0.1Qu'est-ce que l'IA générative ?
L'essentiel en 30 secondes
- Un LLM ne « sait » pas, il prédit : il génère mot à mot la suite la plus probable d'une conversation — d'où une forme brillante sans garantie sur les faits.
- Forces contre faiblesses : excellent pour rédiger, résumer, reformuler, structurer, traduire ; fragile sur les faits précis, les calculs et l'actualité — tout cela se vérifie.
- Le bon modèle mental : un collègue brillant, rapide, jamais fatigué… et parfois sûr de lui à tort — le duo humain + IA bat chacun des deux séparément.
Mini-cas filé — Amine découvre ce qu'est vraiment un LLM
Amine, chef de projet à Alger, utilise déjà un assistant pour ses comptes rendus, sans vraiment savoir comment cela fonctionne. En demandant une explication simple puis un calcul qu'il vérifie à la calculatrice, il constate l'écart : vulgarisation limpide d'un côté, résultat approximatif de l'autre. Il comprend ce jour-là que le modèle prédit du texte plausible au lieu de savoir — et adopte sa règle : profiter de la fluidité, vérifier chaque fait.
Cas autonome de cette section : il revient dans le cours, le schéma, le script et le défi 48h de la section 0.1.
1. Une technologie, un principe
Depuis fin 2022 et l'arrivée de ChatGPT, l'IA générative s'est imposée à une vitesse inédite : la majorité des salariés du tertiaire l'utilise déjà, souvent sans formation ni cadre. Derrière tous ces outils, une même technologie : le LLM (grand modèle de langage) — un système entraîné sur d'immenses corpus de textes, qui génère la suite la plus probable d'une conversation. Amine l'a vérifié sur ses propres usages : le même moteur sert à rédiger, résumer ou traduire, quel que soit l'assistant.
2. Il ne « sait » pas, il prédit
Comprendre ce principe change tout : le LLM ne « sait » pas, il prédit du texte plausible. C'est pourquoi il rédige magnifiquement… et peut se tromper avec la même assurance. La génération comporte d'ailleurs une part d'aléatoire volontaire (la « température ») : la même question peut donner des réponses différentes — une caractéristique à exploiter en demandant plusieurs variantes, pas un bug.
3. Forces, faiblesses et duo gagnant
Il fait très bien : rédiger, résumer, reformuler, structurer, traduire, expliquer. Il fait mal : les faits précis, les calculs, l'actualité, les sources — tout cela se vérifie. Et le duo humain + IA bat chacun des deux séparément : l'IA produit vite, l'humain juge et valide. C'est ce partage des rôles qui fait l'usage professionnel lucide — et tout le reste de ce guide l'installe, niveau par niveau.
Le saviez-vous ? La température
L'IA qui change d'avis ne ment pas : elle tire au sort ses bons mots.
🔎 Exemple concret — 🔎 Exemple concret — Brillant sur la forme, fragile sur les faits
« Explique la photosynthèse à un enfant de 8 ans » → excellent (vulgariser).
« 847 × 293 ? » → souvent approximatif (vérifier à la calculatrice).
« 3 articles publiés cette semaine » → vérifier que les références existent.Lecture : Amine obtient une explication limpide, un calcul à contrôler et des références à vérifier : trois tests, une seule carte mentale.
Leçon : brillant sur le langage, fragile sur les faits précis — le réflexe est de vérifier tout ce qui est factuel.
Vocabulaire de la section
- IA générative
- Famille d'IA qui produit du contenu nouveau (texte, image, code, audio) à partir d'une consigne, au lieu de seulement classer ou prédire.
Exemple simple : Amine demande un premier jet de compte rendu : l'IA génère un texte nouveau à partir de sa consigne.
Ce que ce n'est pas : un simple moteur de recherche qui retrouve des pages existantes.
Réflexe : préciser la consigne (le prompt) : tout le résultat en dépend.
- LLM (grand modèle de langage)
- Le moteur des assistants (GPT, Claude, Gemini…) : un réseau de neurones entraîné sur des milliards de textes, qui génère mot à mot la suite la plus probable.
Exemple simple : Amine comprend que son assistant ne consulte pas des faits : il prolonge la conversation au plus plausible.
Ce que ce n'est pas : une base de données de faits vérifiés que l'on interroge.
Réflexe : devant chaque réponse, demander « plausible ou vérifié ? ».
- Prompt
- Votre consigne à l'IA. Toute la qualité de la réponse en dépend — c'est l'objet du niveau 1.
Exemple simple : Amine remplace « fais-moi un compte rendu » par une consigne cadrée : le résultat devient exploitable.
Ce que ce n'est pas : un mot-clé tapé dans un moteur de recherche.
Réflexe : soigner la consigne avant d'accuser l'outil.
- Hallucination
- Réponse fausse mais formulée avec aplomb : le risque n°1, traité en détail en 0.4 et 5.2.
Exemple simple : Amine reçoit des références d'articles qui n'existent pas, présentées avec assurance.
Ce que ce n'est pas : un bug d'affichage ou une panne de serveur.
