Grands modèles de langage
Prédire le prochain token, pas « savoir ».
Table des matières
Ce qu’un LLM fait
Il prédit la suite probable d’un texte. La forme peut être excellente. Le fond peut être faux.
D’où les hallucinationshallucinationIAProduction par un modèle d'un énoncé faux formulé avec la même assurance qu'un fait établi. Le phénomène est structurel : le modèle optimise la vraisemblance, pas la vérité.Voir dans le glossaire fluides.
Ce qu’il fait bien
Reformuler. Résumer. Traduire. Brouillonner. Extraire si le texte est fourni.
Ce qu’il ne garantit pas
La vérité juridique. Le calcul fiable sans outil. La confidentialité magique.
Pour les faits critiques : sources, outilstool callingIACapacité d'un agent ou d'un LLM à invoquer des outils externes (API, calcul, recherche) pendant le raisonnement.Voir dans le glossaire, ou validation humaine.
RAG en une ligne
On récupère des documents internes, puis on demande au modèle de répondre avec.
Moins d’invention si les sources sont bonnes et citées.
Coût et traces
Chaque requête coûte. Journalisez avec masquage PII. Sinon, pas d’audit possible.
L'essentiel à retenir
Un LLM prédit du texte plausible. Ancrez les faits critiques (RAG, outils, humain). Coûtez et journalisez.
Questions fréquentes
Le fine-tuning élimine-t-il les hallucinations ?
Quand choisir RAG plutôt que fine-tuning ?
Puis-je coller des secrets dans le prompt cloud ?
Progression sauvegardée dans votre navigateur.
Quiz de validation
Quiz Player
Quiz de validation
Plusieurs réponses possibles — validez ensuite.
Vrai ou faux.
Quiz indisponible (données invalides).