de climatisation pour : 1) un client, 2) un débutant, 3) un étudiant avancé, 4) un professionnel de la climatisation. »

Méthode des « Avantages / Inconvénients» (Pros and cons method)

L'objectif principal de cette méthode est d’encourager une évaluation critique approfondie, permettant ainsi de :

  • Faciliter la prise de décision : en guidant vers un choix éclairé et bien réfléchi.
  • Renforcer l’analyse : en évaluant les options de manière objective et approfondie.
  • Clarifier la réflexion : en structurant les idées pour mieux cerner et définir le problème.
  • Enrichir les perspectives : en obtenant des avis équilibrés et une vision globale de la situation.

Exemple :

« Je travaille sur un module de formation portant sur le changement climatique et l'utilisation des véhicules lourds électriques. Je cherche des idées pour le rendre plus engageant pour mes élèves de la formation professionnelle. Pourrais-tu me donner quelques pistes et les placer dans un tableau comparatif avec deux colonnes intitulées « Avantages » et « Inconvénients » ? ».

Note : Vous pourriez également demander à l'IA d’ajouter une colonne supplémentaire intitulée « Exemples concrets » pour inclure des situations réalistes et détaillées. Cela permettrait d’illustrer chaque idée avec des scénarios applicables dans le contexte demandé, renforçant ainsi l’intérêt et la pertinence des idées énoncée par l'IA.

Méthode de l'arborescence de requêtes

Vous pouvez aussi utiliser plusieurs requêtes dans une seule et même requête. Et pour chacune des requêtes vous pouvez utiliser une méthode difrérente ou non.

Exemple :

« Je travaille sur un module de formation portant sur le changement climatique et l'utilisation des véhicules lourds électriques. Je cherche des idées pour le rendre plus engageant pour mes élèves de la formation professionnelle. Pourrais-tu me donner quelques pistes et les placer dans un tableau comparatif avec deux colonnes intitulées « Avantages » et « Inconvénients » ? Par la suite, classer les éléments de ce tableau selon les méthodes les plus avantageuses. »

Note : Dans cette requête, nous avons choisi de reprendre la requête des « Avantages / Inconvénients » et nous avons ajoutée une requête simple (la partie en gras) à la suite.

Niveau Intermédiaire ↔ Méta-requêtes

Les méta-requêtes nécessitent une réflexion approfondie sur le contexte et les objectifs sous-jacents des requêtes. Elles exigent également une structuration rigoureuse des éléments de la requête, tout en intégrant plusieurs dimensions ou perspectives pour une analyse plus complète.

Par exemple, des requêtes simples telles que « Corrige ce texte », « Améliore ce texte » ou « Analyse ce texte » offrent un point de départ basique. Cependant, ces requêtes peuvent être enrichies pour atteindre un niveau intermédiaire, voire avancé, en approfondissant le contexte et en intégrant des perspectives variées.

Ainsi, pour transformer des requêtes simples en méta-requêtes, voici quelques exemples :

  • Requête enrichie à partir de « Analyse ce texte » :
    « Analyse ce texte en identifiant les incohérences logiques. Reformule-le ensuite pour le rendre plus persuasif, tout en respectant son style initial. Propose plusieurs versions reformulées et évalue les avantages et inconvénients de chacune. »

  • Requête enrichie à partir de « Améliore ce texte » :
    « Propose une amélioration de ce texte en explorant trois styles rédactionnels différents : formel, créatif et académique. Associe un public cible pertinent à chacun des styles et explique pourquoi et dans quel contexte chacun d'eux est approprié. »

Dans cette vidéo de 18 minutes et 44 secondes, découvrez une méthode de création d'une méta-requête grâce à la collaboration de plusieurs modèles linguistiques (LLM). Cette approche vous permettra de mesurer la complexité associée à ces techniques avancées.

Pour aller plus loin, consulter la référence LARGE LANGUAGE MODELS AS OPTIMIZERS

L'utilisation de méta-requêtes par un utilisateur reflète une démarche proactive visant à anticiper les résultats, à intégrer différents angles d'analyse (linguistiques, stylistiques, fonctionnels) et à orienter l'IA vers une réponse parfaitement adaptée au contexte. Cette approche peut également aboutir à la génération de plusieurs réponses, que l'utilisateur évalue et sélectionne selon ses besoins spécifiques.