Réflexe : vérifier chiffres, références et citations à la source.
- Fenêtre de contexte
- La « mémoire de travail » de la conversation : au-delà d'une certaine longueur, le modèle perd le début de l'échange.
Exemple simple : Amine relance un fil trop long et constate que l'assistant oublie ses premières consignes : il ouvre un fil neuf.
Ce que ce n'est pas : une mémoire permanente entre toutes les conversations.
Réflexe : un sujet = un fil, et repartir d'un fil propre quand le contexte se perd.
En pratique — En pratique — Sentir ce qu'est un LLM en 3 tests
- Ouvrez un assistant gratuit (ChatGPT, Copilot, Claude ou Gemini) et demandez : « Explique-moi la photosynthèse comme à un enfant de 8 ans » — constatez la force : vulgariser, structurer.
- Demandez ensuite : « Combien font 847 × 293 ? » puis vérifiez à la calculatrice — les LLM calculent approximativement (certains appellent un outil de calcul, d'autres non).
- Enfin : « Cite-moi 3 articles de presse publiés cette semaine sur [votre secteur] » — vérifiez l'existence réelle des références citées.
- Notez le bilan : brillant sur le langage, fragile sur les faits précis — c'est la carte mentale à garder.
Script prêt à dire — expliquer le LLM à un collègue (30 s)
« L'assistant ne sait pas, il prédit la suite la plus probable : il rédige très bien mais peut inventer avec assurance. Moi, je m'en sers pour le premier jet et la structure — et je vérifie chaque chiffre et chaque fait avant de diffuser. »
À dire avec son propre exemple (le calcul vérifié à la calculatrice) ; enchaîner sur les 3 tests de la section.
Modèle copier-coller — ma carte mentale du LLM
IL PRÉDIT, IL NE SAIT PAS : _______________
SES FORCES (rédiger, résumer, structurer…) : _______________
SES FAIBLESSES (faits, calculs, actualité) : _______________
MA RÈGLE : je profite de la fluidité, je vérifie chaque fait avant diffusion.Chef de projet
Amine applique la carte à ses comptes rendus : l'IA structure le premier jet, lui seul valide dates, montants et décisions avant diffusion à l'équipe.
TPE / petit budget
Sans formation ni budget : les 3 tests gratuits suffisent à calibrer l'outil — vulgarisation d'un côté, calcul et références vérifiés de l'autre.
Équipe dispersée
Chacun teste le même trio de demandes et partage son bilan : l'équipe aligne en une réunion son modèle mental commun de l'outil.
Nouvel arrivant
Première semaine : faire les 3 tests avant tout usage pro — comprendre la prédiction avant de produire le premier livrable assisté.
✓ Bonnes pratiques
- Gardez en tête : le LLM prédit, il ne sait pas.
- Appuyez-vous sur ses forces (rédiger, résumer, structurer).
- Vérifiez systématiquement les faits, chiffres et sources.
✗ Pièges fréquents
- Croire une réponse fausse parce qu'elle est bien formulée.
- Demander des calculs précis sans vérifier.
- Attendre de l'actualité d'un modèle sans recherche web.
Points clés à retenir
- Un LLM prédit du texte plausible : il excelle sur la forme, sans garantie sur les faits.
- Forces : rédiger, résumer, reformuler, traduire, structurer, expliquer.
- Faiblesses : faits précis, calculs, actualité, sources — tout cela se vérifie.
- Le bon modèle mental : un collègue brillant, rapide, jamais fatigué… et parfois sûr de lui à tort.
Défi 48h — appliquez demain
Faites les 3 tests comme Amine : une vulgarisation (« explique comme à un enfant »), un calcul vérifié à la calculatrice, des références d'actualité contrôlées une à une. Notez votre bilan en une phrase : brillant sur quoi, fragile sur quoi.
- Je peux expliquer qu'un LLM prédit au lieu de savoir.
- J'ai fait les 3 tests et noté mon bilan forces/faiblesses.
- J'applique la règle : fluidité exploitée, faits vérifiés.
Questions fréquentes
L'IA générative va-t-elle remplacer mon poste ?
Elle remplace des tâches, rarement des postes entiers : le premier jet, le résumé, la mise en forme. Les études montrent surtout un déplacement vers la relecture, le pilotage et la décision — d'où l'intérêt de s'y former plutôt que de l'ignorer. Le profil qui monte n'est pas « celui qui sait tout faire », mais celui qui sait faire faire par l'IA et juger le résultat. Comme Amine : l'IA structure, l'humain valide et assume.
Pourquoi l'IA répond-elle différemment à la même question ?
La génération comporte une part d'aléatoire volontaire (la « température ») pour éviter des réponses figées. C'est une caractéristique, pas un bug — et on peut l'exploiter en demandant plusieurs variantes et en choisissant la meilleure. C'est d'ailleurs une technique utile pour le brainstorming : relancer la même demande donne des angles différents. En revanche, pour un fait précis, on ne « relance » pas : on vérifie à la source.
Que fait fondamentalement un LLM ?