Google Research
2024
Prompt Repetition Improves Performance in Non-Reasoning LLMs
Google Research — arxiv.org
Ce qu'on en retient : Répéter le prompt deux fois améliore la qualité des réponses des IA sans augmenter le temps de traitement. IAGenerateur applique automatiquement cette technique sur chaque prompt généré.
Lire l'étude →
Université d'Adélaïde
2025
Prompt Engineering in Higher Education: A Systematic Review
Journal of Educational Technology — Springer
Ce qu'on en retient : Le prompt engineering améliore les résultats académiques des étudiants. Des universités comme Arizona State University l'ont intégré dans leurs cursus. C'est la validation scientifique de notre cas d'usage "Révision & Apprentissage".
Lire l'étude →
Beijing Normal University
2025
Unleashing the Potential of Prompt Engineering for Large Language Models
Banghao Chen, Zhaofeng Zhang, Nicolas Langrené, Shengxin Zhu
Ce qu'on en retient : Les techniques comme le Chain-of-Thought, la self-consistency et le role prompting améliorent significativement les performances des LLMs. IAGenerateur intègre ces techniques dans ses templates de prompts.
Lire l'étude →
Revue systématique
2024
A Systematic Survey of Prompt Engineering in Large Language Models
Revue de plus de 100 papiers académiques — arxiv.org
Ce qu'on en retient : Modifier la structure et le contenu d'un prompt — sa longueur, son arrangement, sa formulation — influence directement la qualité des réponses. La clarté et la précision surpassent la complexité.
Lire l'étude →