Une telle pratique requiert une maîtrise des outils, une capacité à structurer les requêtes de manière à exploiter pleinement le potentiel de l'IA, ainsi qu'une aptitude à évaluer les réponses générées en fonction d’objectifs variés et parfois complexes.

Reformulation systématique (Rephrasing)

Demander à l'IA de reformuler elle-même une requête pour obtenir des perspectives différentes.

Exemple : « Optimise la requête suivante : « Crée un guide pratique pour l’entretien préventif des systèmes de freinage des véhicules lourds. » »

Note : Une fois que l'IA aura répondu par une requête optimisée, révisez-la, copiez cette nouvelle version et collez-la dans une nouvelle conversation et comparez les résultats obtenus entre la requête initiale et la méta-requête résultante.

Requête guidée par cadre détaillé

Structuration d’une requête en fournissant des informations précises pour guider l’IA dans une tâche complexe, en précisant le rôle, les tâches, le contexte, des exemples, le format et le ton attendu.

Exemple : Créer un guide d’instruction sur le diagnostic des freins pneumatiques en tenant compte des caractéristiques suivantes :

  • Rôle : Technicien spécialisé en freins pneumatiques.
  • Tâches : Diagnostic des pannes fréquentes, inspection des composants, réalisation de tests.
  • Contexte : Formation d’étudiants débutants en atelier.
  • Exemples : Fournir des cas de diagnostics typiques.
  • Format : Guide étape par étape.
  • Ton : Pédagogique et accessible.
Méthode de la tempête d’idées (Brainstorming)

Cette méthode structurée aide à clarifier les idées et à obtenir des réponses pertinentes de l’IA en répondant à des questions essentielles. Elle est particulièrement utile lorsque les réponses de l’IA ne correspondent pas aux attentes, car elle pousse l’utilisateur à préciser les éléments clés d’une requête efficace en se posant toute sorte de question.

Étapes :

  • Contexte : Définir le cadre général de la tâche (ex. : inspection de sécurité d’un véhicule lourd).
  • Pourquoi : Identifier les objectifs (ex. : assurer le bon fonctionnement du système de freinage).
  • Quoi : Déterminer l’action spécifique à réaliser (ex. : créer un guide de vérification).
  • Pour qui : Identifier les destinataires (ex. : techniciens en atelier).
  • Où : Préciser le lieu ou le contexte (ex. : atelier de réparation).
  • Quand : Définir la fréquence ou le moment (ex. : avant chaque départ).
  • Comment : Décrire les étapes ou méthodes (ex. : inspection visuelle, tests fonctionnels).
  • Ressources et contraintes : Lister les outils, le temps ou autres limites.

Exemple :

« Choisissez une tâche dans l’atelier mécanique, comme le diagnostic d’un système de freinage. Répondez aux questions clés pour structurer votre demande, puis envoyez-la à l’IA. »

Méthode des 3 Pourquoi (3 P)

La méthode des 3 P est une approche simple mais puissante pour affiner votre compréhension du problème et formuler des requêtes plus efficaces. En posant la question "Pourquoi ?" à plusieurs reprises, vous creusez au-delà de la surface et identifiez les raisons fondamentales de votre demande.

Étapes :

  1. Énoncer la requête initiale : Décrivez votre demande de manière générale.
  2. Premier "Pourquoi ?" : Demandez-vous pourquoi cette requête est formulée.
  3. Deuxième "Pourquoi ?" : Demandez-vous pourquoi la première réponse est importante.
  4. Troisième "Pourquoi ?" : Demandez-vous pourquoi la deuxième réponse est importante.
  5. Analyse et Formulation : Analysez les réponses pour identifier les éléments clés. Utilisez ces éléments pour formuler une requête précise à l'IA.

Exemple :

Requête intitiale : Je travaille sur un module de formation sur le changement climatique et l'utilisation des véhicules lourds électriques je cherche des idées pour le rendre plus engageant pour mes élèves de la formation professionnelles. Pourrais-tu me donner quelques pistes ?

Une fois la réponse donnée par l'IA :

Pourquoi 1 : Pourquoi chacune de tes idées est engageante (classe-les en ordre chronologique de l'idée la plus engageant à l'idée la moins engageante) ?

