Qu'est-ce que l'IA générative
Qu'est-ce que l'IA générative · 12 min
Cette vidéo explique comment les grands modèles de langage comme Claude sont construits et entraînés, et ce que cela signifie pour ce qu'ils peuvent — et ne peuvent pas — faire de manière fiable lorsque vous les mettez au travail dans votre entreprise.
Points clés à retenir
- L'IA générative crée du nouveau contenu plutôt que d'analyser des données existantes.
- Trois avancées ont rendu possibles les LLM modernes : l'architecture transformer, des données d'entraînement massives et une puissance de calcul considérable.
- L'entraînement comporte deux étapes. Le pré-entraînement apprend des modèles à partir de milliards d'exemples. L'ajustement fin apprend au modèle à suivre les instructions de manière utile.
- Les forces actuelles incluent la polyvalence sur différentes tâches, la fluidité conversationnelle et l'utilisation d'outils.
- Les limites actuelles incluent les dates de coupure des connaissances, les hallucinations et un raisonnement complexe peu fiable.
- Les meilleures applications associent votre jugement, votre créativité et votre supervision à la rapidité et à l'échelle de l'IA.
Exercice
Tester les limites
Cet exercice vous donne des preuves concrètes de ce que l'IA générative fait bien et où elle montre ses limites, en utilisant un problème de code que vous maîtrisez déjà parfaitement — afin que vous disposiez d'un point de repère concret, fondé sur vos propres observations, pour décider ce que vous pouvez confier à l'IA.
Partie I : Auto-réflexion (en solo)
Choisissez un domaine de code que vous maîtrisez bien, où vous repéreriez immédiatement une erreur. Notez :
- Le sujet (par exemple, votre logique de limitation de débit, la façon dont vous gérez l'état asynchrone, la requête de base de données que vous avez optimisée le trimestre dernier)
- Deux ou trois éléments que tout ingénieur compétent devrait maîtriser
- Une idée reçue courante ou un détail d'implémentation délicat
- Un élément qui a changé récemment — une mise à jour de bibliothèque, une dépréciation, une nouvelle bonne pratique
Partie II : Collaboration (avec l'IA)
Ouvrez une conversation avec Claude (ou tout autre assistant IA de votre choix) et menez trois échanges rapides. Notez ce que vous observez après chacun d'eux.
- Test de polyvalence. Demandez à l'IA d'expliquer votre sujet de trois façons différentes dans une seule réponse : une fois pour un chef de projet non technique, une fois pour un ingénieur de niveau intermédiaire rejoignant votre équipe, et une fois pour un ingénieur senior effectuant une revue de code. Les variations de niveau de détail ont-elles réellement porté, ou l'IA a-t-elle simplement changé de vocabulaire ? Quelle version était la plus solide ?
- Test d'hallucination. Demandez à l'IA de recommander des bibliothèques, des packages ou de la documentation spécifiques pour votre problème de code. Vérifiez au moins un élément : existe-t-il réellement ? L'API est-elle exacte ? La version est-elle à jour ?
- Vérification de la date de coupure des connaissances et du raisonnement. Posez une question sensible au facteur temps dans votre domaine : une mise à jour récente d'un framework, un modèle déprécié, ou un correctif de sécurité. L'IA signale-t-elle que ses informations pourraient être obsolètes — ou présente-t-elle des informations périmées comme étant actuelles ? Demandez-lui ensuite de traiter le détail d'implémentation délicat que vous avez noté dans la Partie I. A-t-elle réellement résolu la confusion, ou s'est-elle contentée de reformuler la bonne réponse ?
Partie III : Réflexion
Quelle capacité présentée dans la vidéo s'est manifestée le plus clairement ? Quelle limite est apparue — et l'auriez-vous repérée si ce n'était pas un domaine que vous maîtrisez bien ? Sur cette base, quelle est une tâche que vous seriez à l'aise de confier à l'IA, et laquelle souhaiteriez-vous surveiller de plus près ?
Objectif bonus : Soumettez le même sujet à un second outil d'IA. Les erreurs et les forces étaient-elles les mêmes ?
Réflexion sur la leçon
- En quoi le fait de savoir comment ces systèmes sont entraînés change-t-il votre façon de travailler avec eux ?
- Quelles considérations éthiques vous viennent à l'esprit compte tenu du fonctionnement de l'IA générative et de ses limites ?
Et ensuite
Maintenant que vous avez testé les limites de l'IA de première main, dans la prochaine leçon, nous approfondirons le premier D : la Délégation. Vous formulerez un problème réel, le cartographierez à travers la boîte à outils du bâtisseur, et ferez des choix délibérés sur le rôle que l'IA doit jouer — avant même d'écrire la moindre ligne de code.