FRENES

Glossaire · Modèles de langage

IA générative

L’IA générative est une catégorie de systèmes d’intelligence artificielle capables de produire des contenus à partir de régularités apprises dans des données. Elle peut générer du texte, des images, du son ou d’autres éléments selon une demande, sans garantir leur exactitude, leur originalité ou leur adéquation à votre objectif.

IA générative : l'explication

Pendant l’entraînement, un modèle ajuste ses paramètres pour apprendre des relations présentes dans les données. Lors de l’utilisation, il produit un contenu conditionné par votre demande et, parfois, par des documents ou d’autres entrées. Les méthodes varient selon les modèles et les formats. Un assistant textuel et un générateur d’images ne suivent donc pas nécessairement le même mécanisme. Leur point commun est de construire une sortie plutôt que de seulement attribuer une catégorie à une entrée.

L’IA générative peut servir à préparer un brouillon, résumer un document, reformuler un message ou créer une illustration. Elle peut aussi constituer un composant d’un agent qui utilise des outils et agit dans un environnement. Le modèle ne réalise pas automatiquement ces actions par lui-même. Les possibilités dépendent des logiciels connectés et des autorisations accordées. Une réponse rédigée, une recherche sur le Web et l’envoi d’un courriel correspondent ainsi à des opérations différentes.

Un contenu fluide ou réaliste peut être faux. Le modèle peut produire une référence inexistante, modifier un détail important ou compléter une information manquante sans le signaler correctement. Il peut aussi reproduire des éléments appris plutôt que créer quelque chose de totalement inédit. Les questions de confidentialité, de droits et de responsabilité dépendent des données utilisées et du service. Il faut donc distinguer la capacité à générer un résultat de la capacité à le valider.

Un exemple concret

Vous devez informer les membres d’une association d’un changement de salle. Vous fournissez les informations confirmées à un assistant, qui prépare un message et une version plus courte. Vous vérifiez le lieu, l’horaire et les destinataires avant l’envoi. L’outil vous aide à formuler l’annonce, mais il ne peut pas confirmer une disponibilité de salle simplement parce que son texte paraît précis et bien rédigé.

Pourquoi c'est important

Ce terme compte parce qu’il décrit une capacité de production, sans garantir une compétence générale. Avant de choisir un outil, vérifiez les formats pris en charge, la qualité sur vos tâches et le traitement de vos données. Définissez aussi les résultats à relire et les actions à autoriser. Pour une publication, contrôlez les faits et les droits plutôt que de vous fier uniquement à la présentation.

Idées reçues

  • Un contenu généré n’est pas automatiquement exact ou vérifié, car le système peut privilégier une réponse plausible et bien formée sans disposer des informations nécessaires pour confirmer chaque affirmation, chaque référence ou chaque détail présenté.
  • Une IA générative n’est pas nécessairement un agent autonome, puisque produire du texte ou une image ne lui donne pas à lui seul la capacité d’accéder à vos comptes, d’utiliser des outils ou d’exécuter des actions.

Autres termes : modèles de langage

hallucination
L’hallucination est une réponse produite par une IA qui présente comme fiable une information fausse, inventée ou insuffisamment fondée.
Transformer
Un Transformer est une architecture de réseau de neurones qui traite des éléments, comme les fragments d'un texte, en calculant leurs relations grâce à l'attention.
embedding
Un embedding est une représentation numérique d'un contenu, généralement sous la forme d'une liste de nombres appelée vecteur.
token
Un token est une unité utilisée par un modèle pour représenter et traiter une partie de son entrée ou de sa sortie.
fenêtre de contexte
La fenêtre de contexte est la quantité maximale de contenu qu'un modèle peut prendre en compte dans un traitement donné, généralement mesurée en tokens.
poids ouverts
Les poids ouverts désignent la mise à disposition des valeurs apprises d'un modèle, afin que d'autres puissent les télécharger et les utiliser selon les conditions applicables.
IA open source
L'IA open source désigne une IA mise à disposition avec des libertés d'utilisation, d'étude, de modification et de partage, ainsi que les éléments nécessaires pour les exercer.
quantification
La quantification est une technique qui représente certains nombres utilisés par un modèle avec moins de précision.

Où le site en parle

Le terme apparaît dans 748 pages du site. Quelques-unes :

Dans la même famille

Pour aller plus loin

Questions fréquentes

Est-ce toujours un chatbot ?

Non. Un chatbot est une interface de conversation. L’IA générative peut aussi être intégrée à un éditeur d’images, un outil audio ou un logiciel de rédaction. Une interface conversationnelle peut également combiner génération et fonctions plus classiques.

Peut-elle utiliser mes documents ?

Oui, si l’application permet de les fournir ou d’y connecter une source. Cela ne garantit pas une lecture complète ni une interprétation correcte. Vérifiez les passages utilisés et les règles de conservation ou de réutilisation des données.

Apprend-elle pendant chaque échange ?

Pas nécessairement. Utiliser vos messages comme contexte ne signifie pas modifier les paramètres du modèle. La mémoire d’un service et l’utilisation éventuelle des échanges pour un entraînement ultérieur sont des mécanismes distincts, à vérifier dans ses conditions.

Neutralité. Aucun lien d'affiliation. Aucun éditeur ne paie pour être évalué, noté ou classé. Les évaluations sont dirigées par François Chollet, neutres et factuelles, et chaque donnée est datée et sourcée. Comment nous notons