Vous avez demandé à ChatGPT de reformuler un email, à Gemini de résumer un document, à Copilot de finir une phrase. Vous avez donc déjà utilisé un grand modèle de langageRéseau de neurones entraîné sur des centaines de milliards de mots pour prédire le token suivant. À partir d'une certaine taille, des capacités inattendues émergent spontanément. GPT-5, Claude, Gemini, Llama et Mistral sont des grands modèles de langage., probablement sans vous demander ce qui se passait réellement de l'autre côté de l'interface.

Ces outils sont conçus pour être fluides, presque transparents. Mais cette fluidité masque des mécanismes précis, et les comprendre change assez profondément la façon dont on s'en sert, et dont on évalue ce qu'ils peuvent ou non faire pour nous.

Un grand modèle de langage peut défendre une thèse, commenter un arrêt de tribunal ou expliquer la relativité. De l'extérieur, ça ressemble à du raisonnement. Mais ce n'en est pas.

Ce que produit le modèle ressemble au raisonnement humain parce qu'il en a ingéré des quantités massives pendant son entraînement. Il a appris à en imiter la forme. Ce qui trahit l'absence de raisonnement réel, c'est ce qui se passe dès qu'on lui demande d'opérer sur les lettres individuelles, des unités que son système de tokenisation ne lui permet pas de voir.

Le test le plus simple : demandez-lui de soutenir une conversation en écrivant chaque message à l'envers lettre par lettre. Envoyez-lui ce message d'amorce :

Un grand modèle de langageRéseau de neurones entraîné sur des centaines de milliards de mots pour prédire le token suivant. À partir d'une certaine taille, des capacités inattendues émergent spontanément. GPT-5, Claude, Gemini, Llama et Mistral sont des grands modèles de langage. fait essentiellement une chose : prédire le tokenUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. suivant. Pendant son entraînement, il a ingéré des centaines de milliards de mots et appris, à chaque position dans un texte, quel fragment venait le plus probablement après. Cette opération, répétée des milliards de fois sur des données massives, est à l'origine de tout ce que ces modèles savent faire.

Trois idées fausses circulent à son sujet, et il vaut la peine de les nommer clairement.

"Il cherche sur Internet" : un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. de base n'a aucun accès au réseau. Il utilise uniquement ce qu'il a appris lors de son entraînement. Certains produits ajoutent une couche de recherche web par-dessus, mais c'est une fonction distincte du modèle lui-même.

"Il comprend comme un humain" : il n'a pas de compréhension consciente. Ce qu'il fait ressemble si précisément à de la compréhension que la confusion est naturelle, mais il s'agit de reconnaissance de patterns statistiques, pas d'intentionnalité.

"Il a toujours raison" : puisqu'il génère ce qui est statistiquement probable, il peut être fluide, assuré et factuellement faux simultanément. La confiance du ton ne dit rien de la véracité du contenu.

Un grand modèle de langageRéseau de neurones entraîné sur des centaines de milliards de mots pour prédire le token suivant. À partir d'une certaine taille, des capacités inattendues émergent spontanément. GPT-5, Claude, Gemini, Llama et Mistral sont des grands modèles de langage. ne lit pas votre texte mot par mot. Il le découpe d'abord en tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens., des fragments qui peuvent être des mots entiers, des syllabes, ou de simples morceaux de mots. Puis il travaille sur cette séquence de fragments. Son vocabulaire est fixe, de l'ordre de cinquante mille tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens..

Un modèle ne travaille pas sur le texte. Une fois la phrase découpée en tokens, chaque token est transformé en un vecteur (une liste de nombres) dans un espace à plusieurs milliers de dimensions. Cet espace n’est pas arbitraire : pendant l’entraînement, le modèle apprend à positionner les tokens de telle sorte que la proximité géométrique reflète la proximité de sens.

Conséquence contre-intuitive : deux mots qui ne partagent aucune lettre peuvent être quasiment au même endroit dans l’espace vectoriel, et deux mots qui se ressemblent visuellement peuvent être très loin. C’est cette représentation, et non le texte littéral, que le modèle manipule à chaque étape.

À chaque position dans un texte, le modèle calcule une distribution de probabilités sur l'ensemble de son vocabulaire, puis tire un tokenUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. selon cette distribution. Le paramètre qu'on appelle températureParamètre qui règle l'amplitude de l'aléatoire lors de la génération. Basse (proche de 0) : réponses prévisibles. Haute (proche de 1) : réponses créatives mais moins stables. règle l'amplitude de ce tirage : basse, elle concentre les probabilités sur les tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. les plus probables et rend le modèle prévisible ; haute, elle les étale et ouvre la porte à des sorties plus créatives, parfois surprenantes, parfois incohérentes.

Un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. n'a pas de mémoire au sens courant du terme. À chaque génération, il relit l'intégralité de la conversation depuis le début. Sa fenêtre de contexteQuantité maximale de texte qu'un LLM peut traiter en une seule fois. Au-delà, il ignore le reste. Les modèles modernes gèrent souvent plus de 100 000 tokens, soit la taille d'un roman. est la quantité maximale de texte qu'il peut traiter en une seule fois ; au-delà, il coupe simplement.

