Les outils d’IA sont désormais partout. Pour quelqu’un qui les découvre complètement, la première réaction est souvent : par où commencer ? Ce chapitre explique d’abord ce qu’est un grand modèle de langage (LLM), puis aborde comment l’utiliser.
Qu’entend-on par IA ?
Si vous écoutez vos amis discuter récemment, huit phrases sur dix parlent peut-être d’IA. Mais le saviez-vous ? L’IA dont tout le monde parle aujourd’hui n’est pas la même que celle d’il y a quelques années.
L’IA qui fait actuellement fureur sur Internet a un nom professionnel : l’IA générative.
Qu’est-ce que cela signifie ? En termes simples : Vous lui donnez une phrase, et elle peut générer un article pour vous ; vous lui donnez une idée, et elle peut générer une image ; vous lui donnez une exigence, et elle peut écrire un morceau de code.
C’est comme un assistant incroyablement intelligent. Vous dites « écris une lettre de démission pour moi », et il en écrit une ; vous dites « dessine un chat en costume », et il en dessine un. Cette capacité à « créer du contenu à partir de rien » est le cœur du terme « génératif ».
Ceux dont on entend souvent parler — ChatGPT, Claude, DeepSeek — appartiennent tous à cette catégorie. Leur essence est un grand modèle de langage (LLM), qui apprend à comprendre et générer le langage humain en s’entraînant sur d’énormes quantités de données textuelles.
Mais voici un secret important :
L’IA ne « comprend » pas vraiment ce que vous dites ; elle ne fait que « calculer des probabilités ».
Cela peut sembler contre-intuitif, mais laissez-moi vous expliquer :
Quand vous demandez à l’IA « De quelle couleur est le ciel ? », elle ne lève pas les yeux vers le ciel, et ne comprend pas vraiment les concepts de « ciel » et « couleur ». Voici comment cela fonctionne :
En se basant sur les centaines de millions d’articles qu’elle a lus, lorsque le texte précédent est « De quelle couleur est le ciel », la probabilité que le mot suivant soit « bleu » est de 82 %, « gris » de 10 %, « rouge » de 5 %… et elle choisit le mot avec la probabilité la plus élevée.
Voici un exemple plus concret :
Vous demandez : « Combien font 1+1 ? »
- L’IA ne « fait pas de calcul » ; elle constate que dans tout le texte qu’elle a vu, « 1+1 égale » est suivi de « 2 » 99,9 % du temps.
- Donc elle répond « 2. »
Vous demandez : « Recommande un bon film. »
- L’IA n’a pas vraiment regardé de films ; elle analyse que dans les textes qu’elle a appris, « bons films » est souvent suivi de mots comme « The Shawshank Redemption », « Titanic », etc.
- Elle recommande ceux avec une probabilité élevée.
C’est comme un super surdoué qui a lu tous les livres du monde, mais :
- Il peut vous dire « Paris est la capitale de la France » (parce que les livres le disent).
- Mais il n’est jamais allé à Paris, et ne sait même pas ce que « capitale » signifie.
- Il se souvient simplement que quand vous dites « Paris est », la suite la plus fréquente est « la capitale de la France ».
L’IA peut donc avoir des problèmes étranges :
- Parfois, elle « raconte des bêtises avec assurance » (invente des faits inexistants).
- Elle peut se tromper sur des problèmes mathématiques simples (parce qu’elle ne calcule pas vraiment).
- Elle peut donner des réponses contradictoires (calculs de probabilités incohérents).
Ce phénomène de « raconter des bêtises avec assurance » a un terme technique : Hallucination. Tout comme les humains rêvent, l’IA « rêve » de choses qui n’existent pas, et les dit avec une grande confiance.
Comment résoudre l’hallucination avec le raisonnement
Puisque l’IA est si sujette aux erreurs, que pouvons-nous faire ? Les scientifiques ont trouvé une solution : Laisser l’IA « réfléchir » avant de répondre.
Cette technique s’appelle « Réflexion » ou « Chaîne de pensée ».
Comment fonctionne l’IA traditionnelle :
- Vous posez une question → L’IA crache immédiatement une réponse.
- Comme un étudiant qui voit un problème et donne la réponse sans faire de brouillon.
IA avec raisonnement :
- Vous posez une question → L’IA calcule et réfléchit d’abord sur un « brouillon » → puis vous donne la réponse.
- Comme un étudiant qui liste d’abord les étapes, les vérifie, puis écrit la réponse finale.
