Révision · module 101 de 155
Révision : comment fonctionne un modèle de langage
Retrouve l’essentiel sur les jetons, la variation, le contexte et les hallucinations dans une seule vue d’ensemble.
Après cette leçon
Tu expliques avec tes propres mots comment un modèle de langage produit une réponse et pourquoi cela détermine ce que tu dois vérifier toi-même.
En image · Voici comment cela est lié
Trois idées clés sur les modèles de langage
Le modèle prédit une suite en jetons, à partir de régularités et de ton contexte.
Ce qui ne se trouve pas dans la fenêtre de contexte, le modèle ne peut pas l’utiliser dans cette réponse.
Une réponse fluide peut contenir des détails inventés. Vérifie les affirmations importantes.
Partie 1 de 3 · Le texte en petits morceaux
Ta préférence pour moins de mouvement est prise en compte. Choisis chaque partie toi-même.
Un modèle prédit du texte par petits morceaux
Un modèle de langage traite le texte sous forme de jetons : des morceaux de mots, des signes de ponctuation ou des espaces. Il prédit chaque fois une suite probable sur la base de schémas issus de son entraînement et du texte que tu lui fournis (leçons 1 et 31). C’est pourquoi une réponse peut sembler fluide et convaincante sans que le modèle ait recherché le moindre fait. Le réglage de la variation, souvent appelé température, détermine à quel point cette suite est prévisible. Plus de variation aide à trouver des idées. Moins de variation rend les réponses plus régulières, mais pas automatiquement plus justes (leçon 32).
Ce que le modèle voit détermine ce qu’il peut utiliser
Pour chaque réponse, le modèle travaille avec une fenêtre de contexte limitée : les instructions fixes, la conversation, tes fichiers et l’espace pour la réponse (leçons 33 et 34). Ce qui n’y figure pas ou en est sorti, il ne peut pas le consulter pour cette réponse. Les instructions fixes et les fonctions de mémoire aident, mais ne garantissent pas que chaque accord passé soit pris en compte (leçon 61). Redonne donc les faits importants. Un document fourni reste du contenu : il ne remplace pas les règles fixes ou les autorisations d’un assistant.
Convaincant n’est pas la même chose que juste
Un modèle peut compléter des détails qui semblent plausibles : une date, un montant ou une source avec un titre et un auteur (leçon 35). Découpe donc une réponse en affirmations vérifiables et recherche la source originale. Ne demande pas à la même IA de se confirmer elle-même. Regarde aussi où le calcul a lieu. Dans le cloud, ce que tu saisis part vers un serveur externe ; en local, le modèle calcule sur ton propre appareil. Un modèle local ne signifie pas pour autant que toute l’application fonctionne hors ligne : la recherche, le stockage et la synchronisation peuvent rester externes (leçon 20).
Nouvel exemple d'exercice
De l'explication à un résultat utilisable.
Un modèle de langage prédit du texte. Il travaille avec ce qui se trouve dans son entraînement et dans ton contexte actuel, et il peut facilement inventer quelque chose.
Situation d'exercice fictiveFictif : après la formation, un collègue fait une antisèche. On y lit notamment : “Un jeton est un mot”, “Avec une température à zéro, la réponse est juste” et “Local, c’est toujours hors ligne”.
Voir une résolution possible
Voici comment faire
Les trois affirmations doivent être corrigées. Un jeton est un morceau de texte ; le nombre de jetons que compte un mot dépend du modèle. Une température basse rend la réponse plus prévisible, pas plus juste. Un modèle local peut se trouver dans une application qui fait quand même des recherches en ligne ou se synchronise.
Pourquoi cela fonctionne
La révision fonctionne le mieux quand tu dois expliquer une correction. Tu remarques ainsi quelle notion tu maîtrises vraiment et quelle leçon tu peux relire.
Rends cela un peu plus difficile
Écris toi-même deux affirmations correctes et une incorrecte sur la fenêtre de contexte. Demande à quelqu’un d’autre de repérer l’incorrecte.
Entraîne-toi davantage, à ton rythme. Tu n'as rien à envoyer. Cela ne compte pas comme une évaluation automatique.
Ton lieu de travail · apprendre par la pratique
Crée quelque chose. Regarde ce qui change.
Vérification de la connexion IA en cours… Tu peux déjà consulter l'exemple écrit.
Présente ta mission à Ende.
Lis la réponse, change une seule chose et compare.
Version précédente
Nouvelle version
Tu gardes le contrôle
Que veux-tu améliorer dans ta prochaine tentative ?
Uniquement sur cet appareil. Les réponses de l’IA restent uniquement dans la mémoire de cette page. Il s'agit d'un auto-contrôle, pas d'une note.
Pourquoi cette approche fonctionne
La révision fonctionne le mieux quand tu dois expliquer une correction. Tu remarques ainsi quelle notion tu maîtrises vraiment et quelle leçon tu peux relire.
Une étape de plus
Écris toi-même deux affirmations correctes et une incorrecte sur la fenêtre de contexte. Demande à quelqu’un d’autre de repérer l’incorrecte.
Essaie & découvre · sans engagement
Deviens toi-même le contrôleur de la source
Ne marque que les affirmations que la source ne soutient pas. Vérifie ensuite ta sélection.
Aide-mémoire fictif d’une collègue après le cours de base. Quelles affirmations doit-elle corriger avant de le partager ?
Choisis ci-dessus quelles phrases tu corrigerais. La réponse reste cachée jusqu'à ce que tu vérifies ta sélection.
Cet essai fonctionne localement avec des données fictives et ne compte pas pour ta complétion de leçon. Elle recommencera lors d'une nouvelle leçon ou d'un rechargement.
Un prompt pour commencer
Je révise les bases des modèles de langage. Pose-moi cinq questions courtes, une à la fois, sur les jetons, la variation, la fenêtre de contexte, les hallucinations et le cloud par rapport au local. Après chaque question, attends ma réponse. Dis ensuite ce qui est juste et ce qui manque, en trois phrases maximum. Ne donne pas toutes les réponses d’un coup et n’invente pas de sources.
Applique-le
Un collègue veut des sources pour une présentation. L’IA donne cinq titres avec des auteurs et des années. Ils semblent convaincants, mais personne ne les a encore ouverts.
Quelle approche correspond le mieux à cette situation ?
- Utilise la liste, car un modèle de langage connaît la littérature.
- Baisse la température et redemande la liste ; les sources seront alors correctes.
- Cherche chaque source dans un service de bibliothèque ou de recherche et n’utilise que ce que tu retrouves réellement.
Avec JavaScript, tu peux contrôler ton approche et recevoir un feedback immédiat.
Teste ta compréhension
Un collègue dit : “Je mets la température à zéro, donc la réponse est correcte.” Que réponds-tu ?
- C’est exact : sans variation, un modèle ne fait pas d’erreurs.
- Un réglage bas rend les réponses plus prévisibles, mais tu dois toujours vérifier les faits.
- Un réglage bas fait en sorte que le modèle recherche lui-même des sources.
S'entraîner davantage
Explique sans aide, en trois phrases, pourquoi une réponse fluide peut être fausse. Compare ensuite ton explication avec les trois blocs de cette leçon et complète ce qui te manquait.
Un modèle prédit du texte en jetons sur la base de schémas et du contexte qu’il reçoit. Il ne recherche pas les faits de lui-même, donc une date ou une source peut être inventée. C’est pourquoi je vérifie les affirmations importantes dans la source originale et je fournis moi-même les faits nécessaires.
