Comprendre l’IA.
Du premier déclic
au bon jugement.

Une IA générative produit du texte, des images ou d’autres contenus à partir de régularités apprises pendant son entraînement. Pour un modèle de langue, la production d’une réponse passe par des prédictions successives de tokens : des mots, morceaux de mots ou signes.

Le contexte comprend les instructions et les informations disponibles au moment de la réponse. Décrire le public et la tâche change ce que le modèle peut proposer. Cela ne constitue pas une vérification des faits.

Une formulation assurée ne prouve ni la compréhension humaine, ni l’exactitude. L’outil peut être utile pour explorer ou reformuler; une personne doit encore juger le résultat selon l’usage.

Un prochain token reçoit une probabilité en fonction du contexte. La réponse se construit un morceau à la fois. Une suite qui paraît naturelle peut inclure une information inventée.

La température modifie la répartition utilisée pour le tirage. Dans cette simulation, une faible température concentre les possibilités; une température plus élevée les répartit davantage. Ce réglage ne mesure pas la vérité.

Comparer deux sorties est utile pour repérer des variations. Pour savoir laquelle est exacte, il faut des éléments indépendants : un document source, une observation ou une vérification adaptée à la tâche.

Une synthèse peut ajouter des détails qui ne figurent pas dans sa source. Avant de partager, séparez les affirmations : qui, quoi, quand, combien, et avec quelle preuve?

« Confirmé » signifie que la source soutient l’affirmation. « Contredit » signifie qu’elle indique autre chose. « Non précisé » signifie qu’elle ne permet pas de conclure. Une absence d’information n’est pas automatiquement une preuve du contraire.

Une référence produite par un outil mérite elle aussi une vérification : existe-t-elle, dit-elle ce qu’on lui attribue et convient-elle à la question? Une citation bien présentée peut être incorrecte.

Une consigne utile précise ce que l’on souhaite obtenir, pour qui et dans quel contexte. « Fais mieux » laisse beaucoup d’implicite; « prépare trois exemples pour un groupe débutant » offre un point de départ plus clair.

Ajoutez un format et des critères : longueur, langage, distinction entre faits et hypothèses, éléments à vérifier. Demander à l’outil de signaler ses limites peut aider la lecture, mais ses déclarations restent à examiner.

La première réponse est un brouillon à évaluer. Comparez-la à vos critères, identifiez un problème précis, puis ajustez la consigne. Une meilleure consigne améliore la possibilité de juger la réponse; elle ne garantit pas son exactitude.

Avant d’envoyer un texte à un service, demandez-vous ce qu’il révèle. Un nom, une adresse, une difficulté scolaire ou un dossier client peuvent concerner une personne. Un projet interne peut aussi contenir des informations confidentielles.

Retirer le nom ne suffit pas toujours. L’âge, le lieu, le rôle et une situation rare peuvent permettre de reconnaître quelqu’un. Pour apprendre ou démontrer, un exemple entièrement fictif évite souvent de transmettre le document réel.

Le bon réflexe dépend aussi de l’outil et des règles de votre organisation : accès autorisé, paramètres, conservation et personnes responsables. En cas de doute, suspendez l’envoi et demandez une validation. Cette activité ne remplace pas ces règles.

Évaluer un outil sur un seul chiffre peut masquer des différences entre groupes, langues ou situations. Un résultat global ne décrit pas nécessairement l’expérience de chaque personne.

Dans notre exemple fictif, la réussite est fixée à 95 % pour le groupe A et à 60 % pour le groupe B. Le curseur change seulement la composition de l’échantillon. Il n’entraîne aucun modèle et ne change pas les résultats de chaque groupe.

Une moyenne plus élevée peut simplement signifier que le groupe le mieux servi est plus présent dans le test. Avant de décider, examinez les situations concernées, qui est peu représenté et les conséquences d’une erreur.

Vous organisez un atelier. Un outil propose une annonce convaincante à partir de vos notes. Votre travail consiste à décider ce qui peut être conservé, ce qui doit être corrigé et ce qui ne doit pas être transmis.

Gardez une méthode simple : définir l’intention, limiter les données, préciser les critères, vérifier les affirmations et désigner la personne qui valide. Si l’erreur aurait des conséquences importantes, augmentez le niveau de contrôle ou choisissez une autre méthode.

Après l’évaluation, emportez la fiche de pratique. Choisissez une petite tâche, définissez ce que vous vérifierez et comparez le résultat à votre méthode habituelle. Une expérimentation utile peut aussi conclure que l’IA n’aide pas cette tâche.