Pourquoi 2 : Pourquoi chacune de tes idées est importantes pour les élèves (classe-les en ordre chronologique d'importance du plus important vers le moins important) ?

Pourquoi 3 : Pourquoi chacune de tes idées est importantes pour moi en tant qu'enseignant (classe-les en ordre chronologique d'importance du plus important vers le moins important) ?

Niveau avancé ↔ Giga-requêtes

Les giga-requêtes représentent le niveau le plus avancé de la formulation de requêtes à l'IA. Elles se distinguent par leur ambition de résoudre des problèmes complexes à travers des scénarios globaux, interactifs et souvent collaboratifs. Contrairement aux requêtes plus simples, une giga-requête ne vise pas seulement la production de texte, mais la création d'expériences d'apprentissage complètes, de simulations interactives et d'outils d'analyse. La réalisation de giga-requêtes nécessite une planification rigoureuse et une décomposition du problème en sous-tâches interconnectées.

En raison de leur complexité, les giga-requêtes sont souvent plus longues à mettre en œuvre et demandent une plus grande itération. Cependant, les résultats qu'elles offrent sont beaucoup plus puissants et permettent d'exploiter pleinement le potentiel de l'IA dans l'éducation.

Caractéristiques principales d'une giga-requête :

  • Interactivité et collaboration : Elles incitent l'IA à simuler des interactions complexes, à créer des outils interactifs ou des activités collaboratives, et pas seulement à produire du contenu statique.
  • Contenu multidimensionnel : Elles visent la production de différents types de contenu (texte, exercices, vidéos, simulations) connectés entre eux dans un scénario cohérent.
  • Planification de scénarios d'apprentissage complexes : Elles incluent une logique de progression, par exemple, la création d'un module de formation complet ou d'une simulation progressive.
  • Gestion de données : Elles peuvent gérer de grandes quantités de données, les analyser et les synthétiser en vue d'une action (évaluation, diagnostic, etc.).
  • Personnalisation : Elles sont capables d'adapter le contenu et l'expérience en fonction de différents profils d'apprenants ou d'utilisateurs.
 Conception d'un cahier des charges assistée par l'IA

Utilisez l'intelligence artificielle pour élaborer un cahier des charges structuré. Cette méthode permet de clarifier les attentes pédagogiques et techniques pour des projets complexes.

Exemple :

Voici une requête de niveau intermédiaire (méta-requête) : « Rédige un cahier des charges pour ajouter les équipements nécessaires à un programme de certification sur les systèmes de gestion électronique des moteurs diesel dans notre centre. Inclut les sections : objectifs pédagogiques, outils nécessaires, compétences à développer, et scénarios pratiques. »

Cette requête pourrait être remaniée au niveau de la giga-requête en y ajoutant des éléments caractéristiques associées (voir l'explication plus haut) ainsi :

« Rédige un cahier des charges exhaustif pour l’ajout des équipements nécessaires à un programme de certification sur les systèmes de gestion électronique des moteurs diesel dans notre centre de formation professionnel, conformément à la compétence 4 du programme d’études (Mécanique de véhicules lourds routiers 5330). Inclure les éléments suivants :

  1. Objectifs pédagogiques et d’évaluation :

    • Décrire les objectifs spécifiques alignés avec la compétence 4, « Effectuer des travaux d’atelier », en mettant l’accent sur les techniques de mesure, de travail au banc, et l’utilisation de l’équipement d’atelier.
    • Détailler les critères d’évaluation, les indicateurs de performance et les seuils de réussite nécessaires pour valider l’acquisition des compétences.

  2. Liste d’outils et équipements requis :

    • Présenter les équipements spécifiques nécessaires, comme les instruments de mesure, les outils d’usinage, les machines de diagnostic et d’entretien électronique, accompagnés d’une justification technique.

  3. Développement des compétences ciblées :

    • Identifier les savoirs, savoir-faire et savoir-être à développer, en lien avec la manipulation d’équipements avancés et le diagnostic de moteurs diesel électroniques.

  4. Scénarios d’apprentissage pratiques :

    • Élaborer des activités pratiques en atelier basées sur des mises en situation réalistes, en respectant les conditions de réalisation et les critères de performance définis dans le programme.

