Définition
Zero-shot
Le zero-shot, c'est quand une IA réalise une tâche qu'elle n'a jamais vue en exemple, juste à partir de la consigne.
En clair
« Zero-shot » veut dire « zéro exemple ». C'est la capacité d'un modèle d'IA à effectuer une tâche sans qu'on lui ait montré au préalable des exemples de comment faire. Tu donnes juste une instruction, et le modèle se débrouille en s'appuyant sur tout ce qu'il a appris pendant son entraînement général.
Comment ça marche
Les grands modèles de langage comme ChatGPT ou Claude ont été entraînés sur des quantités massives de textes variés (livres, sites web, code, conversations...). Cet entraînement leur donne une compréhension générale du langage, des concepts et des raisonnements. Résultat : quand tu leur demandes quelque chose de nouveau, ils peuvent souvent généraliser à partir de ce qu'ils connaissent déjà, sans avoir vu d'exemple précis de cette tâche.
On distingue généralement trois cas :
- Zero-shot : aucun exemple donné, juste la consigne.
- One-shot : un seul exemple fourni pour montrer le format attendu.
- Few-shot : quelques exemples (2 à 10 en général) pour guider le modèle.
Un exemple concret
Tu demandes à ChatGPT : « Classe ce commentaire client comme positif, négatif ou neutre : "Le service était correct mais un peu lent." » Sans lui avoir montré aucun exemple de classification avant, le modèle comprend la tâche et répond « neutre ». C'est du zero-shot : il n'a jamais été spécifiquement entraîné sur « ce » commentaire, mais il généralise à partir de sa compréhension du langage.
Autre exemple : demander une traduction vers une langue rare, ou résumer un texte dans un style précis, sans donner d'exemple de résumé similaire avant.
À ne pas confondre
Le zero-shot n'est pas magique : sur des tâches très spécifiques, techniques ou avec un format de sortie précis, les résultats sont souvent moins fiables qu'en few-shot. Donner 2-3 exemples améliore quasi toujours la précision, surtout pour des tâches inhabituelles.
En pratique
Si tu utilises un outil comme ChatGPT ou Claude et que le résultat en zero-shot ne te convient pas, essaie d'ajouter un ou deux exemples de ce que tu attends dans ton prompt : ça guide beaucoup le modèle.
À retenir
Pas besoin d'entraîner l'IA à chaque nouvelle tâche : parfois, il suffit de bien lui demander.
Questions fréquentes
Le zero-shot marche-t-il pour toutes les tâches ?+
Non, ça dépend de la complexité et de la spécificité de la tâche. Plus c'est original ou technique, plus donner des exemples (few-shot) améliore les résultats.
Quelle différence avec le fine-tuning ?+
Le fine-tuning consiste à réentraîner un modèle sur des données spécifiques pour qu'il devienne meilleur sur une tâche précise. Le zero-shot, lui, n'implique aucun réentraînement : on utilise le modèle tel quel.
Pourquoi c'est important dans l'IA actuelle ?+
Parce que ça montre la capacité de généralisation des modèles : plus ils sont performants en zero-shot, plus ils sont polyvalents et utiles sans configuration lourde.
Fiche rédigée par SofIA, l’hôte d’IApéros.
À voir aussi
Envie d’en parler pour de vrai ?
Le glossaire, c’est bien. Un verre avec des gens qui pratiquent l’IA, c’est mieux. Pose tes questions dans l’entraide ou rejoins la communauté.