Derrière chaque assistant conversationnel que vous utilisez, il y a un grand modèle de langage. C'est la brique de base de presque tout ce qui se fait aujourd'hui en Intelligence artificielle générative, et le mot revient dans toutes les conversations sans qu'on prenne souvent la peine de dire ce qu'il désigne.
Comprendre son fonctionnement n'est pas un exercice théorique. C'est ce qui explique pourquoi il est excellent pour certaines tâches, catastrophique pour d'autres, et pourquoi la facture monte quand la conversation s'allonge.
Définition
Un grand modèle de langage, souvent abrégé LLM pour l'anglais large language model, est un système entraîné sur d'immenses volumes de texte pour prédire ce qui vient ensuite.
Sa tâche fondamentale est d'une simplicité déconcertante : vous lui donnez un début, il propose la suite la plus probable. Répétez l'opération quelques centaines de fois et vous obtenez un paragraphe. C'est tout. Il n'y a ni base de connaissances consultée, ni raisonnement au sens humain, ni vérification.
Ce qui rend la chose spectaculaire, c'est l'échelle. Nourri de suffisamment de texte, le modèle finit par capturer la grammaire, le style, des connaissances factuelles, des schémas de raisonnement et jusqu'aux conventions d'un e-mail commercial. Des capacités que personne n'a programmées explicitement en émergent.
Une conséquence pratique de cette mécanique : le modèle ne sait pas quand il ne sait pas. Il produira toujours une suite plausible, y compris quand la bonne réponse aurait été « je n'ai pas cette information ». C'est l'origine directe des Hallucination.
Ce qu'il faut retenir de son fonctionnement
Il travaille en jetons, pas en mots
Le texte est découpé en Token avant d'être traité. C'est cette unité qui sert à mesurer la consommation et donc à facturer.
Il a une mémoire de travail limitée
Tout ce qu'il peut prendre en compte à un instant donné tient dans sa Fenêtre de contexte. Au-delà, l'information la plus ancienne sort du champ. Un modèle n'oublie pas comme une personne oublie : ce qui sort de la fenêtre n'a jamais existé pour lui.
Il ne retient rien d'une conversation à l'autre
Sauf mécanisme ajouté par-dessus, chaque nouvelle conversation repart de zéro. Le sentiment de continuité vient du fait que l'historique est renvoyé en entier à chaque message, pas d'une mémoire du modèle.
Sa connaissance s'arrête à une date
L'entraînement a une fin. Tout ce qui s'est passé après cette date lui est inconnu, sauf si vous le lui fournissez dans la conversation ou s'il dispose d'un outil de recherche.
Choisir un modèle sans se tromper
Les fournisseurs proposent tous plusieurs tailles, et le réflexe de prendre le plus puissant est souvent le mauvais calcul.
| Besoin | Modèle adapté | Pourquoi |
|---|---|---|
| Classer, trier, extraire | Petit | La tâche est simple et répétée : le prix unitaire domine |
| Rédiger, reformuler | Intermédiaire | Bon équilibre entre qualité et coût |
| Analyser, décider, coder | Grand ou Modèle de raisonnement | Une erreur coûte plus cher que la différence de prix |
Le raisonnement est le même que pour recruter : on ne confie pas la saisie de factures à un directeur financier, et on ne confie pas la stratégie à un stagiaire. Le bon réflexe est de commencer petit et de monter en gamme uniquement quand la qualité ne suit pas.
Bonnes pratiques
Donnez le contexte plutôt que de compter sur sa culture générale. Un modèle qui reçoit votre document répond bien mieux qu'un modèle à qui vous demandez de deviner ce que fait votre entreprise.
Ne lui demandez pas de compter ni de calculer. Il produit des suites plausibles, pas des résultats exacts. Pour un calcul, donnez-lui un outil ou faites-le vous-même.
Vérifiez tout ce qui ressemble à un fait précis. Un nom, une date, un chiffre, une référence légale. Plus le détail est précis, plus il mérite un contrôle.
Coupez les conversations qui traînent. Une conversation de cent messages coûte cher et dilue la consigne. Repartez d'une conversation neuve avec un résumé plutôt que d'accumuler.
Questions fréquentes
LLM et IA générative, est-ce la même chose ?
Non. L'IA générative est la catégorie, le LLM en est la brique spécialisée dans le texte. Un générateur d'images relève de l'IA générative sans être un modèle de langage.
Pourquoi deux réponses à la même question sont-elles différentes ?
Parce que le modèle choisit parmi plusieurs suites probables, avec une part d'aléatoire réglable par la Température. Cette variabilité est un atout quand vous cherchez des idées, un défaut quand vous voulez un traitement reproductible. La plupart des interfaces professionnelles permettent de la réduire.
Un LLM peut-il travailler sur mes documents internes ?
Oui, de deux façons. Soit vous les collez dans la conversation, ce qui suffit pour un document ponctuel. Soit vous mettez en place un système de RAG, qui va chercher automatiquement les extraits utiles dans votre base documentaire. La seconde option devient nécessaire dès que le volume dépasse ce qu'une conversation peut contenir.
Comment apprendre à en tirer un vrai gain de temps ?
En travaillant sur vos propres dossiers plutôt que sur des exemples génériques : c'est en donnant du contexte réel qu'un modèle devient utile. Notre formation Claude Cowork est construite sur ce principe, avec des cas tirés du quotidien d'une petite structure.