  5. Plan d’évaluation détaillé :

    • Proposer des outils d’évaluation (grilles, fiches) adaptés à la compétence 4, incluant des phases d’information, de réalisation et de synthèse pour valider les acquis.

  6. Formation des enseignants :

    • Inclure un plan de formation technique pour les enseignants sur les nouveaux équipements, en mettant l’accent sur leur utilisation sécuritaire et leur intégration pédagogique.

  7. Contraintes et solutions :

    • Décrire les contraintes logistiques, budgétaires et environnementales anticipées, accompagnées de recommandations pour les surmonter.

  8. Calendrier de mise en œuvre avec suivi :

    • Fournir un tableau de Gantt intégrant les étapes principales, sous-tâches, échéances, ressources et dépendances. Ajouter des colonnes pour comparer les délais prévus et réels, ainsi qu’une section pour le suivi des progrès et l’adéquation avec les standards éducatifs. »

Note : Ne pas oublier de fournir les documents suivants a l'IA : « Programme d'études » et « Évaluation des apprentissages » en lien avec la demande.

Requête socratique interactive (Interactive Socratic prompt)

Au lieu de simplement poser des questions, cette méthode utilise l'IA pour créer un dialogue interactif guidant l'apprenant vers une compréhension approfondie. Ce processus inclut une rétroaction personnalisée, des branches de questions alternatives et une auto-évaluation.

Exemple : « Crée une simulation interactive pour diagnostiquer une panne de moteur. L'IA doit d'abord poser des questions à l'apprenant (10 questions max.) pour identifier le problème, puis en fonction de ses réponses, elle va soit aider l'apprenant (en donnant des indices), soit lui faire faire une auto-évaluation, soit le faire passer à l'étape suivante de la simulation. Si l'apprenant n'arrive pas au bout de la simulation, l'IA devra recommencer la simulation et ajouter un indice supplémentaire (les indices sont pré-enregistrés). À la fin de la simulation, l'IA devra donner une explication à la fois technique et simple de la cause du problème. Attendre que l'utilisateur inscrire « Début de la simulation » ou « Arrêt de la simulation » ou « Évaluer la simulation » avant d'effectuer la tâche demandée et débuter par le message suivant : Quelle tâche désirez-vous faire, entre les choix suivants : « Début de la simulation », « Arrêt de la simulation » ou « Évaluer la simulation ». »

Requête de simulation de sécurité contextuelle (Contextual safety simulation prompt)

Cette approche transforme la prise en compte de la sécurité en une expérience interactive et contextualisée. L'IA est sollicitée pour simuler des environnements de travail réalistes, où l'apprenant doit identifier les risques, prendre les mesures de sécurité adéquates et subir des conséquences virtuelles en cas d'erreur.

Exemple : « Crée une simulation interactive d'atelier de réparation où l'apprenant doit changer un filtre à huile sur un véhicule lourd. La simulation inclut des risques contextuels (outils mal rangés, sol glissant, présence d'une personne non autorisée), et l'apprenant doit utiliser la simulation pour identifier les dangers et prendre les mesures de sécurité appropriées à chaque étape. En cas d'erreur, l'IA doit présenter les conséquences virtuelles (ex. blessure ou perte de temps). À la fin de la simulation, l'IA doit générer une évaluation de la capacité de l'apprenant à gérer les risques. Attendre que l'utilisateur inscrire « Début de la simulation » ou « Arrêt de la simulation » ou « Évaluer la simulation » avant d'effectuer la tâche demandée et débuter par le message suivant : Quelle tâche désirez-vous faire, entre les choix suivants : « Début de la simulation », « Arrêt de la simulation » ou « Évaluer la simulation ». »

Requête d'auto-évaluation adaptative (Adaptive self-evaluation prompt)

Cette méthode dépasse le simple questionnaire pour créer un système d'évaluation dynamique et personnalisé. L'IA génère un parcours d'évaluation adapté aux réponses de l'apprenant, incluant des questions de différents niveaux de difficulté, des rétroactions détaillées et des ressources de remédiation ciblées.