Les modèles récents disposent de fenêtres de 100 000 à 1 million de tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens., soit à peu près la taille d'un roman. Mais une fenêtre longue a un coût : le traitement est plus lourd, et les études montrent que les modèles perdent en précision sur les informations placées au milieu d'un très long contexte, un phénomène surnommé "lost in the middle".

Une hallucinationPhénomène où un LLM produit une information fausse avec autant d'assurance que s'il énonçait un fait établi., c'est quand un modèle produit une information fausse avec le même aplomb que s'il disait quelque chose de vrai. Il s'agit d'une conséquence directe de son fonctionnement, pas d'un dysfonctionnement.

Le modèle génère le tokenUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. statistiquement le plus probable. Si la suite la plus probable est factuellement inexacte (parce que cette inexactitude était fréquente dans ses données, ou parce que le fait réel y était rare), il la génère quand même, sans la moindre hésitation. Les domaines les plus exposés sont les faits récents (au-delà de sa date de coupure), les chiffres précis, les références spécifiques comme les citations ou les URLs, et les informations rares ou spécialisées.

Posez la même question deux fois au même modèle. Vous obtiendrez deux réponses différentes. Cette instabilité vient directement du mécanisme de génération lui-même.

À chaque étape, le modèle ne choisit pas le tokenUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. le plus probable de façon déterministe. Il effectue un tirage selon une distribution de probabilités. La températureParamètre qui règle l'amplitude de l'aléatoire lors de la génération. Basse (proche de 0) : réponses prévisibles. Haute (proche de 1) : réponses créatives mais moins stables. règle l'amplitude de ce tirage, mais même réglée au minimum, une part d'aléatoire subsiste. Le paramètre seed, disponible via l'API, permet de fixer la graine du générateur aléatoire et d'obtenir des réponses reproductibles, tant qu'on utilise la même version du modèle.

La question arrive tôt ou tard dans toute organisation qui s'intéresse à l'IA : peut-on entraîner un modèle sur nos propres données ? La réponse est oui, mais selon trois approches très différentes, dont les coûts, les délais et les propriétés ne sont pas interchangeables.

Le prompt engineering consiste à guider le modèle existant par la rédaction des instructions. Coût nul, résultats immédiats. La limite est simple : tout ce que le modèle doit savoir doit tenir dans la fenêtre de contexteQuantité maximale de texte qu'un LLM peut traiter en une seule fois. Au-delà, il ignore le reste. Les modèles modernes gèrent souvent plus de 100 000 tokens, soit la taille d'un roman. à chaque appel. Cela constitue le bon point de départ pour explorer un cas d'usage avant d'investir davantage.

Le RAGRetrieval-Augmented Generation. Architecture qui récupère les passages pertinents d'une base documentaire et les injecte dans le contexte avant génération. (Retrieval-Augmented Generation) indexe vos documents dans une base vectorielle. À chaque question, les passages pertinents sont récupérés et injectés dans le contexte du modèle. Vos données restent à jour sans réentraîner quoi que ce soit. Cette architecture se trouve derrière la quasi-totalité des chatbots documentaires en entreprise aujourd'hui.

Le fine-tuningRéentraînement d'un modèle existant sur des données spécifiques. Coûte 100 à 10 000 fois moins que l'entraînement complet. consiste à réentraîner le modèle (ou ses couches finales) sur vos propres données. Il absorbe votre terminologie, votre style, vos règles métier. Les performances sur la tâche cible peuvent être nettement supérieures, mais le coût est élevé et les données d'entraînement deviennent obsolètes avec le temps.

Quand vous utilisez ChatGPT, Claude ou Copilot, vous n'interagissez pas avec un modèle à l'état brut. Vous interagissez avec un produit, une couche applicative construite sur le modèle, qui en modifie profondément le comportement.

Cette couche est composée de plusieurs éléments. Le system promptInstructions envoyées au modèle avant chaque conversation. Définissent le rôle, les règles et le périmètre. Invisibles pour l'utilisateur. de l'opérateur est un ensemble d'instructions envoyées en amont de chaque conversation, invisibles pour l'utilisateur, mais déterminantes pour le comportement du modèle : rôle, ton, périmètre autorisé, règles de refus. ChatGPT, Claude.ai et Bing Chat reposent parfois sur les mêmes modèles sous-jacents, mais leurs system promptsInstructions envoyées au modèle avant chaque conversation. Définissent le rôle, les règles et le périmètre. Invisibles pour l'utilisateur. sont très différents, ce qui explique des comportements en apparence incomparables.

À cela s'ajoutent des filtres de sécurité qui opèrent en entrée et en sortie, et les effets de l'alignementEnsemble des techniques visant à orienter le comportement d'un LLM vers ce que ses concepteurs et utilisateurs souhaitent. par renforcement (RLHFReinforcement Learning from Human Feedback. Technique d'alignement où des évaluateurs humains comparent des paires de réponses, guidant le comportement du modèle.) : le modèle brut a été ajusté à partir de préférences humaines pour être plus utile, plus prudent, et moins susceptible de produire du contenu problématique.

Vous savez maintenant qu'un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. prédit des tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens.. Mais comment un programme vierge devient-il capable de le faire ? Comment passe-t-on d'un tableau de nombres aléatoires à quelque chose qui semble comprendre ?

