Ce que vous saurez faire à la fin de cette unité

• Expliquer simplement ce qu’est une IA générative.
• Distinguer un modèle, une application et un mode d’hébergement.
• Différencier entraînement et utilisation d’un modèle.
• Reconnaître une information inventée dans une réponse.
• Choisir une première tâche à confier à l’IA avec des contrôles adaptés.

1. Une IA générative produit du contenu

L’intelligence artificielle désigne un ensemble de techniques permettant à des systèmes informatiques d’accomplir certaines tâches : reconnaître des éléments dans une image, classer des messages, prévoir une valeur ou produire du contenu.

L’IA générative est la famille de systèmes qui génèrent du texte, des images, du son ou d’autres contenus à partir d’une demande et de ce qu’ils ont appris pendant leur entraînement.

Elle peut rédiger, reformuler, résumer ou proposer plusieurs variantes. Le résultat peut être inédit dans sa formulation, sans être nécessairement original au sens juridique, exact ou adapté à votre situation.

Exemple : un logiciel de facturation additionne des montants selon des règles définies. Une IA générative peut préparer le courriel qui accompagne la facture. Pour vérifier le total, votre outil de calcul reste la référence.

2. Toutes les IA ne font pas la même chose

Les modèles de langage

Ils traitent et génèrent du texte. Un grand modèle de langage est souvent appelé LLM, pour Large Language Model. On peut lui demander de reformuler une consigne ou de préparer une synthèse.

Les modèles de génération d’images

Ils produisent ou modifient des images à partir de consignes et, selon leurs capacités, d’images de référence.

Les systèmes de traitement de la parole

La transcription convertit la parole en texte ; la synthèse vocale produit une voix. Transcrire un enregistrement et en rédiger le compte rendu sont deux tâches distinctes, éventuellement réunies dans une même application.

Les modèles multimodaux

Ils traitent plusieurs types de données, par exemple du texte et des images. Leurs capacités d’entrée et de sortie varient : accepter une photographie ne signifie pas savoir générer une vidéo.

Conséquence pratique : choisissez un outil pour la tâche à accomplir. Un bon assistant de rédaction n’est pas automatiquement un bon outil de transcription.

3. Comment un modèle de langage construit-il sa réponse ?

Dans un modèle de langage génératif courant, le texte est découpé en unités appelées tokens : mots, fragments de mots ou signes. Le modèle calcule des possibilités de continuation à partir du contexte et génère progressivement la réponse. Le choix dépend du modèle et des réglages ; il ne sélectionne pas nécessairement toujours le token le plus probable.

Le réglage principal que vous apprendrez à maîtriser s’appelle la Température. Une température proche de zéro force le modèle à choisir systématiquement la suite logique la plus probable : c’est indispensable pour analyser un contrat, écrire du code ou extraire des données factuelles. À l’inverse, une température plus élevée introduit du hasard, ce qui est utile pour générer des idées créatives ou rédiger des publications marketing variées. En entreprise, une mauvaise température est souvent la première cause d’hallucination.

Le contexte comprend les éléments effectivement transmis au modèle : instructions, demande, historique retenu et éventuels extraits documentaires. Sa capacité est limitée. Une conversation affichée à l’écran n’est donc pas forcément transmise intégralement à chaque échange.

Le modèle ne consulte pas automatiquement Internet, votre messagerie ou vos dossiers. Ces accès nécessitent des fonctions et des autorisations supplémentaires.

À retenir : une formulation plausible ne constitue pas une preuve. La génération du texte n’équivaut pas à une vérification de chaque affirmation.

4. Entraîner un modèle et l’utiliser sont deux opérations différentes

L’entraînement ajuste les paramètres du modèle à partir de données. L’inférence désigne son utilisation pour produire un résultat. Installer une IA locale consiste généralement à utiliser un modèle déjà entraîné.

Ajouter un document à une conversation ne réentraîne pas automatiquement le modèle. L’application peut toutefois conserver ce document ou l’indexer séparément. Il faut distinguer les paramètres du modèle, les informations du contexte et le stockage de l’application.

Cette technique qui consiste à donner un document à lire à l’IA juste avant qu’elle ne réponde porte un nom incontournable dans l’industrie : le RAG (Retrieval-Augmented Generation, ou Génération Augmentée par la Recherche). C’est aujourd’hui la méthode la plus fiable et la moins coûteuse pour qu’une IA réponde en se basant strictement sur les connaissances internes de votre entreprise, sans avoir besoin de modifier le modèle lui-même.

Exemple : vous fournissez une fiche produit pour rédiger une présentation. L’assistant peut l’utiliser pendant l’échange ; cela ne signifie pas qu’il connaîtra cette fiche dans toute nouvelle conversation.

5. Modèle, application et hébergement : trois notions distinctes

• Le modèle est le composant entraîné qui réalise le traitement.
• L’application fournit les fonctions d’utilisation : conversation, ajout de documents, historique ou accès à des outils.
• L’hébergement indique où les composants fonctionnent : votre ordinateur, un serveur interne ou une infrastructure distante.

Une interface ouverte dans votre navigateur peut communiquer avec un modèle local. Inversement, une application installée sur votre ordinateur peut envoyer une demande à un service distant.

