C'est le réglage qui explique pourquoi la même question posée deux fois ne donne pas la même réponse. Beaucoup le découvrent en cherchant à comprendre pourquoi leur automatisation fonctionne un jour sur deux.
Définition
La température est un réglage qui contrôle la part d'aléatoire dans le choix du mot suivant. À chaque étape, le modèle dispose de plusieurs suites possibles avec leur probabilité : la température décide s'il prend systématiquement la plus probable ou s'il s'autorise les autres.
| Valeur | Comportement | Usage |
|---|---|---|
| 0 | Prend toujours la suite la plus probable | Classer, extraire, décider |
| 0,2 à 0,5 | Très régulier, quelques variations | Répondre à partir de documents |
| 0,7 à 1 | Varié, parfois surprenant | Rédiger, chercher des idées |
| Au-delà de 1 | Part dans tous les sens | Presque jamais utile |
La règle qui évite le plus d'ennuis : basse pour tout ce que vous automatisez, haute pour tout ce que vous relisez. Une automatisation doit produire le même résultat sur la même entrée ; un brouillon a intérêt à vous proposer autre chose que la formulation la plus attendue.
Ce que la température ne fait pas
Elle ne rend pas le modèle plus fiable. À zéro, il choisit toujours la suite la plus probable, ce qui ne veut pas dire la plus vraie. Une Hallucination produite à température nulle sera reproduite à l'identique à chaque appel.
Elle ne remplace pas une consigne. Si les réponses partent dans tous les sens, la cause est le plus souvent un Prompt imprécis, pas un réglage trop haut.
Elle ne garantit pas la reproductibilité. Même à zéro, deux appels identiques peuvent différer légèrement selon l'infrastructure du fournisseur. C'est rare, mais cela suffit à ne pas bâtir sur l'hypothèse d'une égalité parfaite.
Le cas qui revient le plus souvent
Une automatisation demande au modèle de classer des demandes entrantes en trois catégories. Elle fonctionne bien en test, puis se met à produire des catégories inattendues, parfois avec une majuscule différente, parfois une quatrième catégorie inventée.
Deux corrections, dans cet ordre. Descendre la température à zéro, ce qui supprime la variabilité. Puis demander une Sortie structurée, qui contraint la forme au lieu de la suggérer. Le réglage seul réduit le problème, la sortie structurée le supprime.
Beaucoup d'interfaces grand public ne donnent pas accès à ce réglage et appliquent une valeur intermédiaire adaptée à la conversation. Si vous constatez des variations gênantes dans une automatisation, vérifiez d'abord que vous avez la main dessus : par API, oui ; dans une interface de discussion, rarement.
Questions fréquentes
Quelle valeur choisir par défaut ?
Zéro pour toute tâche qui alimente un Workflow, autour de 0,7 pour de la rédaction. Entre les deux, il n'y a pas de valeur magique : testez sur vos propres cas plutôt que de reprendre une valeur trouvée en ligne.
Une température basse coûte-t-elle moins cher ?
Non, la facturation dépend du nombre de Token, pas du réglage. En revanche, une réponse plus régulière demande moins de reprises, ce qui réduit indirectement la consommation.
Est-ce le seul réglage de ce type ?
Non, les fournisseurs en proposent d'autres qui agissent sur la même mécanique de sélection. En pratique, régler la température suffit dans la quasi-totalité des cas, et cumuler les réglages rend le comportement plus difficile à expliquer.
Comment savoir si mon réglage est le bon ?
En rejouant les mêmes cas plusieurs fois et en regardant si les résultats varient : c'est exactement le rôle d'une Évaluation. Notre formation n8n traite ce réglage au moment de brancher un modèle dans un scénario, là où la régularité devient une exigence.