M1 STAPS 2024-2025

Les contenus générés par l’IA sont des recompositions statistiques de tout ce qui a été appris. Ils ont du sens parce qu’ils respectent les règles grammaticales, visuelles ou musicales extraites des data sets d’entraînement. Ces règles sont mémorisées sous forme d’un Large Language Model (LLM, voir ci-dessous). Cela permet, entre autres, de synthétiser des informations ou de proposer des contenus originaux.

Revenons sur la définition de LLM. Un LLM est large, car il possède énormément de paramètres (de l’ordre de plusieurs milliards), qui sont autant de pièces d’information. C’est un modèle, car il s’agit d’un réseau de neurones ("deep learning") entraîné sur une grande quantité de textes pour produire des tâches non spécifiques. Il est linguistique, car il reproduit la syntaxe et la sémantique du langage naturel humain en prédisant la suite probable pour une certaine entrée. Cela lui permet également d’avoir une «connaissance» générale sur la base des textes d’entraînement. 

Extrait du Guide pratique de l'université de Genève : https://www.unige.ch/numerique/fr/plan-daction/ia1/accueil/guide-pratique-ia/

Définition :  statistique de la distribution d’unité linguistiques (par exemple : lettres, phonèmes, mots) dans une langue naturelle. Un modèle de langage peut par exemple prédire le mot suivant dans une séquence de mots. On parle de modèles de langage de grande taille ou « Large Language Models » (LLM) en anglais pour les modèles possédant un grand nombre de paramètres (généralement de l'ordre du milliard de poids ou plus). (CNIL)

Le fonctionnement des IA génératives s'appuie donc sur des grands modèles de langage afin de produire des réponses appropriées. Ces modèles fonctionnent de la manière suivante :

source : ALLOUCHE Elie, Direction du numérique pour l'éducation, Ministère de l'éducation nationale, de la jeunesse et des sports 

Icon from Flaticon

Il est donc nécessaire, lorsque vous utilisez une IA générative, de faire attention aux consignes données lors de l'écriture du prompt.

Afin d'avoir une réponse qui correspond aux besoins, il est important de préciser dans la requête:

• le contexte (étudiant en master, licence ; domaine d'étude ; etc)
• le format du résultat (tableau, liste, nombre de paragraphes, etc)
• les objectifs
• une question claire explicitant le contenu souhaité
• les limites et contraintes