Une devinettePour commencerCas d'ouverture
Réfléchis une secondeEssaie de répondrePosez votre intuition
Quand tu demandes un dessin de chat à la machine, elle le sort d'un tiroir ou elle le fabrique ?
Pense à ta réponse, même si tu n'es pas sûr. La suite te dira si tu avais vu juste.
Deux fois la même question à un chatbot, deux réponses un peu différentes. S'il piochait dans un fichier, ce serait possible ?
Prends dix secondes pour répondre dans ta tête. Tu compareras avec la suite.
Un fournisseur vante un modèle à plusieurs centaines de milliards de paramètres. Qu'est-ce que ce chiffre vous garantit, concrètement ?
Formulez d'abord votre réponse, même approximative : la comparer à la suite fixe bien mieux les acquis.
Regarde ça bougerVois-le en actionLe concept en mouvement
Regarde l'entrée traverser les molettes du modèle
Un modèle, c'est une recette réglée par des milliers de molettes (les paramètres). Compare des réglages appris à des réglages au hasard.
Une entrée arrive. Le modèle n'a pas la réponse toute prête : il va la calculer.
La machine, c'est un robot cuisinier avec des milliers de petites molettes pour réussir son plat.
Un modèle, c'est un moteur de jeu vidéo avec des milliers de réglages : l'entraînement, c'est la phase où on a calibré tous les curseurs.
Un modèle, c'est un moteur de cuisine avec des milliers de molettes : l'entraînement règle chaque molette pour que le plat sorte bien.
Comment ça marcheComment ça marcheLa mécanique
Une étape à la foisLe mécanisme, étape par étapeLe mécanisme, étape par étape
Le robot cuisinier aux mille molettes
Tu poses une question à la machine.
Avant, elle s'est entraînée avec plein, plein d'exemples.
Elle tourne ses petites molettes pour fabriquer la réponse.
Elle ne lit pas une fiche toute prête : elle invente la réponse à chaque fois.
Pas un dossier de réponses : un moteur réglé
Tu donnes une demande à la machine, comme un prompt dans un chat.
Elle la fait passer dans sa « recette » : une grosse structure de calcul faite de couches.
Cette recette utilise des réglages appris (les paramètres, ou « poids ») pour orienter le calcul.
Au bout, elle sort la réponse la plus probable, morceau par morceau, pas une fiche toute prête.
Un modèle, c'est un moteur appris, pas une encyclopédie
Vous envoyez une entrée (texte, image, son) au modèle.
Elle est convertie en nombres puis traverse une architecture de calcul, couche après couche.
À chaque couche, des paramètres appris (les poids) transforment et orientent l'information.
Le modèle produit la sortie la plus probable selon ces réglages, par exemple le prochain token pour un LLM.
Des exemples pour toiDes exemples concretsExemples concrets
Tu l'as déjà croiséOù tu le retrouvesOù vous le retrouvez en situation
Un exemple pour toi
C'est comme quand tu apprends à faire un gâteau. La première fois, il est tout plat ou tout brûlé. Tu essaies encore et encore, tu changes un peu les choses. Et un jour, hop, le gâteau est trop bon ! La machine, c'est pareil : elle s'entraîne très longtemps avant de bien réussir.
Sur la tablette de papa, le clavier devine le mot que tu vas écrire.
La machine dessine un chat tout coloré quand tu lui demandes.
Elle écoute ta voix et écrit ce que tu dis, comme une dictée.
Cas concret
Le filtre qui transforme ta photo, l'IA qui te génère un avatar, l'autocomplétion de ton clavier qui devine le prochain mot : ce sont tous des moteurs réglés. Aucun ne pioche une réponse toute prête, chacun la fabrique avec ses propres curseurs.
Le clavier de ton smartphone qui devine le prochain mot quand tu écris un texto.
Un générateur d'images qui transforme ta phrase en visuel pour ta story.
