IA générative : comment ça marche vraiment ?
Rédiger un courriel, résumer un rapport, créer une illustration : les outils d’IA générative donnent l’impression de comprendre ce qu’on leur demande. En réalité, leur fonctionnement repose sur un principe statistique assez simple à saisir. Le connaître aide à mieux les utiliser et à se méfier de leurs erreurs.
Générer plutôt que classer
Pendant longtemps, l’intelligence artificielle a surtout servi à analyser : dire si une image contient un chat, si une transaction est suspecte, si un message est indésirable. L’IA générative fait l’inverse : elle produit un contenu nouveau à partir d’une consigne, qu’on appelle souvent prompt.
Ce contenu peut être du texte, du code informatique, une image, de la musique ou de la voix. Les techniques diffèrent selon le type de contenu, mais toutes reposent sur l’apprentissage profond, présenté dans notre article Qu’est-ce que l’intelligence artificielle ?.
Le cœur du système : prédire la suite
Prenons le cas le plus répandu, celui des modèles de langage qui animent les assistants conversationnels. Leur tâche de base est étonnamment modeste : prédire la suite la plus probable d’un texte.
Le texte n’est pas traité lettre par lettre ni mot par mot, mais par petites unités appelées tokens. Un token peut correspondre à un mot entier, à un morceau de mot ou à un signe de ponctuation. Le modèle reçoit une suite de tokens et calcule, pour chaque token possible, la probabilité qu’il vienne ensuite. Il en choisit un, l’ajoute au texte, puis recommence. Une réponse de plusieurs paragraphes est ainsi construite pas à pas.
Un exemple simplifié : après « Le chat dort sur le », le modèle estimera que « canapé » ou « lit » sont des suites probables, et « théorème » une suite très improbable.
Comment le modèle apprend
L’entraînement initial
Pour devenir capable de prédire, le modèle est entraîné sur une très grande quantité de textes. À chaque étape, on lui cache la suite d’un passage, il fait une prédiction, et l’on ajuste ses paramètres internes pour réduire l’écart avec la bonne réponse. Répétée un nombre gigantesque de fois, cette opération lui permet d’intégrer la grammaire, le vocabulaire, des connaissances générales et des façons de raisonner présentes dans les textes.
L’ajustement
Un modèle qui se contente de compléter des textes n’est pas encore un bon assistant. Une seconde phase l’entraîne à suivre des instructions, à répondre de façon utile et à refuser certaines demandes. Cette étape fait souvent intervenir des évaluations humaines qui indiquent quelles réponses sont préférables.
L’architecture transformer
La plupart des modèles de langage actuels reposent sur l’architecture « transformer », décrite en 2017 dans un article de chercheurs de Google. Son apport principal est un mécanisme dit d’attention : pour prédire le token suivant, le modèle pèse l’importance de chacun des tokens précédents, même éloignés. C’est ce qui lui permet de garder le fil d’un long texte.
Et pour les images ?
Les générateurs d’images fonctionnent selon d’autres méthodes, mais l’idée reste voisine : le modèle a appris, à partir d’un grand nombre d’images associées à des descriptions, les liens entre des mots et des formes, des couleurs, des styles. À partir d’une description, il construit progressivement une image compatible avec ce qu’il a appris.
Les limites à connaître
Comprendre le principe de prédiction éclaire directement les défauts de ces outils.
| Limite | Pourquoi elle existe | Le bon réflexe |
|---|---|---|
| Hallucinations | Le modèle produit une suite plausible, pas une suite vérifiée | Contrôler les faits, chiffres et références |
| Connaissances datées | Les données d’entraînement s’arrêtent à une certaine date | Vérifier l’actualité dans une source à jour |
| Biais | Le modèle reproduit les déséquilibres de ses données | Relire avec un regard critique |
| Variabilité | Le choix du token comporte une part d’aléatoire | Reformuler ou relancer si besoin |
| Confidentialité | Les données saisies peuvent être conservées selon l’outil | Ne pas saisir d’informations sensibles |
Les hallucinations méritent une attention particulière. Un modèle peut inventer une référence bibliographique, un article de loi ou une citation avec un aplomb parfait. Il ne « ment » pas : il produit ce qui ressemble statistiquement à une bonne réponse. D’où la règle d’or : tout contenu destiné à être publié ou à fonder une décision doit être vérifié par un humain.
Ce qui fait la qualité d’une réponse
Puisque le modèle prolonge le texte qu’on lui fournit, la consigne a une influence directe sur le résultat. Une demande vague produit une réponse générique ; une demande précise, qui donne le contexte, le rôle attendu, le format et des exemples, produit une réponse bien plus exploitable.
Quelques facteurs déterminants :
- Le contexte fourni : public visé, objectif, contraintes.
- La précision de la consigne : longueur, ton, structure attendue.
- Les documents joints : un texte de référence limite les inventions.
- L’itération : corriger et préciser au fil de l’échange.
Cette compétence s’apprend. Nous lui consacrons un guide complet : apprendre à écrire un prompt.
Pourquoi c’est utile de comprendre tout ça
Savoir qu’un modèle de langage prédit des tokens ne sert pas qu’à briller en réunion. Cela permet de comprendre pourquoi il se trompe, quand lui faire confiance et comment mieux formuler ses demandes. C’est aussi le socle de la « maîtrise de l’IA » que le règlement européen demande désormais aux organisations d’assurer auprès de leur personnel.
À retenir
- L’IA générative produit du contenu nouveau à partir d’une consigne.
- Un modèle de langage prédit, token après token, la suite la plus probable d’un texte.
- Il apprend sur d’immenses volumes de textes, puis est ajusté pour suivre des instructions.
- Ses réponses sont plausibles, pas garanties : la vérification humaine reste indispensable.
- La qualité de la consigne pèse lourd dans la qualité du résultat.
Cet article peut contenir des liens partenaires. Ils n'influencent jamais ce que nous écrivons.