Ingénieur solutions Braintrust : « Les meilleurs LLM ne garantissent pas toujours des performances constantes » C’est pourquoi une modification de prompt nécessite des tests avant que le prompt modifié ne réponde aux demandes réelles des utilisateurs. Une exécution sur playground peut sembler meilleure, tandis que le même prompt réduit la qualité sur des entrées complexes. Atelier : présente la boucle d’évaluation minimale : tâche, jeu de données, score, tests hors ligne, journaux en ligne, revue humaine. L’article ci-dessous applique ce même principe à la récupération, aux vérifications d’hallucinations, à la gestion des versions et aux tests de régression des changements de prompt. Regardez l’atelier, puis lisez l’article avant de déployer le prochain changement de prompt sans test de régression.