La transcription automatique qui change ta voix en sous-titres dans une vidéo.
Cas concret
Quand un assistant vous rédige un e-mail, résume un compte rendu de réunion ou transcrit un mémo vocal, il ne va pas chercher une réponse stockée : il la calcule à la volée à partir de ses réglages. C'est pour ça que deux fois la même demande peut donner deux formulations différentes.
Un modèle de texte qui complète votre mail ou rédige un brouillon.
Un modèle d'image qui transforme une consigne en visuel cohérent pour une présentation.
Un modèle audio qui transcrit une réunion en compte rendu écrit.
Attention aux piègesÀ éviterÀ éviter
Ce qu'on croit, et ce qui est vraiIdées reçues et pièges à éviterIdées reçues et risques à anticiper
-
On croit que
On croit que la machine a toutes les réponses cachées dans une boîte.
En vrai
En vrai, elle n'a pas de boîte de réponses : elle les fabrique quand tu demandes.
-
On croit que
On croit que la plus grosse machine gagne toujours.
En vrai
En vrai, une petite machine peut être meilleure et plus rapide pour un jeu.
-
On croit que
On croit qu'on télécharge un vrai cerveau.
En vrai
En vrai, on télécharge juste plein de nombres que la machine sait lire.
Les pièges à retenir
- Une grosse machine n'est pas toujours la meilleure pour tout.
- Une machine rapide peut se tromper sur les choses difficiles.
- Deux machines peuvent être fortes sur des jeux très différents.
-
On croit que
« Le modèle a toutes les réponses rangées dans un fichier. »
En réalité
Non : il ne stocke pas de réponses, il les calcule à la demande à partir de ses réglages.
-
On croit que
« Le plus gros modèle gagne toujours. »
En réalité
Faux : un petit modèle bien choisi peut être plus rapide, moins cher et meilleur sur une tâche précise.
-
On croit que
« Télécharger un modèle, c'est récupérer un cerveau. »
En réalité
En vrai tu récupères surtout de grands tableaux de nombres que le moteur sait lire.
Les pièges à retenir
- Un gros modèle n'est pas forcément le bon choix pour chaque usage.
- Un modèle rapide peut être moins fiable sur des tâches compliquées.
- Deux modèles peuvent être excellents sur des choses totalement différentes.
-
Idée reçue
« Un modèle contient toutes les réponses, rangées quelque part. »
Réalité
Non : il ne stocke pas de réponses, il les calcule à la demande à partir de ses poids.
-
Idée reçue
« Le plus gros modèle est toujours le meilleur. »
Réalité
Faux : un petit modèle bien adapté peut battre un gros modèle sur un usage précis, plus vite et moins cher.
-
Idée reçue
« Télécharger un modèle, c'est récupérer un cerveau. »
Réalité
C'est récupérer de grands tableaux de nombres (les poids) que le moteur sait interpréter.
Points de vigilance
- Un gros modèle n'est pas forcément le meilleur choix pour tous les cas.
- Un modèle peut être rapide mais moins fiable sur des tâches complexes.
- Deux modèles peuvent exceller sur des usages totalement différents.
Ce que je retiensÀ retenirÀ retenir
L'essentiel, en quatre idéesL'essentiel, en quatre idéesL'essentiel, en quatre points
La phrase à garder
La machine ne récite pas une réponse cachée : elle la fabrique avec ses molettes.
- Une machine qui fabrique Elle invente la réponse, elle ne la copie pas sur une fiche.
- Plein de molettes La machine a des milliers de petits boutons pour bien répondre.
- Elle s'entraîne d'abord Avant, elle a vu plein d'exemples pour bien régler ses molettes.
- La plus grosse n'est pas la meilleure Une petite machine peut gagner si elle est faite pour ça.
La phrase à garder
Un modèle ne récite pas des réponses stockées : il les recalcule à la demande avec ses réglages appris.
