Guide
Few-shot avec Mistral : exemples, format et échelles
Donner des exemples à l'assistant de Mistral AI, imposer un format, préférer une échelle en mots à une note : le guide de Mistral en prompts.
Mis à jour le
« Few-shot » veut dire « quelques exemples » : vous montrez à l'assistant deux ou trois cas résolus, puis vous lui donnez le vrai cas. Le guide de prompting de Mistral AI, lu le 15/11/2026, indique que les exemples améliorent la compréhension, la précision et surtout le format de sortie. Il donne aussi deux conseils moins connus : imposer un format strict quand vous devez réutiliser la réponse, et noter avec des mots plutôt qu'avec des chiffres.
Zero-shot, few-shot : la différence
| Méthode | Ce que contient le prompt | Quand l'utiliser |
|---|---|---|
| Zero-shot | La consigne seule, aucun exemple | Tâche simple, format libre |
| Few-shot | La consigne et quelques exemples résolus | Format précis, classement, ton à imiter |
Côté développeurs, le guide place les exemples dans l'historique de la conversation, sous forme d'échanges fictifs entre utilisateur et assistant. Dans l'application, il suffit de les écrire dans le message, clairement séparés.
Prompt 1 : classer avec des exemples
Le guide de Mistral AI illustre la méthode avec un assistant bancaire qui range les questions des clients dans des catégories fixes, avec une catégorie de repli pour le reste. Version pour une PME :
Vous êtes l'assistant du service après-vente d'un fabricant de [mobilier de jardin]. Votre tâche est de ranger chaque message client dans une seule catégorie parmi : livraison, pièce_manquante, garantie, montage, facturation. Si aucune ne convient : service_client.
Répondez uniquement par la catégorie, sans explication.
## Exemples
Message : « Mon colis devait arriver hier, toujours rien. »
Catégorie : livraison
Message : « Il manque deux vis dans le carton de la table. »
Catégorie : pièce_manquante
Message : « Le parasol s'est cassé après trois mois, est-ce couvert ? »
Catégorie : garantie
Message : « Vous livrez en Corse ? »
Catégorie : livraison
Message : « Pouvez-vous m'envoyer votre catalogue professionnel ? »
Catégorie : service_client
## Message à classer
[collez le message]
À vérifier : passez dix messages réels et comparez avec votre propre tri. Si une erreur se répète, ajoutez un exemple de ce cas précis plutôt qu'une règle de plus.
Prompt 2 : imposer un format réutilisable
Le guide compare deux façons de répondre pour un classement : une étiquette seule, rapide et économique mais peu souple, ou un objet JSON (un format de données structuré), plus fiable à réutiliser mais un peu plus long. Si vous collez ensuite les réponses dans un tableur, demandez un format fixe :
Pour chaque avis client ci-dessous, répondez sur une ligne au format exact :
numéro ; sujet principal ; ton ; action à prévoir
Sujets possibles : produit, livraison, accueil, prix, autre.
Tons possibles : très négatif, négatif, neutre, positif, très positif.
Action : une phrase de 10 mots au plus, ou « aucune ».
## Exemple
Avis 1 : « Livré avec une semaine de retard, mais le produit est parfait. »
1 ; livraison ; neutre ; vérifier le délai annoncé sur le site
## Avis à traiter
[collez les avis numérotés]
À vérifier : chaque ligne a bien quatre champs. Collez le résultat dans un tableur et triez par ton pour repérer les avis qui demandent une réponse rapide.
Prompt 3 : une échelle en mots, définie
Le guide de Mistral AI recommande une échelle verbale définie (très faible, faible, neutre, bon, très bon) plutôt qu'une note de 1 à 5, avec une définition pour chaque niveau.
Vous évaluez des candidatures à [un poste de technicien de maintenance] à partir de la lettre de motivation seulement, sur un critère : l'expérience pratique en dépannage.
Échelle :
- très faible : aucune expérience pratique mentionnée ;
- faible : expérience mentionnée sans exemple concret ;
- neutre : un exemple concret, sans précision sur le matériel ;
- bon : plusieurs exemples, avec le type de matériel ;
- très bon : plusieurs exemples détaillés, dont un dépannage en autonomie.
Répondez par le niveau, puis la phrase de la lettre qui le justifie, entre guillemets.
<lettre>
[collez la lettre, sans nom ni coordonnées]
</lettre>
À vérifier : la phrase citée existe dans la lettre et correspond bien au niveau. Une évaluation de ce type aide à préparer un entretien ; elle ne remplace ni l'entretien ni la décision de la personne qui recrute. Retirez nom, adresse et âge de la lettre avant de la coller : ils n'apportent rien au critère évalué.
Demander seulement ce qui sert
Le guide de Mistral AI rappelle que les modèles lisent plus vite qu'ils n'écrivent : demandez la sortie strictement nécessaire. Dans les prompts ci-dessus, « répondez uniquement par la catégorie » ou « une ligne par avis » vont dans ce sens. Moins de texte produit, c'est une réponse plus rapide et plus facile à contrôler.
Les pièges des exemples
- Exemples tous semblables : l'assistant en déduit une règle que vous n'avez pas voulue. Variez longueurs et situations.
- Exemple qui contredit la consigne : si la consigne dit « sans explication » et que l'exemple en donne une, corrigez l'exemple.
- Catégorie sans exemple : prévoyez au moins un exemple pour la catégorie de repli (ici « service_client »), sinon rien ne montre à l'assistant dans quel cas l'utiliser.
Questions fréquentes
Qu'est-ce que le few-shot prompting ?
C'est donner au modèle quelques exemples de la tâche résolue avant de lui soumettre le cas réel. Le guide de Mistral AI indique que cela améliore la compréhension, la précision et surtout le format de sortie. Sans exemple, on parle de zero-shot.
Pourquoi éviter les notes de 1 à 5 ?
Le guide de Mistral AI constate que les échelles numériques donnent de moins bons résultats que des échelles en mots définies (très faible, faible, neutre, bon, très bon), quitte à les convertir en chiffres ensuite.
Sources
Pages consultées pour écrire cet article :