Exemple : « Crée un système d'évaluation adaptatif sur les systèmes de freinage. Le système doit : commencer par des questions simples, adapter la difficulté des questions en fonction des réponses de l'apprenant, générer une rétroaction spécifique pour chaque réponse (correcte ou incorrecte), fournir des ressources supplémentaires en cas de difficultés, créer un tableau de bord de suivi des résultats avec des statistiques et des graphiques, proposer un plan de révision personnalisé basé sur les lacunes détectées. Le système devra aussi s'auto-améliorer et adapter sa base de donnée en fonction des résultats de l'apprenant (plus il y aura de données, plus le système doit être performant). »

Requête de conception de simulation avancée (Advanced simulation design prompt)

Cette méthode utilise l'IA non seulement pour créer des scénarios, mais aussi pour concevoir des systèmes de simulation complets. Ces systèmes peuvent inclure des variables dynamiques, des modèles comportementaux, des interactions complexes et des interfaces personnalisées, offrant une expérience immersive et réaliste.

Exemple : « Crée un simulateur interactif de diagnostic de panne de moteur diesel. Le simulateur doit : inclure plusieurs systèmes de moteur (injection, refroidissement, lubrification), permettre à l'utilisateur de modifier des paramètres en temps réel (pression d'huile, température du liquide de refroidissement), simuler différents types de pannes, afficher des messages d'erreur réalistes, fournir un tableau de bord avec les informations clés, adapter le niveau de difficulté en fonction de la performance de l'utilisateur. Le simulateur doit également inclure un mode "libre" permettant à l'utilisateur d'expérimenter librement les variables sans risque. »

Collaboration multi-persona pour la création d'un module de formation (Multi-persona collaboration with zero-shot learning)

Découvrez comment une giga-requête peut être utilisée pour créer un module de formation en prenant en compte différents profils. Cette approche permet de générer des ressources adaptées aux besoins variés des apprenants.

Exemple : « Concevez un module de formation interactif sur les freins pneumatiques en tenant compte des profils suivants :

  • Anne : Enseignante novice en technologie, a besoin d'une explication visuelle et simple avec des exemples concrets.
  • Paul : Gestionnaire expérimenté, souhaite une analyse technique approfondie avec des données chiffrées.
  • Luc : Étudiant avancé, préfère un guide interactif pour tester ses connaissances et des activités pratiques.

La giga-requête doit générer un module comprenant les éléments suivants : une vidéo introductive avec des animations, un texte avec des schémas explicatifs, un questionnaire d'auto-évaluation , un simulateur simple, un tableau de bord permettant de suivre les progrès de chacun. L'IA doit ensuite justifier chaque choix (vidéo, texte, simulateur) en fonction des 3 profils identifiés. »

Conception collaborative multi-persona avec planification multi-phases (Multi-persona collaboration with multi-phase planning)

Cette méthode permet de créer un scénario complexe de collaboration en plusieurs étapes, en tenant compte de plusieurs persona (3 à 5), chacun ayant ses propres objectifs, attentes et besoins.

Exemple :

« Créer ce scénario :

1. Phase de préparation :

  • Identifier plusieurs profils types (3 à 5) correspondant à différents contextes ou besoins liés à la création d'un script pour une vidéo éducative expliquant le fonctionnement du système de refroidissement d'un moteur diesel, à destination d'élèves en formation professionnelle. Pour chaque profil (Anne, Paul et Luc), attribuer un nom fictif, une courte description (ex. "Anne, enseignante novice en technologie"), Décrire leurs objectifs principaux, leurs attentes et leurs motivations, Lister leurs besoins spécifiques et leurs préoccupations, Identifier leurs forces et leurs limites face à la tâche.
  • Demander à l'IA de crée un planning précis pour chaque étape.

2. Phase de collaboration :

  • Demander à l'IA de faire interagir ces profils dans une conversation fictive où chacun donne son avis sur ce que devrait contenir le script de la vidéo en question.
  • Mettre en lumière les divergences de perspectives et les points d'accord pour trouver un compromis.

3. Phase de synthèse :

  • Demander à l'IA de proposer une version finale du script basée sur les contributions de chaque persona.
  • Demander à l'IA d'ajouter des commentaires expliquant comment chaque partie du script répond aux besoins des différents profils et comment la collaboration entre les persona a influencé le résultat final.