- Un moteur, pas une base de réponses Le modèle fabrique sa réponse au moment où tu l'utilises, il ne la copie pas d'une liste.
- Paramètres = les réglages Des millions, voire des milliards de nombres ajustés pendant l'entraînement.
- « Gros » = beaucoup de réglages Un gros modèle a surtout plus de paramètres et demande plus de calcul.
- Le meilleur dépend du besoin Vitesse, code, images, texte long : chaque modèle a ses points forts.
Message clé
Un modèle, c'est un moteur appris, pas une encyclopédie figée qui récite des réponses stockées.
- Un modèle = un moteur appris Il calcule une réponse probable à la demande, il ne la récite pas depuis une liste.
- Les poids = les réglages De grands tableaux de nombres, ajustés pendant l'entraînement, chargés en mémoire à l'exécution.
- Pas une encyclopédie On télécharge des poids et une configuration, pas un fichier rempli de phrases toutes faites.
- Le meilleur dépend de l'usage Vitesse, code, contexte long, multimodal : chaque modèle a ses forces et ses compromis.
Je m'entraîneJe valideÉvaluation
Je teste ce que j'ai comprisJe teste ce que j'ai comprisValidez vos acquis
Valider : Un modèle, c'est une recette mathématique
4 questions. Il faut 70 % de bonnes réponses pour maîtriser la fiche. Tu as le droit de te tromper et de réessayer.
Pour les curieuxPour aller plus loinPour aller plus loin
Si tu veux en savoir plusCreuser le sujetApprofondir et poursuivre
Sous le capot, pour les curieux
Les boutons
Plein de petits boutons qui font la réponse
Imagine une télécommande géante avec des millions de tout petits boutons. Un seul bouton, ça ne change presque rien, comme une seule goutte d'eau. Mais tous les boutons ensemble, bien réglés, décident comment le robot répond. C'est en s'entraînant beaucoup que le robot apprend à bien tourner ses boutons.
La boîte de chiffres
Le robot est rangé comme une grande boîte de chiffres
Quand tu télécharges un modèle, tu ne reçois pas un cahier rempli de phrases déjà écrites. Tu reçois surtout une énorme boîte pleine de chiffres, comme un coffre de billes. Le robot sait lire ces chiffres pour fabriquer ses réponses. Il n'y a pas de réponses cachées dedans, juste des nombres.
La recette
Il suit sa recette étape par étape
Quand tu poses une question, le robot la transforme d'abord en chiffres. Puis il la fait passer par plein d'étapes, comme une recette de gâteau qu'on fait pas à pas. À chaque étape il réfléchit un peu plus, et à la fin il sort la réponse qui lui semble la meilleure.
Le bon copain
Chaque robot est fort à un jeu différent
C'est comme tes copains : un court super vite, un autre dessine super bien, un autre raconte les meilleures histoires. Les robots, c'est pareil ! Il n'y en a pas un qui est le meilleur partout. Il faut juste choisir celui qui est le plus fort pour ce que tu veux faire.
Sous le capot
Les réglages
Les poids sont des milliers de curseurs réglés automatiquement
Pense à une table de mixage avec des milliers de curseurs. Chaque poids est un nombre qui modifie un tout petit peu le son final. Un seul curseur ne change presque rien, mais des millions réglés ensemble pendant l'entraînement décident de tout le comportement du modèle. C'est l'apprentissage qui ajuste ces curseurs, pas un humain à la main.
Le fichier
Un modèle, c'est surtout un énorme fichier de nombres
Quand tu télécharges un modèle (comme une app de plusieurs Go), tu récupères principalement ses poids, plus parfois le tokenizer (l'outil qui découpe le texte en morceaux) et sa config. Il n'y a aucune phrase toute prête cachée dedans : juste des données numériques que le moteur sait lire et faire tourner.
