Introduction-to-LLM-and-RAG

TP : Construction d’un Pipeline de Classification à l’Aide d’une IA Générative

Objectif
L’objectif de ce TP est de construire un pipeline de classification de sentiments à l’aide d’une IA générative, en utilisant le dataset disponible sur Kaggle : IMDB Movie Ratings Sentiment Analysis. Vous serez amené à expérimenter avec des prompts adaptés pour obtenir des sorties régulières et exploitables au format JSON.

---

Consignes Générales

1. But du TP
   Concevoir un pipeline qui :
   • Prend en entrée un texte (extrait de critiques de films).
   • Génère une classification de sentiment (positif ou négatif) en utilisant une IA générative.
   • Renvoie la réponse de manière structurée au format JSON.

2. Évaluation (optionnelle)
   Une fois le pipeline conçu, vous pouvez évaluer sa qualité en comparant ses prédictions avec les véritables étiquettes du dataset.

3. Libre à vous de personnaliser
   Le TP est volontairement ouvert : vous êtes encouragé à explorer différentes approches et à faire preuve de créativité.

---

Ressources pour Vous Aider

Pour réussir ce TP, vous pouvez rechercher et vous documenter sur les concepts suivants :

• Python : pour manipuler les données et interagir avec l’API.
• JSON : pour structurer les sorties de manière standardisée.
• Prompt Engineering for Classification : pour concevoir des prompts adaptés à votre tâche.
• Dataset Handling : avec des outils comme Pandas et NumPy.
• Évaluation des Modèles : métriques comme la précision, le rappel et le F1-score.

Conseils

• Itérez rapidement : Testez fréquemment vos prompts et ajustez-les en fonction des résultats.
• Soyez méthodique : Commencez par des exemples simples avant de généraliser à tout le dataset.
• Gérez les imprévus : Préparez votre code à traiter les cas où l’IA produit des réponses inattendues.
• Explorez les outils IA : Certains modèles génératifs sont meilleurs que d’autres pour des tâches spécifiques. Essayez différents fournisseurs si nécessaire.

---