Festi Market
Apprendre à l'IA à ne pas halluciner
Industrialiser la production de contenu B2B via l'IA tout en éliminant les hallucinations grâce à un prompt engineering itératif. Une étude de cas : apprendre aux modèles de langage à ne pas inventer de mensonges crédibles.
100
Produits
8
~5%
Après 8 itérations
Le prompt final
Nous adaptons en français des produits pour un site Shopify. Ci-joint des exemples de fiches produits existantes. Style : rester sobre, une machine à pop-corn ne révolutionne rien. On est en B2B ; ce que le lecteur veut, c'est une information fiable dans un style professionnel.
ÉTAPE OBLIGATOIRE AVANT DE CRÉER L'ARTIFACT : utilise web_search pour vérifier CHAQUE URL festi-market.com citée dans « Produits associés », avec une recherche site:festi-market.com [terme]. Vérifie que l'URL ne renvoie pas d'erreur. Ne devine jamais une URL et ne suppose jamais qu'elle existe. Supprime le texte correspondant, pas seulement l'URL.
Tu peux proposer un nom plus percutant, mais tu ne supprimes aucune information.
Ensuite tu adaptes le texte anglais en français.
Tu ne supprimes aucune information. Tu n'ajoutes aucune information.
N'invente jamais une URL pour le logo au lieu de chercher la vraie !
Si pour une raison quelconque tu ne peux pas accéder à la fiche produit, n'invente rien. Signale-le-moi, c'est tout. Et n'ajoute pas la ridicule « description optimisée » qui ne figure pas dans le modèle !
Pour la liste à puces, ne précise pas « (bullet points) » entre parenthèses, c'est ridicule. Par ailleurs, aucun emoji. Je te rappelle qu'on est en B2B, destiné à des professionnels. Comme pour les puces, inutile de préciser « description produit ».
La fiche produit est générée en HTML. Utilise l'exemple fourni dans les instructions, remplace simplement le contenu textuel. Vérifie la validité des liens des produits associés. Je te rappelle que tu ne dois rien inventer ; cela vaut pour le logo mais aussi pour le prix du produit : tu ne sais pas à combien il sera vendu, donc ne le fais pas figurer dans le tableau des spécifications techniques ; ce n'est de toute façon pas l'usage sur les sites de vente ! Le tableau doit comporter les dimensions, le poids et l'alimentation.
Voici le modèle : 1/ Titre principal H1 2/ Sous-titre H2 juste avant la description, évidemment différent du titre H1. 3/ La marque : (le nom de la marque avec redirection UNIQUEMENT si tu trouves la vraie URL) 4/ Description du produit 5/ Caractéristiques principales (H3) 6/ Points forts (H3) 7/ Produits associés (H3) avec lien de redirection, par exemple : toutes nos machines à hot-dog / emballages hot-dog. J'insiste encore : tu ne dois pas inventer d'URL !!! Cherche les URL pertinentes sur le site Festi Market. Si tu n'en trouves pas, tu n'en inventes pas !!!!! 8/ Financement (H3) brève description des avantages avec appel à l'action. 9/ Tableau des spécifications techniques (H3) Dans le tableau technique, vérifie qu'il y a toujours « garantie pièces 1 an » sur la dernière ligne. Comme dans le modèle HTML, alimentation et puissance vers le haut du tableau, dimensions et poids en bas, juste avant la garantie.
AVANT DE FINALISER :
Vérifie qu'aucun lien inventé n'est présent.
Vérifie que les éléments meta sont fournis sans titres.
Vérifie que tous les liens ont été testés ; ne te contente pas de les trouver dans les résultats de recherche, ce n'est pas suffisant !!!!
10/ Éléments meta (À FOURNIR SANS AUCUN TITRE NI LIBELLÉ. NE PAS INCLURE DANS L'ARTIFACT) :
Première ligne : le meta-title
Deuxième ligne : la meta-description mettant en avant ce que l'on obtient avec le produit
Troisième ligne : l'ancre de l'URL, AUCUN autre texte. Pas de « Meta-title : » ni aucun autre libellé.
Ce que nous avons fait
Apprendre de ses échecs
Le premier produit semblait parfait jusqu'à ce que nous remarquions l'URL du logo. L'IA avait inventé logo-neumarker-professional.png, en respectant si bien les conventions de nommage du site que le lien paraissait réel.
La documentation B2B du deuxième produit était truffée d'emojis. Le septième inventait des liens de collection qui ne menaient nulle part. Le douzième tronquait les titres techniques, supprimant ainsi les spécifications précises recherchées par les acheteurs.
Nous n'avons pas cherché à anticiper chaque défaillance en amont. Chaque erreur est devenue une règle. « Ne jamais inventer d'URL de logo » a été ajouté après le premier produit. « Préserver les titres complets » vient du douzième. Au cinquantième produit, nous disposions de huit pages de mécanismes de défense bâtis sur des échecs réels, pas sur des problèmes hypothétiques. Le prompt s'est mué en procès-verbal détaillé des dérives effectives de l'IA.
Intégrer la vérification au génératif
Le déclic a été d'obliger l'IA à vérifier avant d'affirmer quoi que ce soit. Avant qu'une URL n'entre dans une fiche produit, elle devait la rechercher. Avant d'énumérer des spécifications, elle devait récupérer la page du fabricant. Il ne s'agissait pas de « générer puis vérifier », mais de « vérifier en générant ».
Nous avons rendu l'utilisation de web_search obligatoire pour chaque lien de collection. L'IA ne pouvait plus affirmer l'existence de /collections/professional-griddles sans avoir d'abord effectué une recherche site:festi-market.com.
Pour les données fabricants, web_fetch récupérait les pages réelles, limitant ainsi l'IA aux informations documentées plutôt qu'à des suppositions plausibles.
La contrepartie était la vitesse : le traitement de chaque produit demandait plus de temps. Mais nous avons éliminé trente minutes de vérification a posteriori par produit.
Apprentissage lié au contexte
Les 100 produits ont été générés au sein d'un même Claude Project. Chaque correction, « n'invente pas d'URL », « vérifie les liens », « préserve les titres », se propageait aux suivants. Des régularités sont apparues d'un produit à l'autre. Lorsque l'IA butait systématiquement sur des articles dépourvus de certaines spécifications, nous avons ajouté une règle explicite : « Si la page du fabricant n'indique pas les dimensions, supprime cette ligne du tableau plutôt que de la deviner. »