Quel problème DSPy résout-il ?

Il remplace les prompts fragiles réglés à la main par des modules programmables et optimisables.

Quand DSPy est-il excessif ?

Pour un unique prompt stable qui marche déjà, le modèle de programmation de DSPy ajoute une surcharge inutile. Son intérêt apparaît quand vous avez des métriques mesurables et plusieurs étapes de pipeline à optimiser automatiquement.

Faut-il un jeu étiqueté pour utiliser DSPy ?

Oui : DSPy optimise contre des exemples avec sortie attendue, il vous faut donc un jeu étiqueté (ou au moins noté). Quelques dizaines à centaines d’exemples suffisent en général ; leur qualité détermine celle du prompt compilé.

Open sourceAvancé

DSPy

Name: DSPy
Author: Stanford NLP

DSPy est un framework pour programmer les modèles de langage plutôt que les prompter, en composant des pipelines modulaires et en optimisant automatiquement les prompts et les poids. Développé à Stanford, il remplace l'ingénierie de prompts fragile par des programmes reproductibles et testables qui s'adaptent aux modèles et tâches.

Aperçu

« DSPy » est une ressource de type « Open source » sélectionnée par AI Resource Hub, classée dans la catégorie Frameworks et adaptée aux apprenants de niveau Avancé. Elle est fournie par Stanford NLP, a été mise à jour pour la dernière fois le 2026-06-26 et affiche une note éditoriale de 4.6/5 attribuée par notre équipe. Cliquez sur « Visiter la ressource » à droite pour ouvrir la page d’origine.

Notre verdict

DSPy est le framework à adopter quand l’ingénierie de prompts ne passe plus à l’échelle. Plutôt que des chaînes fragiles réglées à la main, vous écrivez des modules composables et laissez des optimiseurs les compiler contre votre propre jeu d’évaluation : le prompting devient une ingénierie systématique et vérifiable. L’effort est réel : l’abstraction prend du temps à apprendre et exige des exemples étiquetés et des métriques mesurables. Pour un unique prompt stable, c’est excessif ; pour des pipelines à plusieurs étapes que vous voulez réellement améliorer, c’est l’option la plus rigoureuse de l’écosystème.