Le chain prompt (ou prompt chaining) est un pattern d’architecture qui consiste à découper une tâche complexe en plusieurs appels LLM successifs, où la sortie de chaque étape devient l’entrée de la suivante. À ne pas confondre avec le chain-of-thought (raisonnement dans un seul appel).
En pratique
Cas typique en PME : analyse d’un appel d’offre client.
- Étape 1 — Extraction : LLM lit le PDF de 20 pages, sort la liste des exigences en JSON.
- Étape 2 — Classification : pour chaque exigence, classifie en (technique, commercial, légal).
- Étape 3 — Évaluation : pour chaque exigence technique, vérifie si on a la compétence en interne.
- Étape 4 — Synthèse : génère un go/no-go argumenté.
Chaque étape utilise potentiellement un modèle différent (Haiku pour extraction, Sonnet pour évaluation) — c’est le model routing.
Pourquoi c’est important pour votre projet IA
- Tâches complexes en un seul prompt = LLM se perd, hallucine, oublie une étape.
- Chaining = chaque étape est testable, observable, ré-exécutable indépendamment.
- Permet de mixer modèles cheap/expensive : 80 % du coût économisé en routant les étapes simples vers un petit modèle.
Liens utiles
- Chain-of-thought — définition
- Agentic workflow — définition
- Prompt engineering — définition
- Audit IA Kezify — concevoir vos chaînes de prompts.
← Retour au glossaire
#chain prompt#prompt chaining#LLM#orchestration