Un enfant apprend à reconnaître un chat en voyant des centaines de chats dans des contextes variés, sans qu'on lui ait fourni de définition formelle. Une machine apprend de la même façon : en ajustant progressivement ses paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris. internes pour devenir meilleure sur une tâche, à partir d'exemples. Ce processus s'appelle l'entraînement. Le modèle fait une prédiction, mesure son erreur, se corrige. Des millions de fois, jusqu'à ce que les erreurs deviennent suffisamment rares.

Un neurone artificiel est la brique élémentaire de tout réseau. Il reçoit plusieurs valeurs en entrée, les pondère selon des poids ajustables, additionne le tout, et décide s'il s'active selon un seuil.

Tout modèle suit la même boucle, en cinq étapes qui se répètent à l'infini.

① Données d'entrée : une phrase, une image, un son que le modèle va traiter. ② Prédiction : le modèle calcule sa réponse avec ses poids actuels. ③ Calcul de l'erreur : on compare la prédiction à la bonne réponse et on mesure l'écart. ④ RétropropagationAlgorithme qui calcule comment chaque paramètre a contribué à l'erreur et permet de les ajuster en conséquence. : on remonte cette erreur à travers le réseau pour attribuer à chaque paramètre sa part de responsabilité. ⑤ Ajustement des poids : chaque paramètre est modifié d'un tout petit peu dans la direction qui réduit l'erreur.

Puis la boucle recommence, avec une nouvelle donnée. Des millions de fois. Les plus gros modèles comptent plus de mille milliards de paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris. à ajuster ainsi, pour devenir bons à prédire des tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens..

Ce qui mérite qu'on s'y arrête : la boucle n'a jamais demandé au modèle d'apprendre à coder, à traduire ou à résoudre des syllogismes. Elle n'optimise qu'une seule chose : la prédiction du tokenUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. suivant. Et pourtant, au-delà d'un certain seuil de taille, des capacités inattendues émergent.

Jusqu'en 2017, les modèles de langage utilisaient des réseaux récurrents qui lisaient le texte séquentiellement, mot après mot. Cette architecture avait deux défauts rédhibitoires : elle était difficile à paralléliser sur GPU, et la mémoire des informations lointaines s'estompait sur les longues séquences.

En 2017, huit ingénieurs de Google publient Attention Is All You Need et proposent une architecture fondamentalement différente : le TransformerArchitecture de réseau de neurones publiée en 2017, base de tous les grands modèles actuels. Son mécanisme central, l'attention, permet de traiter tous les tokens en parallèle.. Son principe central est le mécanisme d'attentionCœur du Transformer : pour chaque token, le modèle calcule un score de pertinence avec tous les autres tokens de la fenêtre. : pour chaque tokenUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. à générer, le modèle examine simultanément tous les autres tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. de la fenêtre et calcule, pour chacun, un score de pertinence. Il peut ainsi relier "il" à "le président" deux cents tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. plus tôt sans l'avoir oublié au passage.

Concrètement, le mécanisme d'attention se déroule en cinq étapes successives. ① Query : pour chaque token à traiter, le modèle génère un vecteur "requête" qui représente ce qu'il cherche. ② Keys : on compare cette requête aux vecteurs "clés" de tous les autres tokens de la séquence et on en déduit un score de pertinence pour chacun. ③ Softmax : on normalise ces scores pour qu'ils totalisent 1, ce qui donne des poids d'attention. ④ Values : on utilise ces poids pour pondérer et combiner les vecteurs "valeurs" des tokens pertinents. ⑤ Output : on obtient une représentation enrichie du token de départ, nourrie par le contexte qui compte.

Un neurone seul ne peut modéliser que des relations linéaires. Pour aller au-delà, il faut empiler des couches : chaque couche transforme la représentation reçue et la transmet à la suivante, produisant des abstractions de plus en plus riches.

C'est ce qu'on appelle le deep learning : "deep" désigne simplement la profondeur de cet empilement. Un réseau avec trois couches cachées est déjà "profond". Les plus grands modèles en comptent des centaines.

Dans un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs., l'information traverse cinq étages, dans cet ordre.

① EmbeddingReprésentation d'un contenu sous forme d'une liste de nombres dans un espace partagé. Les concepts sémantiquement proches sont géométriquement proches dans cet espace. : chaque token est converti en un vecteur numérique dans un espace à plusieurs milliers de dimensions. ② Encodage positionnel : comme le Transformer traite les tokens en parallèle, il perd naturellement l'information d'ordre. On y ajoute donc un signal qui encode la position de chaque token dans la séquence. ③ N couches Transformer : chaque couche applique le mécanisme d'attention vu à la leçon précédente, puis un réseau dense (FFN). Les modèles modernes empilent des dizaines, voire des centaines de ces couches. ④ Normalisation finale : une dernière étape stabilise les vecteurs de sortie avant la projection. ⑤ LM Head : cette couche de sortie projette le vecteur final sur tout le vocabulaire et calcule les probabilités du prochain token.

La boucle d'apprentissage repose sur un algorithme central : la descente de gradientMesure de la pente de la fonction d'erreur par rapport à chaque paramètre. Indique dans quelle direction ajuster les poids pour réduire l'erreur.. Pour l'intuitionner, imaginez un paysage montagneux où chaque position représente une configuration possible des paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris. du modèle, et où l'altitude représente l'erreur de prédiction. L'objectif est de trouver la vallée la plus basse.

