L'article soutient qu'il est plus avantageux de se concentrer sur la compréhension des principes fondamentaux plutôt que sur l'accumulation de conseils pratiques. Ces principes, situés à la base de l'arbre de la connaissance, sont les plus universels et les moins dépendants des contextes spécifiques. Contrairement aux conseils pratiques qui représentent les feuilles de cet arbre et ne s'appliquent qu'à des situations très précises, les principes permettent une meilleure adaptabilité et une compréhension plus large.
En se focalisant sur les principes de base, on acquiert une capacité plus grande à naviguer dans diverses situations, même celles qui s'éloignent des exemples initiaux. Par exemple, comprendre la physiologie et le métabolisme énergétique est plus utile pour rester en forme que de suivre aveuglément un plan d'entraînement spécifique, surtout si celui-ci n'est pas adapté à sa propre condition. De même, pour la création d'une entreprise, la compréhension des principes économiques et de gestion est préférable à la simple adoption de tactiques marketing ponctuelles.
En résumé, investir du temps dans l'apprentissage des fondements d'un domaine permet de développer une expertise plus robuste et adaptable. Cette approche permet de dériver des solutions pertinentes pour un plus grand nombre de scénarios concrets, au lieu de se limiter à l'application de conseils qui peuvent rapidement devenir obsolètes ou inapplicables dès que les circonstances changent.
L’utilisation des grands modèles de langage (LLM) démocratise certaines compétences techniques, comme la rédaction de code ou de texte, en permettant à chacun d’obtenir des résultats corrects sans expertise approfondie. Cependant, l’auteur souligne que l’expertise dans un domaine reste cruciale pour exploiter pleinement ces outils, illustré par l’exemple de Terence Tao, mathématicien de renom, dont les interactions précises et ciblées avec un LLM surpassent largement les capacités d’un utilisateur lambda. Tao, grâce à sa maîtrise des mathématiques, guide le modèle vers des réponses concises et pertinentes, en évitant les explications simplistes et en poussant l’outil à fournir des solutions plus élaborées.
L’article met en lumière que les conseils génériques pour bien "prompter" un LLM sont insuffisants sans une connaissance approfondie du sujet traité. L’expertise permet de formuler des questions spécifiques, d’identifier les erreurs dans les réponses du modèle et de proposer des pistes alternatives, comme le fait Tao en mathématiques ou l’auteur dans le développement logiciel. Cette approche révèle que les problèmes de conception système reposent davantage sur des détails concrets que sur des principes généraux, rendant l’expérience et la familiarité avec le domaine bien plus déterminantes que des compétences en prompting.
Enfin, l’auteur conclut que, malgré l’amélioration des modèles, l’expertise humaine reste indispensable pour extraire des solutions de haute qualité. Les LLMs peuvent fournir des informations, mais c’est l’humain qui, grâce à ses connaissances, structure les demandes et affine les résultats. Ainsi, même si les outils deviennent plus accessibles, la valeur ajoutée provient de l’utilisateur lui-même, capable de guider le modèle avec précision pour obtenir des réponses adaptées à ses besoins spécifiques.