162 articles
Parcourir les guides
Les rate limits protègent une capacité partagée et façonnent votre architecture : toute intégration en production a besoin de backoff, de reprises et d’une file d’attente. Les limites augmentent généralement avec le niveau de compte et l’historique d’usage, alors dimensionnez pour la limite que vous avez aujourd’hui, pas pour celle que vous espérez. En pratique : Une erreur HTTP 429 à 15 h parce que le trafic de tout le monde culmine en même temps. ...
La recherche hybride exécute ensemble la récupération lexicale et la récupération sémantique, puis fusionne les classements. Les mots-clés excellent sur les correspondances exactes — codes produits, noms, messages d’erreur — tandis que les vecteurs gèrent la paraphrase. En RAG de production, cette combinaison bat systématiquement l’une ou l’autre prise seule. En pratique : ‘Error E-4471 refund’ exige à la fois le code exact et la notion de remboursement.
La recherche vectorielle transforme la requête en vecteur et renvoie les vecteurs stockés les plus proches, si bien que ‘comment me faire rembourser’ retrouve une politique de remboursement qui n’emploie jamais ces mots. C’est le moteur de recherche derrière le RAG. Elle est aussi plus faible que la recherche par mots-clés sur les identifiants exacts, d’où l’existence de la recherche hybride. En pratique : Une requête sans aucun vocabulaire commun fait quand même remonter le bon document. ...
La reconnaissance vocale moderne est assez précise, sur la plupart des accents et dans des conditions bruyantes, pour être utilisée sans supervision sur des brouillons. Elle sous-tend les comptes rendus de réunion, les sous-titres et les interfaces vocales. La précision baisse encore sur le jargon métier, les locuteurs qui se chevauchent et les langues sous-représentées. En pratique : Un appel d’une heure transcrit et résumé avant même que vous n’ayez quitté la salle. ...
Le red teaming est un test adverse : des personnes cherchent à faire produire au modèle des sorties nuisibles, fausses ou hors politique, et les constats reviennent alimenter l’entraînement et les garde-fous. Il se distingue de l’évaluation classique par son caractère créatif et ouvert, plutôt que noté sur un jeu figé. Pour les modèles de pointe, c’est de plus en plus une attente réglementaire. En pratique : Vingt personnes passant une semaine à essayer de faire promettre à un bot de support des remboursements qu’il ne peut pas honorer. ...
Le règlement (UE) 2024/1689 est entré en vigueur le 1er août 2024 et s’applique par étapes : pratiques interdites depuis février 2025, obligations relatives aux modèles d’IA à usage général depuis août 2025, et l’essentiel du cadre à partir d’août 2026. Il classe les systèmes en risque inacceptable, élevé, limité et minimal, avec des obligations qui s’échelonnent en conséquence. Il atteint les fournisseurs hors UE dont les sorties sont utilisées dans l’UE. ...
Les modèles de régression produisent une valeur continue — un prix, une température, une estimation du nombre de jours avant résiliation. La différence avec la classification tient à ce que l’on prédit, pas au fonctionnement interne du modèle. En pratique : Estimer qu’un appartement se vendra 340 000 €.
La régularisation échange un peu de précision à l’entraînement contre une meilleure généralisation. Les formes courantes sont la pénalisation des poids élevés, la désactivation aléatoire d’unités pendant l’entraînement et l’arrêt anticipé. C’est le principal levier contre le surapprentissage quand vous ne pouvez pas obtenir plus de données. En pratique : Le dropout éteint des unités au hasard à chaque étape, pour que le réseau ne puisse s’appuyer sur aucune en particulier. ...
Un réseau de neurones prend une entrée sous forme de nombres, les multiplie par des poids appris, applique une fonction non linéaire et passe le résultat à la couche suivante. Répétez cela assez de fois avec assez de données et le réseau peut approcher des relations remarquablement complexes. L’analogie des ’neurones’ est une étiquette historique, pas une affirmation sur la biologie. En pratique : Un classifieur d’images est un réseau de neurones qui transforme 200 000 valeurs de pixels en un nombre par étiquette possible. ...
Le RAG scinde le travail en deux : une étape de recherche trouve les passages pertinents pour la question, puis le modèle répond en s’appuyant sur ces passages comme contexte. C’est la solution standard aux dates de coupure des connaissances, aux données privées et aux hallucinations, parce que le modèle est ancré dans un texte qu’il peut citer. La qualité de la recherche fixe le plafond — le meilleur modèle ne peut pas rattraper les trois mauvais paragraphes. ...