À chaque étape, le modèle calcule la pente locale, appelée gradientMesure de la pente de la fonction d'erreur par rapport à chaque paramètre. Indique dans quelle direction ajuster les poids pour réduire l'erreur., puis effectue un petit pas dans la direction qui descend. Répété des milliards de fois sur des données variées, ce processus converge vers une configuration qui minimise l'erreur.

En pratique, on n'utilise jamais tout le corpus à chaque étape, ce serait prohibitif. On calcule le gradientMesure de la pente de la fonction d'erreur par rapport à chaque paramètre. Indique dans quelle direction ajuster les poids pour réduire l'erreur. sur de petits sous-ensembles appelés mini-batchesPetits sous-ensembles de données utilisés pour calculer le gradient à chaque étape d'entraînement.. Le résultat est plus bruité, mais infiniment plus rapide. Tous les grands modèles utilisent cette méthode.

La taille d'un modèle se mesure en paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris., les poids ajustables qui constituent sa mémoire apprise. GPT-2 : 1,5 milliard. GPT-3 : 175 milliards. Les modèles actuels : plus de mille milliards. Mais qu'apporte concrètement cette montée en échelle ?

En 2020, Kaplan et ses collègues d'OpenAI ont montré que les performances d'un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. suivent des lois de puissance prévisibles selon trois variables : le nombre de paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris., la taille du corpus d'entraînement, et le budget de calcul. Autrement dit, l'amélioration n'est pas erratique, elle est quantifiable.

La conséquence pratique est importante : un modèle de 7 milliards de paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris. entraîné sur des données de qualité peut surpasser un modèle de 70 milliards mal entraîné sur une tâche spécifique. Ce phénomène a rendu les modèles open-source (Llama, Mistral, Phi) compétitifs pour des usages ciblés, sans nécessiter l'infrastructure des grands laboratoires.

Vous savez maintenant comment le modèle génère ses réponses. Ce qui détermine le résultat, c'est le contexte initial, autrement dit le prompt. Deux formulations qui demandent la même chose peuvent produire des sorties radicalement différentes.

On peut voir un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. comme un acteur très compétent : il peut jouer n'importe quel rôle, mais c'est vous qui lui donnez le script, le décor et les contraintes de mise en scène. Le prompt engineering n'est pas une compétence technique au sens strict : il consiste à formuler une demande avec assez de précision pour que le modèle comprenne non seulement ce qu'on veut, mais comment on le veut.

Commencer un prompt par "Tu es…" est l'une des techniques les plus immédiatement efficaces. Le persona cadre tout le registre de la réponse : vocabulaire, niveau de détail, posture, hypothèses implicites.

"Tu es un consultant spécialisé en restructuration" active des patterns très différents de "Tu es un professeur qui explique à des étudiants de première année" : même sur le même sujet, la réponse obtenue sera structurée, tonée et nuancée différemment.

Le modèle ne "devient" pas réellement ce rôle. Il active les patterns statistiques associés à ce type de locuteur dans ses données d'entraînement. Les rôles précis et crédibles fonctionnent donc mieux que les rôles vagues, et pourquoi un persona incohérent produit des réponses incohérentes.

Plutôt que de décrire ce qu'on veut, on peut le montrer. Inclure deux ou trois exemples de la forme souhaitée dans un prompt est souvent plus efficace qu'une longue description : le modèle généralise le pattern à partir des exemples.

C'est ce qu'on appelle le few-shot prompting. On lui soumet des paires entrée/sortie représentatives, et il infère le format attendu pour les cas suivants.

Pour les tâches qui demandent plusieurs étapes (calculs, analyses, raisonnements enchaînés), demander au modèle de "penser à voix haute" avant de conclure améliore sensiblement la qualité du résultat.

Ajouter une instruction comme "Raisonne étape par étape avant de donner ta réponse" force le modèle à générer des tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. intermédiaires de raisonnement. Ces tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. deviennent du contexte pour la suite de la génération et contraignent les tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. de conclusion vers des réponses plus cohérentes. Le raisonnement intermédiaire fonctionne comme une auto-correction par le contexte.

Le prompting a des limites structurelles qu'aucune formulation ne peut effacer.

Il n'existe pas de prompt universel. Un bon prompt réduit l'ambiguïté ; il ne compense pas un modèle inadapté à la tâche ou des données insuffisantes. Les instructions négatives ("ne réponds pas en bullet points") sont systématiquement moins fiables que leurs équivalents positifs ("réponds en prose continue") : dites ce que vous voulez, pas ce que vous refusez. Et la longueur d'un prompt ne garantit rien : deux mille mots mal structurés peuvent être moins efficaces que cinquante mots précis.

Quand une organisation déploie un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. en production, elle ne tape pas des prompts dans une interface. Elle construit un système : une architecture composée de plusieurs couches dont elle contrôle chacune via l'API.

Le system promptInstructions envoyées au modèle avant chaque conversation. Définissent le rôle, les règles et le périmètre. Invisibles pour l'utilisateur. est envoyé avant chaque message utilisateur. Il définit le rôle du modèle, les règles permanentes, le contexte stable et le format attendu, et reste invisible pour l'utilisateur final. À cela s'ajoutent les documents récupérés par RAGRetrieval-Augmented Generation. Architecture qui récupère les passages pertinents d'une base documentaire et les injecte dans le contexte avant génération. et l'historique de conversation, qui forment le contexte dynamique, variable d'un échange à l'autre.

