Chapitre 1 · Comprendre
Une machine qui devine la suite
On dit que la machine « sait » des choses. Premier mythe à faire tomber.
Elle prédit, elle ne sait pas
Un modèle de langage a lu des montagnes de texte. De tout ça, il a appris une seule habileté, répétée des milliards de fois : à partir des mots déjà écrits, deviner le prochain mot le plus probable. Puis le suivant. Puis le suivant. C'est tout le mécanisme — pas de dictionnaire de faits à l'intérieur, pas de petit bibliothécaire qui vérifie les réponses.
Pourquoi ça sonne si vrai
Comme elle a appris dans des textes écrits par des humains, elle reproduit parfaitement notre style : ton assuré, phrases propres, détails plausibles. Être fluide, c'est sa grande force — et la fluidité est exactement le raccourci que notre cerveau utilise pour se dire « cette personne sait de quoi elle parle ». Avec une machine, ce raccourci nous trahit.
Des jetons, pas des mots
Petit détail qui explique de grands mystères : la machine ne lit pas des mots mais des « jetons » — des morceaux de texte, parfois un mot entier, parfois une syllabe. C'est pour ça qu'elle peut trébucher sur le comptage des lettres d'un mot ou l'arithmétique : elle manipule des fragments de texte, pas des concepts.
Pour aller plus loin
La leçon : la machine n'a jamais « vérifié » sa réponse. Elle a pesé les mots qui suivent habituellement. « Habituellement vrai », ce n'est pas « toujours vrai » — c'est pour ça qu'une IA peut sonner parfaitement juste et se tromper.
Cinq mots entrent, un mot sort. Trois étapes, visibles pour une fois — puis un curseur que les concepteurs contrôlent.
Construire la phrase comme la machine le ferait : choisir le mot suivant, observer les probabilités.
Deux questions pour valider le chapitre :