Rubrique · 31 articles
Comment fonctionnent réellement les modèles de langage, où ils se trompent, ce que le règlement européen sur l’IA impose et comment s’en servir sans raconter n’importe quoi.
L’intelligence artificielle est le sujet sur lequel circulent le plus d’affirmations invérifiables, dans les deux sens : la promesse d’une machine qui comprend, et la crainte d’une machine qui décide. Les deux reposent sur la même erreur, celle de partir de ce que le résultat donne l’impression d’être plutôt que de ce que le système fait réellement. Cette rubrique part toujours du mécanisme.
Un modèle de langage ne consulte pas une base de faits, il prédit le mot suivant à partir de régularités statistiques apprises sur un très grand corpus. Ce seul énoncé explique la plupart des comportements qui surprennent : pourquoi une réponse fausse est écrite avec le même aplomb qu’une réponse juste, pourquoi une référence bibliographique peut être entièrement inventée, pourquoi la qualité chute quand la question sort des sujets bien représentés dans les données, et pourquoi le français coûte plus cher à traiter que l’anglais.
La rubrique se lit dans l’ordre de la construction. Les bases posent le vocabulaire et séparent ce que le mot recouvre vraiment. Les modèles de langage ouvrent le capot : entraînement, tokens, fenêtre de contexte, mémoire. La fiabilité traite ce qui rate et comment le vérifier. Les prompts donnent la partie opératoire, les images et la voix couvrent la génération de médias et sa détection.
Viennent ensuite les conséquences. Le règlement européen sur l’IA impose un régime par niveaux de risque, avec des obligations qui ne visent pas le grand public mais les organisations qui déploient ces systèmes. Les données personnelles posent la question de ce que deviennent vos conversations. L’IA au travail aborde les usages professionnels, du compte rendu de réunion au tri de candidatures, avec le droit français applicable.
Comprendre les bases
Le terme n’a jamais eu de définition technique stable. Depuis 2024, il en a une définition juridique européenne, et c’est elle qui décide quels systèmes sont contrôlés en Europe.
Fiabilité et limites
Un modèle de langage ne consulte aucune base de faits : il prédit le mot suivant. Voici pourquoi il produit des inventions plausibles, et pourquoi c’est pire en français.
Modèles de langage
Jetons, vecteurs, attention, probabilités, température : la chaîne complète qui transforme votre question en texte, et ce qu’elle explique des réussites comme des ratés.
Ce qu’est l’IA, comment un modèle apprend, ce qu’un réseau de neurones calcule vraiment.
Tokens, fenêtre de contexte, entraînement, mémoire : la mécanique des assistants conversationnels.
Hallucinations, sources inventées, biais, complaisance : pourquoi un modèle se trompe avec assurance.
La structure d’une consigne qui marche, les erreurs classiques, les formats de sortie.
Génération d’images, clonage vocal, deepfakes, filigranes et vérification d’origine.
Le calendrier du règlement (IA Act), les pratiques interdites, les obligations et qui contrôle en France.
Ce que vos conversations deviennent, l’opposition à l’entraînement, le RGPD appliqué à l’IA.
Charte d’usage, réunions, recrutement, contrats fournisseurs et responsabilité.