Les paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris. API les plus utiles : temperature (0 pour le déterminisme, 0,7–1 pour la créativité), max_tokens (longueur maximale de la réponse, coût direct), seed (reproductibilité des résultats).

L'IA en entreprise en 2025 ne ressemble ni aux fantasmes catastrophistes ni aux promesses de productivité illimitée. Un LLM est un outil puissant sur un périmètre bien délimité, avec des limites structurelles que les cas d'usage les plus réussis ont appris à contourner.

Les usages qui fonctionnent réellement sont assez consistants d'une organisation à l'autre : génération de contenu (emails, rapports, documentation), extraction et synthèse d'informations depuis des documents, assistance au développement logiciel, classification et tri de grandes quantités de texte. Les usages encore fragiles sont ceux qui nécessitent des décisions autonomes à fort enjeu, l'accès à des données en temps réel, ou une précision factuelle garantie.

Un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. ne connaît pas vos documents internes. Pour y remédier sans réentraîner quoi que ce soit, l'architecture dominante s'appelle RAGRetrieval-Augmented Generation. Architecture qui récupère les passages pertinents d'une base documentaire et les injecte dans le contexte avant génération., appelé Retrieval-Augmented Generation.

Le principe : avant de générer, le système recherche dans votre base documentaire les passages les plus pertinents pour la question posée, et les injecte dans le contexte du modèle. Le modèle répond alors en s'appuyant sur ces passages réels plutôt que sur sa mémoire générale.

Le RAGRetrieval-Augmented Generation. Architecture qui récupère les passages pertinents d'une base documentaire et les injecte dans le contexte avant génération. est aujourd'hui l'architecture derrière la quasi-totalité des assistants documentaires en entreprise : bases de connaissance RH, support client, analyse contractuelle. Ses deux avantages principaux : les données restent à jour sans réentraînement, et le modèle peut citer ses sources.

Un agent IA n'est pas un chatbot amélioré. C'est un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. capable d'utiliser des outils : chercher sur le web, lire une base de données, envoyer un email, appeler une API, puis de décider lui-même de la séquence d'actions à enchaîner pour atteindre un objectif.

Exemple : "Analyse les ventes de ce trimestre et envoie un résumé au directeur commercial." L'agent lit les données, effectue l'analyse, rédige le résumé, appelle l'API d'envoi. Tout cela sans intervention humaine à chaque étape.

Sous le capot, l'agent tourne en boucle sur cinq étapes. ① Objectif reçu : l'agent reçoit la demande initiale. ② Planification : à partir de sa compréhension de la tâche et des outils disponibles, le LLM décide de la prochaine action à tenter. ③ Appel d'un outil : l'agent exécute une action externe (requête web, lecture de fichier, appel d'API). ④ Observation du résultat : le retour de l'outil est réinjecté dans le contexte pour évaluer ce qui a été obtenu. ⑤ Réponse finale ou action : si l'objectif est atteint, l'agent produit sa réponse ou l'action finale. Sinon, il retourne à l'étape 2 avec un contexte enrichi. Cette boucle s'arrête quand l'objectif est atteint ou qu'une limite est rencontrée.

Déployer de l'IA en entreprise, c'est accepter trois types de responsabilités que les organisations sous-estiment souvent.

La première est la responsabilité de qualité : le modèle produit parfois des informations fausses avec une assurance totale. Tout contenu généré par IA qui engage votre organisation doit être vérifié. Définissez explicitement qui vérifie quoi.

La deuxième est la responsabilité sur les données : ce que vous envoyez à un service LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. externe peut potentiellement alimenter des entraînements futurs. Les données confidentielles, les données clients et les secrets commerciaux n'appartiennent pas dans un prompt envoyé à un service non contractualisé.

La troisième est la responsabilité de compétence : une équipe qui délègue trop à l'IA peut perdre ses propres capacités d'analyse. L'outil doit amplifier le jugement humain, pas le remplacer progressivement.

Face à une proposition de projet IA, un manager avisé pose systématiquement quatre questions, et n'avance pas tant que les réponses ne sont pas claires.

Quel problème résout-on précisément ? Si la réponse est vague, le projet est vague. Quelles sont les données d'entrée, sont-elles disponibles, de qualité suffisante, légalement utilisables ? Comment mesure-t-on le succès, avec quel KPI concret : taux d'erreur, temps économisé, satisfaction client ? Et surtout : qui supervise, et qui est responsable quand le système produit une erreur ? "L'IA" ne peut pas être une réponse à cette dernière question.

L'IA ne transforme pas tous les secteurs au même rythme ni de la même façon. Ce qui suit n'est pas une liste de promesses, mais ce qui est effectivement en production ou en déploiement actif dans les entreprises.

En finance et asset management, les usages consolidés sont le résumé automatique de rapports annuels et de documentation réglementaire, l'analyse de sentiment sur les retranscriptions d'earnings calls, et la génération de commentaires de gestion. Les décisions d'investissement restent hors périmètre de toute délégation autonome à l'IA pour des raisons réglementaires.

