Prompt Chaining

Définition

Le Prompt Chaining est une technique de composition de LLMs qui consiste a decomposer une tache complexe en une sequence de sous-taches plus simples, ou la sortie de chaque prompt devient l'entree du suivant. C'est l'une des techniques fondamentales de l'ingenierie des systemes LLM, permettant de depasser les limites de ce qu'un seul prompt peut accomplir de maniere fiable. La motivation : un LLM repond mieux a une sequence de questions simples qu'a une seule question complexe multidimensionnelle. Un pipeline de redaction de rapport peut etre decompose en : (1) extraction des donnees brutes, (2) analyse et interpretation, (3) identification des insights, (4) redaction du rapport, (5) verification et correction — chaque etape etant un prompt separe avec une tache definie. Les types de prompt chaining : (1) Sequential chain — sortie directement transmise, (2) Conditional chain — la direction depend de la sortie precedente (if/else), (3) Parallel chain — plusieurs prompts executes en parallele, leurs sorties combinees, (4) Loop chain — repetition jusqu'a satisfaction d'un critere (auto-refinement). Les avantages du prompt chaining : (1) Controlabilite — chaque etape peut etre inspectee et validee, (2) Debuggabilite — identifier exactement ou le pipeline echoue, (3) Parallelisation — les sous-taches independantes peuvent etre parallele pour reduire la latence, (4) Personnalisation — differents modeles (fort/rapide) peuvent etre utilises pour differentes etapes. En production, les frameworks LangChain (LLMChain, SequentialChain), LlamaIndex Workflows, et les primitives async Python permettent d'implémenter des chaines complexes avec gestion des erreurs, retry, et monitoring. La separation logique en etapes distinctes facilite aussi les tests unitaires de chaque composant.