Les systèmes conversationnels orientés vers une tâche utilisent fréquemment le suivi d’état de dialogue pour représenter les intentions de l’utilisateur, ce qui consiste à remplir les valeurs de champs prédéfinis. De nombreuses approches ont été proposées, souvent basées sur des architectures spécifiques à une tâche et des classificateurs spécialisés. Récemment, de bons résultats ont été obtenus grâce à des architectures plus générales fondées sur des modèles de langage pré-entraînés. Dans ce travail, nous introduisons une nouvelle variante de l’approche basée sur le modèle de langage, qui utilise une mise en forme guidée par le schéma (schema-driven prompting) afin d’encoder de manière consciente de la tâche l’historique du dialogue, exploitée aussi bien pour les champs catégoriques que non catégoriques. Nous améliorons davantage les performances en enrichissant la mise en forme avec des descriptions de schéma, une source naturelle de connaissance spécifique au domaine. Notre système entièrement génératif atteint des performances de pointe sur MultiWOZ 2.2 et des performances compétitives sur deux autres benchmarks : MultiWOZ 2.1 et M2M. Les données et le code seront disponibles à l’adresse suivante : https://github.com/chiahsuan156/DST-as-Prompting.