Dans le juridique, la due diligence documentaire (identifier les clauses à risque dans des volumes importants de contrats) est le cas d'usage le plus mature. La limite est sérieuse : les LLMsLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. citent parfois des jurisprudences qui n'existent pas. Toute pièce engageante exige une vérification humaine sans exception.

En RH et formation, le pré-screening de CVs, la génération de descriptions de poste et les chatbots FAQ sont répandus. À noter : le tri automatisé de candidatures est classé "risque élevé" par l'EU AI ActPremier cadre légal mondial complet sur l'IA, entré en vigueur en août 2024. Classe les systèmes par niveau de risque., ce qui implique des obligations de documentation et de supervision.

En marketing et communication, c'est le secteur avec le retour sur investissement le plus immédiat et le risque le plus faible : les contenus générés sont relus avant publication. Génération de variantes A/B, personnalisation à grande échelle, analyse de verbatims clients : ces usages sont matures et répandus.

L'IA générative désigne les modèles capables de produire du contenu nouveau (texte, image, son, vidéo, code) qui n'était pas présent tel quel dans leurs données d'entraînement. Il ne s'agit ni de copie ni de collage mais d'une synthèse statistique à partir de patterns appris sur des volumes massifs.

Deux grandes familles coexistent. Les LLMsLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. génèrent du texte en prédisant des tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. Les LLMs sont facturés à la consommation de tokens. successifs, ce que vous connaissez maintenant. Les modèles de diffusionFamille de modèles génératifs qui apprennent à débruiter progressivement un signal aléatoire pour générer images, sons et vidéos. génèrent des images, des sons et des vidéos selon un mécanisme fondamentalement différent.

L'idée centrale des modèles de diffusionFamille de modèles génératifs qui apprennent à débruiter progressivement un signal aléatoire pour générer images, sons et vidéos., formalisée par Ho et ses collègues en 2020, est d'apprendre à inverser un processus de destruction progressive.

Lors de l'entraînement, on prend des millions d'images réelles et on leur ajoute du bruit gaussien par étapes successives jusqu'à obtenir du bruit pur. Le modèle apprend à prédire, à chaque étape, quel bruit a été ajouté. Lors de la génération, on part d'un bruit aléatoire et on applique ce processus en sens inverse : le modèle "enlève" progressivement le bruit, guidé à chaque pas par le prompt textuel. Après vingt à mille étapes de débruitage selon les paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris., une image cohérente émerge.

Pour qu'un modèle de diffusion soit guidé par une description textuelle, il faut que texte et image "parlent la même langue mathématique". C'est le rôle des embeddingsReprésentation d'un contenu sous forme d'une liste de nombres dans un espace partagé. Les concepts sémantiquement proches sont géométriquement proches dans cet espace. : représenter n'importe quel contenu (mot, phrase, image, extrait sonore) sous forme d'un vecteur de nombres dans un espace commun.

Dans cet espace, les concepts proches sémantiquement sont proches géométriquement. "Chien" et "canidé" sont voisins. "Paris" et "capitale de la France" sont voisins. L'image d'un coucher de soleil et les mots "ciel orange au crépuscule" sont voisins.

Les embeddingsReprésentation d'un contenu sous forme d'une liste de nombres dans un espace partagé. Les concepts sémantiquement proches sont géométriquement proches dans cet espace. sont aussi la mécanique sous-jacente du RAGRetrieval-Augmented Generation. Architecture qui récupère les passages pertinents d'une base documentaire et les injecte dans le contexte avant génération., de la recherche sémantique, et de la recommandation musicale : dans tous ces cas, on cherche des éléments "proches" dans un espace de représentation appris.

En dix-huit mois, l'IA générative image a transformé plusieurs métiers de la création visuelle. Les délais et coûts de production d'un visuel de maquette ont été divisés par dix à cent dans les agences qui l'ont intégrée.

Les cas d'usage où elle excelle sont bien identifiés : maquettage rapide pour présenter une direction créative, variations de visuels publicitaires, rendu architectural, assets de jeu vidéo, illustration éditoriale sous supervision. Ses faiblesses structurelles le sont tout autant : le texte intégré aux images reste souvent illisible, les mains et l'anatomie complexe sont instables, et la cohérence visuelle d'un personnage entre plusieurs images générées séparément est difficile à maintenir.

Un modèle d'IA n'est pas neutre. Il reflète les biais présents dans ses données d'entraînement, et les amplifie parfois. Ces biais ne relèvent pas d'une question éthique abstraite, ils ont des conséquences directes sur les décisions que ces systèmes influencent.

Les exemples documentés sont nombreux. Des systèmes de reconnaissance faciale significativement moins précis sur les peaux foncées (Buolamwini & Gebru, 2018). Des LLMsLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. qui associent systématiquement certains métiers à un genre. Des algorithmes de recrutement entraînés sur des données historiques qui reproduisent les inégalités de ces données.

En tant que manager, vous portez une responsabilité sur le contexte de déploiement, même si vous n'avez pas conçu le modèle.

Un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. entraîné sur Internet brut est capable de produire du contenu dangereux, incohérent, ou simplement inutile. L'alignementEnsemble des techniques visant à orienter le comportement d'un LLM vers ce que ses concepteurs et utilisateurs souhaitent. désigne l'ensemble des techniques qui permettent d'orienter le comportement d'un modèle vers ce que ses concepteurs et utilisateurs souhaitent réellement obtenir.

