Comprenez-vous vraiment bien l'IA ?

Les modèles ne voient pas des mots, ils voient des tokens : des fragments de sous-mots d'environ quatre caractères en anglais. C'est important parce que vous êtes facturé au token et parce que les limites de contexte se comptent en tokens, pas en pages.

Le danger n'est pas l'erreur, c'est l'assurance. Un modèle n'a aucun signal interne pour « je ne sais pas », donc une citation inventée se lit exactement comme une vraie. C'est pourquoi les habitudes de sourçage comptent plus que le choix du modèle.

Tout se dispute la même fenêtre : vos instructions, le document collé, la conversation jusqu'ici et la réponse. Quand une longue discussion commence à « oublier » le début, c'est la fenêtre qui se remplit — pas le modèle qui perd le fil.

Le RAG, c'est de la recherche plus un prompt plus long — rien ne change dans le modèle. C'est tout l'intérêt : vos documents restent les vôtres, leur mise à jour est immédiate, et le modèle peut citer ce qu'on lui a donné.

Un exemple concret vaut mieux que n'importe quelle quantité d'adjectifs. « Sois précis » ne donne au modèle rien sur quoi agir ; un échantillon du format, de la longueur et du ton que vous voulez lui donne une cible à viser.

Les connaissances intégrées sont figées à la date de coupure. La plupart des outils masquent cela par une recherche web en direct — c'est pourquoi la même question peut obtenir une réponse à jour dans un produit et une réponse périmée dans un autre, avec le même modèle.

La règle empirique : plus une affirmation est précise et vérifiable, plus une invention risque de paraître convaincante et de faire des dégâts. Les brouillons et les brainstormings échouent sans conséquence ; un numéro de dossier inventé, non.

Le fine-tuning enseigne un comportement et un style, pas des faits. Les équipes s'y mettent puis découvrent que leur vrai problème était la connaissance — ce que le RAG résout mieux, plus vite et moins cher.

Une température basse pousse le modèle à choisir le token suivant le plus probable : le résultat est constant et répétitif. Une température haute relâche cela. Cela ne rend rien plus vrai — une contrevérité énoncée avec assurance à température 0 reste une contrevérité.

Les offres gratuites et grand public se réservent souvent le droit de conserver vos saisies et de s'en servir pour l'entraînement, et « supprimer » signifie rarement disparu de leurs systèmes. Traitez tout ce que vous collez dans un chatbot public comme potentiellement public — pour tout élément sensible, utilisez une offre entreprise avec contrôles des données, ou un déploiement privé.