Le calcul
À l'utilisation, l'info traverse les couches une par une
Quand tu envoies un message, il est d'abord transformé en nombres, puis il passe dans des couches de calcul successives (un peu comme des filtres empilés). À chaque étape le modèle affine sa compréhension du contexte, jusqu'à produire la sortie la plus probable. Ce moment où on l'utilise s'appelle l'inférence.
Le bon choix
Chaque modèle a ses points forts, comme un joueur d'équipe
Comme dans un jeu vidéo où chaque perso a sa spécialité, un modèle peut être rapide, un autre meilleur en code, un autre champion des longs textes ou des images. La vraie question n'est jamais « lequel est le meilleur en général ? » mais « lequel est le mieux adapté à ce que je veux faire ? ».
Sous le capot : les briques techniques
Paramètres
Les poids sont des réglages numériques appris
Chaque poids est un nombre qui influence la manière dont l'information circule et se combine. Pris seul, un poids ne veut pas dire grand-chose. Pris ensemble par millions ou milliards, ils forment le comportement global du modèle.
Stockage
Le modèle est stocké comme de grands tableaux de nombres
Quand on télécharge un modèle, on récupère surtout ses poids, parfois son tokenizer et sa configuration. Ce n'est pas un fichier magique rempli de phrases toutes faites : c'est un ensemble de données numériques que le moteur sait interpréter.
Exécution
À l'inférence, le modèle déroule sa recette couche après couche
Une requête arrive, elle est convertie en nombres, puis traverse différentes couches de calcul. À chaque étape, le modèle transforme l'information, affine sa représentation du contexte et prépare la sortie la plus plausible.
Choix produit
Deux modèles peuvent avoir des forces très différentes
L'un peut être excellent en vitesse, l'autre en code, un autre en contexte long ou en multimodal. La bonne question produit n'est jamais 'quel modèle est le meilleur dans l'absolu ?', mais 'quel modèle sert le mieux cet usage précis ?'.
Les questions que tu te poses peut-être
- Est-ce que la machine garde toutes les réponses cachées dedans ?
- Non ! Elle ne range pas les réponses comme des billes dans une boîte. Elle les fabrique au moment où tu lui demandes, comme un cuisinier qui prépare ton plat tout de suite.
- Est-ce qu'elle peut se tromper ?
- Oui, comme un gâteau qui peut être raté ! Si ses molettes sont mal réglées, elle peut dire une bêtise. Alors c'est bien de vérifier avec un grand.
- Est-ce qu'elle est plus intelligente que moi ?
- Non. Toi tu comprends pour de vrai et tu as des idées à toi. Elle, elle suit juste sa recette avec ses molettes. Tu es bien plus malin qu'elle !
Questions fréquentes
- C'est quoi un modèle d'IA, simplement ?
- Un moteur de calcul entraîné : il prend une entrée, la fait passer dans sa recette de réglages, et produit la sortie la plus probable.
- C'est quoi les paramètres (ou poids) ?
- Des nombres appris pendant l'entraînement. Pris ensemble par millions, ils forment le comportement du modèle.
- Un modèle mémorise-t-il les réponses ?
- Non. Il ne range pas des réponses toutes faites : il les reconstruit à chaque fois, à partir de ses réglages.
- Quel modèle est le meilleur ?
- Aucun dans l'absolu. La bonne question est : lequel sert le mieux cet usage précis (vitesse, coût, qualité, multimodal) ?
Pour continuer
-
Lis l'histoire en BD, c'est plus rigoloCette notion existe aussi en BDCette notion existe aussi en BD IA et le gâteau à mille molettes - Fiche à suivre Comment l'IA apprend Pour voir comment ces réglages sont ajustés, tour après tour.
- Fiche à suivre Les données, la nourriture des modèles Pour comprendre la matière première qui façonne ces réglages.
- Fiche à suivre C'est quoi l'IA ? Pour revoir la base : apprendre des motifs, prédire une sortie probable.
SourcesSourcesSources vérifiées