GlossaireConfirméIA générative
Modèle de langage
Aussi appelé : modèle linguistique
Définition
Un modèle de langage est un système informatique entraîné à calculer des relations entre des fragments de texte pour analyser ou produire des séquences de langage.
Dit autrement
C’est un mécanisme de composition guidé par des régularités apprises, plutôt qu’un livre contenant une réponse prête pour chaque question.
Un exemple
Vous demandez une invitation dans un ton sobre. Le modèle produit une formulation plausible, mais vous devez vérifier les détails qu’il a pu ajouter.
Un modèle de langage apprend des régularités dans des textes et les exploite pour traiter ou produire du langage. Il constitue souvent un composant central des assistants conversationnels.
Comment ça marche
Le texte est généralement découpé en tokens, des unités qui peuvent correspondre à des fragments de mots ou à d’autres éléments. Pendant l’entraînement, le modèle ajuste des paramètres, ses valeurs internes, pour mieux traiter les séquences rencontrées. Les modèles génératifs courants calculent ensuite des suites de tokens à partir du contexte disponible, comme l’explique la présentation des modèles de langage par Google.
Cette description n’implique pas qu’un modèle se contente de retrouver une phrase identique dans un catalogue. Les régularités apprises permettent des productions variées. Elle n’établit pas non plus une vérification factuelle de chaque phrase. Un enchaînement plausible peut contenir une erreur. Des outils de recherche peuvent compléter le système, mais ils constituent une fonction distincte de la production du langage elle-même.
Pourquoi c’est important pour vous
Comprendre ce mécanisme aide à distinguer une réponse fluide d’une réponse prouvée. Si vous demandez un brouillon, la capacité à composer du texte peut être utile. Si vous demandez une règle actuelle, il faut examiner les documents pertinents et leurs conditions d’application.
La fenêtre de contexte limite les informations que le modèle peut traiter ensemble. Une longue discussion ou un document volumineux ne garantit donc pas que chaque détail soit correctement exploité. Pour une tâche importante, fournissez les passages autorisés qui comptent, séparez le texte source de vos instructions et demandez de signaler les informations manquantes. Vérifiez ensuite les affirmations qui changent votre décision, directement dans les documents originaux.
À ne pas confondre avec l’assistant complet
Un assistant associe le modèle à une interface, des instructions, des fonctions de mémoire et parfois des outils extérieurs. Le nom du service ne dit pas à lui seul quel modèle produit chaque réponse ni quels documents sont accessibles pendant l’échange.
Une hallucination peut apparaître même avec un modèle performant et une demande claire. Pour évaluer une réponse, regardez le résultat sur votre tâche, les preuves disponibles et le travail de correction nécessaire. Une explication produite par le modèle sur son propre fonctionnement peut également être inexacte. Consultez la documentation officielle pour connaître les fonctions annoncées, puis testez les usages sur des exemples que vous pouvez contrôler.