Un exemple pratique :
Vous demandez : « Xiao Ming a 15 pommes. Il en donne 3 à Xiao Hong puis en achète 8 de plus. Combien en a-t-il maintenant ? »
L’IA traditionnelle pourrait :
- Voir les nombres « 15, 3, 8. »
- En se basant sur la probabilité, penser qu’ils doivent être additionnés.
- Répondre : « 26 » (faux !)
L’IA avec raisonnement ferait :
- Analyser d’abord : « Xiao Ming a initialement 15. »
- « Donne 3 à Xiao Hong, donc 15-3=12. »
- « Achète 8 de plus, donc 12+8=20. »
- Répondre finalement : « 20 » (correct !)
Avantages du raisonnement :
- Réduit les hallucinations - Parce que l’IA « vérifie » ses propres pensées, elle est moins susceptible de raconter des bêtises.
- Logique plus rigoureuse - Dérive étape par étape, sans sauter d’étapes.
- Explicable - Vous pouvez voir comment l’IA pense (bien que la plupart du temps ce processus de réflexion soit caché).
- Gère les problèmes complexes - La précision s’améliore considérablement pour les problèmes nécessitant un raisonnement en plusieurs étapes.
Mais le raisonnement a aussi des coûts :
- Vitesse plus lente (parce qu’il doit « réfléchir »).
- Coût plus élevé (plus de calcul).
- Tous les problèmes n’ont pas besoin de raisonnement (par exemple, « bonjour » n’a pas besoin d’une demi-journée de réflexion).
Maintenant, la plupart des IA ont ajouté cette capacité de raisonnement. Par exemple, le modèle de réflexion de ChatGPT, le mode de réflexion profonde de DeepSeek.
Un résumé rapide :
- IA classique = un étudiant qui donne rapidement des réponses (peut se tromper).
- IA avec raisonnement = un étudiant qui travaille soigneusement sur un brouillon (précision plus élevée).
Cela ne signifie pas que l’IA peut vraiment « penser » ; elle ajoute simplement quelques étapes de vérification avant le calcul de probabilité. Mais l’effet est clair : moins d’hallucinations, des réponses plus fiables.
Pour utiliser l’analogie la plus appropriée : L’IA générative est comme un « super étudiant en lettres » qui a lu d’innombrables livres et vu le monde. Vous pouvez lui demander n’importe quoi, et elle peut discuter avec vous et vous aider à écrire des choses. Cependant, elle répond en « mémorisant la banque de questions » plutôt qu’en comprenant vraiment la connaissance. Les nouvelles versions commencent à apprendre à « travailler sur un brouillon ».
En fait, la famille de l’IA est immense
Beaucoup de gens pensent que l’IA se résume à ChatGPT, mais ce n’est pas le cas. La famille de l’IA compte de nombreux membres :
1. IA de reconnaissance - Celle qui voit clairement
- Reconnaissance faciale (déverrouillage du téléphone, paiement par visage)
- Reconnaissance d’images (identifier des fleurs par photo, reconnaître du texte)
- Reconnaissance vocale (Siri, Xiao Ai comprenant votre parole)
- Ces IA sont spécialisées dans la « reconnaissance », pas dans la « création ».
2. IA de recommandation - Celle qui connaît le mieux vos goûts
- Douyin (TikTok) vous recommande des vidéos.
- Taobao recommande des produits.
- NetEase Cloud Music recommande des chansons.
- Elles excellent à « deviner ce que vous aimez », mais ne génèrent pas de nouveau contenu.
3. IA de décision - Celle qui est douée aux échecs et aux jeux
- AlphaGo (jouer au Go)
- IA de jeu (comme l’adversaire informatique dans StarCraft)
- Elles se concentrent sur la « prise de décision », surpassant les humains dans des domaines spécifiques.
4. IA générative - La vague chaude actuelle
- Génération de texte : ChatGPT, Claude, DeepSeek
- Génération d’images : Midjourney, Stable Diffusion, DALL-E
- Génération vidéo : Sora, Runway
- Génération musicale : Suno, Udio
Résumé
Un résumé rapide : Si l’on compare l’IA à une boîte à outils, l’IA de reconnaissance est une « loupe », l’IA de recommandation est une « boussole », l’IA de décision est un « manuel d’échecs », et l’IA générative est une « baguette magique » — elle peut faire apparaître ce que vous voulez.
Mais cette « baguette magique » est en fait un « calculateur de probabilités ». Elle est puissante, mais pas omnipotente. Et ce tutoriel porte principalement sur la façon de bien utiliser cette « baguette magique ».