Les agents conversationnels paraissent naturels, mais l’opération centrale d’un modèle de langage est simple à énoncer : à partir du texte déjà écrit, estimer quel morceau de texte est le plus probable ensuite.
Des jetons, pas des mots
Le texte est découpé en petites unités appelées jetons (tokens), qui peuvent être des mots entiers, des morceaux de mots ou de la ponctuation. Le modèle travaille avec des jetons car ils forment un vocabulaire de taille raisonnable.
Une étape à la fois
À chaque étape, le modèle produit une probabilité pour chaque jeton de son vocabulaire. Un jeton est choisi, ajouté au texte, et le processus recommence. Une longue réponse n’est qu’une suite de telles étapes.
D’où vient le savoir
Pendant l’entraînement, le modèle lit d’énormes quantités de texte et apprend à prédire la suite. Pour bien prédire, il doit absorber la grammaire, des faits, des styles d’écriture et des schémas de raisonnement courants, au moins sous forme statistique.
Pourquoi les réglages changent la réponse
Le modèle fournit des probabilités, pas une réponse unique et fixe. Un réglage souvent appelé température contrôle l’audace du choix. Une valeur basse favorise le jeton le plus probable et donne des réponses plus stables. Une valeur plus haute autorise davantage de variété.
Ce que cela signifie pour vous
Un modèle de langage est un prédicteur de texte très performant. Cela explique sa fluidité et sa souplesse, et aussi pourquoi il peut sembler sûr de lui sans avoir raison.
Pour aller plus loin
Retrouvez le traitement complet, les exemples et les exercices dans L’IA expliquée simplement.
Adapté de L’IA expliquée simplement, publié par Choral Software. Texte de l’article et exemples originaux © 2026 Choral Software. Tous droits réservés.