La technique dominante depuis 2022 est le RLHFReinforcement Learning from Human Feedback. Technique d'alignement où des évaluateurs humains comparent des paires de réponses, guidant le comportement du modèle., appelé Reinforcement Learning from Human Feedback. Des évaluateurs humains comparent des paires de réponses générées par le modèle et sélectionnent la meilleure. Ces préférences entraînent un modèle de récompense, qui guide ensuite le LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. par renforcement. Ce mécanisme a transformé GPT-3, modèle brut capable du meilleur comme du pire, en ChatGPT, un assistant orienté vers l'utilité et la prudence.

L'EU AI ActPremier cadre légal mondial complet sur l'IA, entré en vigueur en août 2024. Classe les systèmes par niveau de risque., entré en vigueur en août 2024, est le premier cadre légal mondial complet sur l'IA. Son principe est la proportionnalité : les obligations imposées aux systèmes d'IA sont calibrées sur leur niveau de risque.

Les systèmes à risque inacceptable sont simplement interdits : notation sociale des citoyens, manipulation subliminale, reconnaissance biométrique en temps réel dans les espaces publics avec quelques exceptions. Les systèmes à risque élevé (IA dans le recrutement, le crédit, la justice, l'éducation, les infrastructures critiques) doivent être documentés, auditables, et soumis à supervision humaine. Les chatbots ont une obligation de transparence : l'utilisateur doit savoir qu'il parle à une IA. Les deepfakes doivent être marqués comme tels.

L'IA évolue vite : l'observation est banale, mais les trajectoires sont moins uniformes qu'on ne le dit. Trois tendances paraissent structurantes pour les organisations à horizon trois à cinq ans.

La multimodalité généralisée : les modèles traitent désormais texte, image, audio, vidéo et code dans un même système. GPT-4o, Gemini 1.5 Pro, Claude 3.5 en sont les premières incarnations commerciales. Cela ouvre des cas d'usage qui étaient impossibles quand ces modalités devaient être traitées séparément.

Les agents autonomes : des systèmes capables d'opérer pendant des heures sans supervision : naviguer sur le web, écrire et exécuter du code, gérer des fichiers. Les premiers outils montrent un potentiel réel, assorti de risques réels sur les actions irréversibles.

Les modèles plus petits et locaux : la course aux paramètresPoids ajustables d'un réseau de neurones. Les plus gros modèles en comptent plus de mille milliards. Ils encodent tout ce que le modèle a appris. ralentit. Des modèles bien plus compacts, capables de tourner sur un ordinateur portable ou un téléphone (Llama, Phi, Mistral), redistribuent les cartes : moins de dépendance cloud, meilleure confidentialité des données, usage hors connexion.

GPT-5, Claude, Gemini, Llama, Mistral. Le marché des grands modèles de langageRéseau de neurones entraîné sur des centaines de milliards de mots pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des grands modèles de langage. s'est peuplé rapidement, et la question revient dans toutes les organisations qui commencent à travailler sérieusement avec l'IA : lequel choisir, et selon quels critères ?

La réponse honnête est que le "meilleur modèle" n'existe pas en absolu. Il existe le modèle le plus adapté à une tâche, un contexte de déploiement, un budget et un niveau d'exigence sur la confidentialité des données.

Les classements de modèles se multiplient : MMLU, HumanEval, HellaSwag, LMSYS Chatbot Arena. Avant d'y accorder du crédit, il faut comprendre ce qu'ils mesurent, et ce qu'ils ne mesurent pas.

Un benchmarkTest standardisé qui mesure les performances d'un modèle sur un ensemble de tâches ou de questions représentatives. mesure la performance d'un modèle sur un ensemble de questions ou de tâches standardisées. Le problème : les modèles sont souvent entraînés en partie sur ces questions elles-mêmes, ce qui gonfle artificiellement les scores. On appelle ça la contamination des donnéesPhénomène où un modèle a été entraîné sur des données incluant les questions des benchmarks, gonflant artificiellement ses scores. d'évaluation.

Les benchmarksTest standardisé qui mesure les performances d'un modèle sur un ensemble de tâches ou de questions représentatives. les plus courants testent des capacités précises. MMLU évalue des connaissances factuelles dans 57 domaines. HumanEval mesure la qualité du code généré. LMSYS Chatbot Arena est différent : c'est un tournoi humain, où des utilisateurs réels comparent des réponses à l'aveugle. Ce critère reste le plus difficile à truquer, et souvent le plus utile.

Les modèles propriétaires (GPT-5, Claude, Gemini) sont accessibles uniquement via des API payantes. Vous n'avez pas accès aux poids du modèle, pas de contrôle sur les mises à jour, et vos données transitent par les serveurs du fournisseur.

Les modèles open-source (Llama, Mistral, Phi) sont téléchargeables et déployables sur votre propre infrastructure. Vous contrôlez tout, mais vous êtes responsable de l'hébergement, de la sécurité et de la maintenance.

En pratique, la distinction s'est nuancée. Des modèles open-source récents comme Llama 3 ou Mistral Large rivalisent avec les modèles propriétaires sur de nombreuses tâches. Et certains fournisseurs propriétaires proposent des offres "données isolées" qui répondent aux exigences de confidentialité.

