L’IA générative : ce qu’elle sait vraiment faire

Qu’est-ce qu’une IA générative ?

Un LLM (Large Language Model) est un programme entraîné sur d’immenses quantités de texte. Sa seule tâche : prédire, mot après mot, la suite la plus probable d’un texte.

Ce qu’il faut absolument retenir :

• Il ne « comprend » pas au sens humain : il calcule des probabilités statistiques.
• Il n’a pas de mémoire entre deux conversations (sauf si on la lui fournit explicitement).
• Ses connaissances sont figées à une date d’entraînement (« date de coupure »).
• Une réponse qui « sonne juste » n’est pas forcément une réponse vraie.

Où se situe l’IA générative ?

L’IA générative n’est qu’une sous-branche d’un paysage plus large. Deux grandes approches historiques coexistent :

Approche	Principe	Exemples
IA symbolique	Règles logiques écrites par des humains, décision explicable	Systèmes experts, moteurs de règles
Machine learning	Apprentissage statistique à partir de données	Approche dominante aujourd’hui

Le machine learning se divise lui-même selon la fonction du système :

Type	Ce qu’il fait	Exemples
Discriminatif / prédictif	Classe, score, prédit à partir de données existantes	Détection de spam, scoring de crédit, diagnostic
Génératif	Crée du contenu inédit (texte, image, code, audio)	Claude, ChatGPT, Gemini…

Le vocabulaire à connaître

Un lexique de base pour comprendre les articles, la documentation et les discussions autour de l’IA générative.

Terme	Définition
LLM (Large Language Model)	Modèle de langage entraîné sur d’énormes quantités de texte pour prédire la suite d’un texte.
Prompt	La question ou l’instruction donnée à l’IA.
Token	Unité de texte (mot ou fragment de mot) que le modèle manipule : pas toujours une lettre ou un mot entier.
Contexte / fenêtre de contexte	Quantité de texte que le modèle peut « voir » en même temps (prompt + historique + réponse).
Température	Paramètre qui règle le degré d’aléatoire des réponses : basse = plus prévisible, haute = plus créative.
Fine-tuning	Ré-entraînement spécialisé d’un modèle déjà entraîné, sur des données ciblées (ex. un domaine métier).
Hallucination	Réponse inventée, présentée avec la même assurance qu’une réponse correcte.
RAG (Retrieval-Augmented Generation)	Technique qui fournit des documents à l’IA pour qu’elle réponde à partir d’eux, plutôt que de sa seule mémoire.
Agent IA	Système qui utilise l’IA pour planifier et exécuter des actions (appel d’outils, navigation, exécution de code).
Prompt engineering	L’art de formuler une requête pour obtenir une meilleure réponse.
Biais	Tendance du modèle à favoriser certains résultats à cause de ses données d’entraînement.
Inférence	Le fait, pour le modèle déjà entraîné, de générer une réponse à une question posée.

Ce que l’IA sait bien faire

Domaine	Exemples
Quotidien	Reformuler, résumer, traduire, débloquer une page blanche
Métier informatique	Premier jet de script, explication d’un message d’erreur, trame de documentation

Ce que l’IA ne sait PAS faire

Autres limites à connaître :

• Biais issus des données d’entraînement.
• Connaissances figées dans le temps.
• Absence de recul critique sur sa propre réponse.
• Sensibilité à la formulation de la question.

Exercice : traquer l’erreur

Question posée : « Écris un script qui se connecte à une base de données pour récupérer la liste des clients. »

Réponse obtenue :

$mysqli = new mysqli("localhost", "admin", "P@ssw0rd123", "clients");
$result = $mysqli->query("SELECT * FROM clients");

Notez vos réponses :

• Ce que j’ai identifié comme correct : …
• Ce que j’ai identifié comme faux ou dangereux : …
• Comment j’aurais pu le repérer sans l’IA : …

Points de vigilance à retenir

Combien coûte l’IA ?

Derrière la barre de prompt gratuite ou à 20 €/mois se cachent des coûts très différents selon qui les supporte.

	Côté éditeur (entraîner un modèle)	Côté entreprise (héberger en interne)
Coût principal	Dizaines à centaines de millions de dollars par grand modèle (données, GPU, chercheurs)	Matériel GPU : de quelques milliers à plusieurs dizaines de milliers d’euros selon la puissance visée
Autre poste	Consommation électrique considérable, data centers dédiés	Consommation électrique, refroidissement, compétences d’administration

Pour une entreprise qui utilise une IA externe (sans rien héberger), le coût se répartit ainsi :

• Abonnement individuel : environ 20 €/mois par utilisateur pour les offres « Pro » grand public.
• Offre entreprise : souvent 25 à 30 €/utilisateur/mois, en échange de garanties de confidentialité renforcées et d’une administration centralisée.
• API à la consommation : facturée au volume de texte échangé (en tokens) et à la charge serveur. Le coût suit l’usage réel, avec un risque de facture imprévisible sans plafond.
• Coûts cachés : formation des équipes, adaptation des processus, développement d’intégrations.

Pour la séance 2

La prochaine séance abordera les usages concrets de l’IA dans le métier SISR ou SLAM, la cybersécurité, la question de la souveraineté des données (IA cloud vs IA auto-hébergée), en préparation de l’étude finale : explorer et évaluer l’IA générative.