L’enjeu de cette distinction est capital pour le secret de vos affaires. Si le modèle est hébergé sur une infrastructure distante (Cloud public), chaque document que vous lui soumettez quitte votre entreprise pour être analysé sur les serveurs du fournisseur, soulevant des risques critiques de confidentialité et de conformité RGPD. Si le modèle est hébergé localement sur votre propre matériel, vos données ne quittent jamais la mémoire vive (RAM) de votre machine.

La bonne question est donc : « Où mes données sont-elles réellement traitées ? » Le prochain cours approfondira les différences entre les architectures locale, cloud et hybride.

6. Exemple professionnel : une réponse bien écrite peut être incorrecte

Une entreprise fictive reçoit ce message :

Bonjour, avez-vous une date de livraison pour ma commande ? J’en ai besoin avant vendredi.

Un collaborateur demande simplement : « Réponds à ce client de manière rassurante. »

Réponse fictive préparée pour l’exercice :

Bonjour, votre commande a été expédiée ce matin et vous sera livrée jeudi. Nous vous remercions de votre confiance.

Le ton convient, mais l’expédition et la livraison n’ont pas été confirmées. Ces deux affirmations pourraient induire le client en erreur.

On parle couramment d’hallucination lorsqu’une IA produit une information fausse ou inventée présentée comme un fait. L’assurance du ton ne permet pas d’évaluer sa fiabilité.

Voici une demande mieux encadrée :

Rédige une réponse professionnelle de moins de 80 mots. Le client souhaite une livraison avant vendredi. Nous n’avons pas encore de confirmation d’expédition. N’annonce aucune date et ne promets aucune action qui n’a pas été décidée. Indique clairement que le délai reste à confirmer.

Exemple de brouillon acceptable :

Bonjour, nous avons bien pris connaissance de votre souhait de recevoir la commande avant vendredi. À ce stade, son expédition n’est pas confirmée et nous ne pouvons pas vous garantir ce délai. Merci de votre compréhension.

Le collaborateur doit encore vérifier le dossier avant envoi. Une meilleure consigne réduit certaines erreurs, sans garantir leur disparition.

7. Que déléguer, et que vérifier ?

Pour commencer, choisissez une tâche dont vous pouvez facilement contrôler le résultat : reformuler un message, structurer des notes ou préparer un brouillon à partir d’informations connues.

Avant de réutiliser une réponse, appliquez ces quatre contrôles :

1. Les faits : les noms, dates, montants et caractéristiques correspondent-ils aux sources ?
2. Les ajouts : l’IA a-t-elle inventé une promesse, une référence ou une explication ?
3. Les omissions : une réserve importante a-t-elle disparu ?
4. L’usage : le contenu peut-il être transmis tel quel et à ce destinataire ?

Une référence citée doit être ouverte et vérifiée. Demander à l’IA si elle est certaine ne remplace pas une source indépendante.

Le local ne supprime pas les erreurs de génération. Il concerne le lieu d’exécution et la maîtrise de l’environnement ; la fiabilité des réponses reste à évaluer.

8. À vous de jouer : repérer les informations inventées

Durée : environ 10 minutes. Travaillez à partir de ce cas fictif, sans installer d’outil.

Une entreprise reçoit une demande de devis pour aménager un bureau. Les seules informations confirmées sont :

• Le client souhaite six bureaux et six sièges.
• Les dimensions de la pièce ne sont pas connues.
• Le budget n’a pas été communiqué.
• Aucun prix, stock ni délai n’a été vérifié.

Brouillon fictif attribué à un assistant :

Bonjour, nous pouvons vous proposer six bureaux et six sièges pour un montant total de 4 800 € HT. Tous les produits sont disponibles et nous pouvons intervenir dès lundi. Cette configuration conviendra parfaitement à votre pièce.

1. Relevez les affirmations qui ne sont pas justifiées.
2. Expliquez les conséquences possibles si ce texte est envoyé.
3. Rédigez une consigne interdisant l’invention de prix, de disponibilités et de délais.
4. Préparez une réponse demandant les informations nécessaires.

9. Vérifiez votre compréhension

Répondez avant d’ouvrir les éléments de correction.

1. Quelle est la différence entre entraîner un modèle et l’utiliser ?
2. Pourquoi une réponse très bien rédigée peut-elle être incorrecte ?
3. Une application installée sur votre ordinateur traite-t-elle nécessairement toutes les données localement ?
4. Ajouter un document à une conversation modifie-t-il automatiquement les paramètres du modèle ?
5. Quels éléments faut-il contrôler avant d’envoyer une réponse commerciale préparée par une IA ?

Repère d’autoévaluation : visez au moins quatre réponses correctes sur cinq. Revenez sur les passages correspondant à vos hésitations avant de poursuivre.

10. Votre fiche mémo

• Générer : produire un contenu à partir d’une demande.
• Modèle : composant entraîné qui réalise le traitement.
• Prompt : demande ou consigne adressée au système.
• Contexte : informations effectivement disponibles pour la réponse en cours.
• Inférence : utilisation d’un modèle déjà entraîné.
• Hallucination : information fausse ou inventée présentée comme un fait.

Votre première action : notez une tâche de votre entreprise que l’IA pourrait vous aider à réaliser. Indiquez les informations nécessaires et trois points que vous contrôleriez dans le résultat.

Unité suivante : distinguer IA locale, cloud et architecture hybride.