4. Phase d'évaluation et d'adaptation :

  • Demander à l'IA de proposer une évolution du script en fonction des retours et de nouveaux besoins identifiés durant la phase de collaboration. »
Méthode des 3 Pourquoi (3 P) appliquée aux giga requêtes

La méthode des 3 P, que vous connaissez déjà, peut être un outil puissant pour formuler des giga-requêtes en structurant la réflexion et en identifiant les raisons fondamentales de votre demande.

Étapes :

  1. Énoncer la requête initiale : Décrivez votre objectif de manière générale en une giga-requête.
  2. Premier "Pourquoi ?" : Demandez-vous pourquoi cet objectif est important, en termes d'impact, d'apprentissage, d'efficacité.
  3. Deuxième "Pourquoi ?" : Demandez-vous pourquoi les éléments identifiés lors du premier "Pourquoi" sont importants (en termes de pédagogie, d'ergonomie, de réalisme).
  4. Troisième "Pourquoi ?" : Demandez-vous pourquoi ces facteurs sont cruciaux pour la réussite de votre giga-requête (en termes d'innovation, de pertinence et de valeur ajoutée).
  5. Analyse et Formulation : Analysez les réponses obtenues pour identifier les points clés. Utilisez ces éléments pour reformuler votre giga-requête de manière précise et détaillée, en incluant les aspects identifiés lors de l'itération de la méthode des 3 P.

Exemple :

Requête initiale : Crée un module de formation complet sur les systèmes de freinage des véhicules lourds.

Pourquoi 1 : Pourquoi créer un module de formation complet ? (Pour que les apprenants acquièrent une connaissance approfondie et pratique des systèmes de freinage).

Pourquoi 2 : Pourquoi cette connaissance est importante ? (Pour garantir la sécurité et l'efficacité des opérations de transport et de réparation).

Pourquoi 3 : Pourquoi il est important de garantir sécurité et efficacité ? (Pour réduire les risques d'accidents, optimiser les performances des véhicules et maintenir la qualité des réparations).

Requête finale : "Crée un module de formation interactif sur les systèmes de freinage des véhicules lourds, en intégrant des simulations de pannes, des études de cas réelles, un système d'évaluation adaptatif et un suivi personnalisé des performances, afin de garantir une compréhension approfondie, la sécurité et l'efficacité des opérations de transport et de réparation. Le module devra adapter le contenu en fonction des réponses des apprenants, il devra aussi avoir un système de remédiation. Il doit générer un tableau de bord des résultats et proposer des pistes d'amélioration à l'apprenant."

En résumé

Tableau comparatif des différents niveaux

Critères Rédactique Méta-requête Giga-requête
Définition Rédaction claire et efficace. Requête pour structurer ou générer d’autres requêtes. Requête détaillée pour résoudre des tâches complexes ou faire des simulations.
Objectif principal Simplifier et clarifier les idées. Organiser et automatiser des processus. Trouver des solutions globales et détaillées.
Complexité Faible : pour des tâches simples. Moyenne : plus élaborée et organisée. Élevée : nécessite une vue d’ensemble.
Applications typiques Écrire des textes ou consignes simples. Générer des scénarios ou plans organisés. Gérer des projets complexes, multi-niveaux ou des simulations.
Point fort Clarté et simplicité. Organisation et efficacité. Vision globale et prise en compte des détails.
Point faible Limitée à des contextes simples. Peut devenir complexe si mal utilisée. Exige beaucoup de temps et de données.
Exemples de requêtes « Rédige un guide pour effectuer l'inspection de sécurité d'un véhicule lourd. » « Optimise la requête suivante : « Crée un guide pratique pour l’entretien préventif des systèmes de freinage des véhicules lourds. » » « Crée un module de formation interactif sur les systèmes de freinage des véhicules lourds, en intégrant des simulations de pannes, des études de cas réelles, un système d'évaluation adaptatif et un suivi personnalisé des performances, afin de garantir une compréhension approfondie, la sécurité et l'efficacité des opérations de transport et de réparation. Le module devra adapter le contenu en fonction des réponses des apprenants, il devra aussi avoir un système de remédiation. Il doit générer un tableau de bord des résultats et proposer des pistes d'amélioration à l'apprenant."
Last modified: Friday, 14 February 2025, 10:07 AM