Comment fonctionne une IA ?

Vous écrivez une question, vous appuyez sur « Envoyer », et deux secondes plus tard, une réponse bien rédigée apparaît. Mais que s'est-il passé pendant ces deux secondes ? Comprendre ça, même dans les grandes lignes, va changer votre façon d'utiliser l'IA. Et vous allez voir, c'est beaucoup moins compliqué qu'on ne le croit.

Dans cette leçon, on va voir comment un modèle apprend, comment il produit une réponse, et surtout quels sont les éléments qui font qu'une réponse est bonne ou mauvaise. Ce sont ces éléments que vous allez apprendre à maîtriser.

Tout commence par l'entraînement. Un modèle de langage, comme ceux qui se cachent derrière ChatGPT, Claude ou Gemini, est entraîné sur d'énormes quantités de textes. Des livres, des articles, des pages web, des documents de toutes sortes. Pendant cet entraînement, le modèle apprend des régularités. Quels mots vont souvent ensemble. Comment on construit une phrase, un argument, un mail, une recette. Imaginez quelqu'un qui aurait lu une quantité de textes impossible pour un humain, et qui aurait repéré toutes les régularités possibles. S'il lit « Il était une », il sait que « fois » vient très souvent ensuite. Mais attention : avoir repéré des régularités, ce n'est pas comprendre comme un humain. C'est très puissant, mais ce n'est pas la même chose.

Maintenant, que se passe-t-il quand vous posez une question ? Le modèle produit sa réponse petit à petit, morceau par morceau. À chaque étape, il évalue quelles suites sont les plus plausibles compte tenu de tout ce qui précède : votre question, la conversation, les documents que vous avez fournis. Il en choisit une, l'ajoute, et recommence. C'est pour ça qu'une réponse apparaît progressivement à l'écran. Et c'est aussi pour ça que deux réponses à la même question peuvent être différentes : il y a souvent plusieurs suites plausibles. Retenez l'idée principale : le modèle ne va pas chercher une réponse toute faite dans une base de données. Il la construit, en fonction de ce que vous lui avez donné.

De quoi dépend la qualité d'une réponse ? De quatre choses. Le modèle, d'abord : certains sont plus puissants que d'autres. Mais vous n'avez pas beaucoup d'influence là-dessus. Ensuite, le contexte : ce que l'IA sait de votre situation. Qui vous êtes, ce que vous faites, pour qui. L'instruction : ce que vous demandez, précisément. Et enfin, les informations fournies : un document, des exemples, des chiffres. Ces trois-là, c'est vous qui les contrôlez, entièrement. Et c'est là que se joue la plus grosse différence entre une réponse moyenne et une excellente réponse.

Regardez. Première question : quel est le meilleur moment pour publier sur Instagram ? La réponse est générale, et honnêtement, elle ne peut pas être autrement : l'IA ne sait rien de moi. Deuxième version : je tiens un salon de coiffure dans une petite ville, mes clientes ont entre trente et cinquante-cinq ans et travaillent en semaine, et mes statistiques montrent que mon audience est surtout active le soir. Quand publier, et quoi ? Cette fois, la réponse est construite pour moi. Même modèle. La différence, c'est le contexte et les informations que j'ai fournis.

Attention à un piège fréquent : croire que plus on écrit, meilleure sera la réponse. Ce n'est pas vrai. Si vous collez trois pages d'informations dont la moitié n'a rien à voir avec votre question, vous risquez de détourner la réponse. Ce qui compte, c'est la pertinence. Donnez à l'IA les bonnes informations, pas toutes les informations. Quatre lignes précises valent souvent mieux qu'une page entière.

Une dernière conséquence de l'entraînement, très importante. Un modèle a appris sur des données qui s'arrêtent à une certaine date. Ce qui s'est passé après, il ne le sait pas, sauf si l'outil lui permet de faire une recherche sur Internet, ou si vous lui donnez l'information vous-même. Donc pour tout ce qui est récent, comme les prix, les lois, l'actualité ou les tarifs d'un outil, soyez prudent. On en reparle dans la leçon sur les limites.

Pour résumer les erreurs à éviter : poser une question sans aucun contexte, noyer l'IA sous des informations inutiles, et croire qu'elle consulte une base de vérités. Elle produit des réponses plausibles. Plausible ne veut pas dire vrai.

Votre exercice : choisissez une question utile pour votre projet. Posez-la d'abord sans aucun contexte. Puis posez-la à nouveau, dans une nouvelle conversation, en ajoutant quatre lignes de contexte pertinent. Comparez, et notez ce qui a changé.

Vous avez compris pourquoi le contexte compte autant. Dans la prochaine leçon, la plus importante du module, je vous donne une méthode simple pour écrire des demandes efficaces, à chaque fois.