L'IA générative : comment ça marche, où ça casse

L’histoire est posée. Entrons dans le moteur : comment fonctionne une IA générative, sans une ligne de maths. Et comme le fonctionnement explique directement les erreurs, on traite les deux dans le même mouvement : ce qu’elle fait remarquablement bien, et où elle casse.

Une machine à prédire la suite

Un modèle de langage (LLM, pour grand modèle de langage) fait une seule chose, mais à une échelle vertigineuse : prédire la suite la plus probable d’un texte.

Vous écrivez « La capitale de la France est ». Le modèle évalue les suites possibles, garde la plus probable (« Paris »), l’écrit, puis recommence pour le mot suivant. Toute la magie (rédiger un email, résumer un rapport, répondre à une question) découle de ce mécanisme répété des milliers de fois.

D’où vient cette capacité ? De l’entraînement : le modèle a absorbé d’énormes volumes de texte et en a tiré les régularités : grammaire, style, connaissances, structures de raisonnement. Conséquence pratique : il connaît ce qu’il a vu à l’entraînement ; pour le reste (vos documents, votre contexte), il faut lui fournir l’information.

Les 5 mots à connaître

• Modèle : le « cerveau » entraîné (GPT, Claude, Gemini sont des modèles).
• Prompt : ce que vous lui écrivez. La qualité de la réponse en dépend énormément (module suivant).
• Fenêtre de contexte : sa mémoire de travail. Ce qui n’y tient pas est oublié.
• Token : l’unité de découpage du texte, et l’unité de facturation des services.
• Hallucination : une réponse inventée, énoncée avec aplomb. On y vient.

Conséquence n°1 : là où elle excelle

Puisqu’elle fabrique du langage plausible, elle est redoutable sur le langage appliqué à une matière que vous lui donnez : reformuler et structurer (notes → compte rendu), résumer et extraire (40 pages → l’essentiel), traduire et adapter le ton, brainstormer (20 pistes en 30 secondes, dont 3 valent le coup), expliquer et jouer le sparring partner. Les gains sont immédiats et réels.

Conséquence n°2 : l’hallucination

Même mécanisme, revers de la médaille : quand le modèle ne sait pas, il ne s’arrête pas. Il continue à générer ce qui « sonne juste ». Une hallucination, c’est ça : une information inventée, énoncée avec un aplomb parfait. Ni mensonge (aucune intention), ni bug (tout fonctionne normalement).

Le piège, c’est que le ton ne change pas :

Les autres pièges de la même famille : les chiffres « de mémoire » (un modèle de langage n’est pas une calculatrice), les sources (elle peut citer une étude qui n’existe pas), l’actualité (un modèle a une date de fin d’entraînement), et l’excès d’accord (demandez-lui si votre idée est bonne : elle aura tendance à dire oui).

Les 3 réflexes qui changent tout

1. Fournissez la matière : plus elle travaille sur VOS documents, moins elle puise dans sa mémoire, moins elle invente.
2. Vérifiez ce qui compte : tout fait, chiffre ou référence qui engage une décision se contrôle à la source.
3. Demandez le contradictoire : « quels sont les risques, les faiblesses, les contre-arguments ? » transforme un assistant flatteur en sparring partner.

7 questions pour verrouiller le moteur ET les pièges.