Zero-shot learning : définition complète en IA pour les PME

Le zero-shot learning est la capacité d'un modèle de langage à effectuer une tâche sans aucun exemple spécifique dans le prompt. On décrit simplement la tâche et le format de sortie attendu, et le modèle exécute grâce à sa connaissance générale acquise lors de l'entraînement. C'est la forme la plus simple de prompt engineering : pas d'exemples, juste des instructions.

Ce que ça change pour une PME

Le zero-shot est le point de départ naturel pour tester une idée :

• « Résume ce contrat en 5 points clés » → le LLM le fait sans exemple préalable ;
• « Classe ce ticket en urgence, normale ou faible » → le modèle comprend les catégories ;
• « Génère 3 variantes de cet email de relance » → le format est explicite.

Quand ça suffit et quand ça ne suffit pas

Le zero-shot fonctionne bien pour les tâches simples et les modèles puissants (GPT-4o, Claude). Pour les tâches complexes ou les modèles plus légers, il faut passer au few-shot (quelques exemples). Le zero-shot est le test rapide pour valider la faisabilité : si ça ne marche pas en zero-shot, le few-shot est l'étape suivante. Si ça ne marche toujours pas, il faut repenser la tâche.