Les tarifs des API LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. s'expriment en coût pour mille tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. en entrée et en sortie. Les modèles propriétaires haut de gamme coûtent typiquement entre 2 et 15$ par million de tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. en entrée et 0,03$ en sortie. Claude 3.5 Sonnet : 0,003$ et 0,015$. Des modèles open-source auto-hébergés peuvent descendre à moins de 0,001$.

Ces chiffres semblent faibles. Ils cessent de l'être à l'échelle. Un chatbot qui traite 10 000 conversations par jour, avec un system promptInstructions envoyées au modèle avant chaque conversation. Définissent le rôle, les règles et le périmètre. de 1 000 tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. et des échanges moyens de 2 000 tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français., consomme 30 millions de tokensUnité de base du traitement textuel dans un LLM. Un token correspond en moyenne à trois quarts d'un mot en français. par jour, soit plusieurs milliers d'euros par mois sur un modèle haut de gamme.

Le coût d'inférence n'est qu'une partie du coût réel. S'y ajoutent le coût de développement et d'intégration, la maintenance, l'hébergement si vous auto-hébergez, et le coût humain de supervision des sorties.

Comprendre comment fonctionne un grand modèle de langageRéseau de neurones entraîné sur des centaines de milliards de mots pour prédire le token suivant. GPT-5, Claude, Gemini, Llama et Mistral sont des grands modèles de langage. ne suffit pas pour savoir où l'utiliser. La question la plus difficile n'est pas technique mais organisationnelle : dans quel processus existant l'IA apporte-t-elle vraiment de la valeur, sans créer de nouveaux risques ?

Les projets IA qui échouent ne manquent pas de technologie. Ils manquent d'une définition précise du problème qu'ils cherchent à résoudre. Un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. greffé sur un processus mal compris produira des résultats mal compris, avec une assurance déconcertante.

Avant d'écrire une ligne de prompt ou de contacter un fournisseur, cinq questions doivent recevoir une réponse écrite. Pas une réponse verbale dans une réunion mais une réponse écrite, partagée, qui fait consensus dans l'équipe.

Quel problème précis résout-on ? "Améliorer la productivité" n'est pas une réponse. "Réduire de 40% le temps passé à rédiger les comptes-rendus de réunion" en est une.

Quelles données d'entrée ? Sont-elles disponibles, propres, légalement utilisables, représentatives des cas réels ?

Comment mesure-t-on le succès ? Un KPIKey Performance Indicator. Indicateur mesurable utilisé pour évaluer la performance d'un processus ou d'un projet. concret et mesurable avant le lancement, pas après.

Qui supervise et qui est responsable des erreurs ? "L'IA" n'est pas une réponse valide à cette question.

Quelle est la stratégie de sortie ? Que se passe-t-il si le fournisseur augmente ses prix de 300%, ou si le modèle change de comportement ? Un projet IA sans plan B crée une dépendance risquée.

Le ROIReturn on Investment. Ratio entre le gain net et le coût d'un projet, exprimé en pourcentage ou en valeur absolue. d'un projet IA est souvent surestimé avant le lancement et décevant après. Deux erreurs récurrentes en sont responsables.

La première est de confondre gain de temps et gain économique. "L'IA économise 2 heures par semaine par collaborateur" sonne bien. Mais si ces 2 heures ne sont pas réallouées à une tâche à plus haute valeur, l'économie réelle est nulle. Le vrai indicateur est ce que font les collaborateurs du temps libéré.

La deuxième est d'oublier les coûts cachés. Intégration technique, formation des utilisateurs, maintenance, supervision des sorties, gestion des erreurs : ces coûts sont réels et rarement anticipés. Les projets IA qui semblent gratuits en phase de test deviennent coûteux en phase de production.

La plupart des premiers projets IA en entreprise échouent de la même façon. Non pas à cause de la technologie, mais à cause de quatre erreurs organisationnelles récurrentes.

Commencer par le modèle, pas par le problème. "On va faire quelque chose avec un LLM" est une mauvaise amorce. Le modèle doit être la réponse à un problème identifié, pas le point de départ.

Sous-estimer la qualité des données. Un LLMLarge Language Model. Grand modèle de langage entraîné sur des volumes massifs de texte. GPT-5, Claude, Gemini, Llama et Mistral sont des LLMs. est aussi bon que ce qu'on lui donne. Des documents mal structurés, des données incomplètes ou des instructions contradictoires produisent des résultats inutilisables, même avec le meilleur modèle du moment.

Sauter la phase pilotePhase de test restreinte d'un projet sur un périmètre limité (quelques utilisateurs, quelques semaines) avant déploiement à l'échelle.. Déployer directement à l'échelle sans tester sur un périmètre restreint est la façon la plus efficace de créer un incident visible. Un pilotePhase de test restreinte d'un projet sur un périmètre limité (quelques utilisateurs, quelques semaines) avant déploiement à l'échelle. de 4 semaines sur 10 utilisateurs révèle 80% des problèmes.

Oublier l'adoption. Un outil IA non utilisé ne crée aucune valeur. La formation, la communication sur les bénéfices et l'accompagnement au changement sont aussi importants que le développement technique.