Concept

Grand modèle de langage (LLM)

Un grand modèle de langage est un programme entraîné sur énormément de texte pour comprendre et générer du langage, comme ChatGPT ou Claude.

D'où ça vient

Les grands modèles de langage reposent surtout sur l'architecture transformer, présentée en 2017 par des chercheurs de Google dans l'article « Attention Is All You Need ». Les modèles GPT d'OpenAI ont ensuite fait avancer le domaine. Avec ChatGPT, lancé à la fin de 2022, le grand public a découvert ces outils. Le mot « grand » reste flou, car il n'existe aucun seuil officiel pour dire qu'un modèle est grand.

C'est quoi, concrètement

Un LLM est un modèle d'apprentissage automatique, souvent un réseau de neurones, entraîné sur une énorme quantité de texte. Il sert surtout à générer du texte, mais aussi à le résumer, le traduire et l'analyser. Les modèles de type GPT apprennent d'abord à prédire le mot suivant, puis on les ajuste pour qu'ils suivent des instructions et se comportent en assistants. C'est le moteur derrière plusieurs agents conversationnels modernes.

Exemples

ChatGPT : Agent conversationnel d'OpenAI qui a attiré l'attention du grand public à la fin de 2022.
Claude : Agent conversationnel basé sur un LLM, qui peut générer, résumer, traduire et analyser du texte.
Gemini : Autre agent conversationnel bâti sur un grand modèle de langage, cité parmi les outils les plus connus.
Mistral 7B : Modèle à poids ouverts de Mistral AI, offert sous une licence Apache plus permissive.
DeepSeek R1 : Modèle à poids ouverts lancé en janvier 2025, dont la performance se compare à celle d'OpenAI o1.

Ce que ça permet

Il génère, résume, traduit et analyse du texte dans de nombreux contextes.
Après un ajustement, il suit des instructions et agit comme un assistant.
Depuis 2023, plusieurs modèles traitent aussi d'autres données, comme des images ou de l'audio.
Avec un logiciel d'encadrement, il peut avoir de la mémoire et utiliser des outils comme la recherche sur le Web.
Certains modèles à poids ouverts se téléchargent et roulent sur un ordinateur personnel.

Pièges à éviter

Des données d'entraînement biaisées ou inexactes rendent ses réponses moins fiables.
Avec un service hébergé, le traitement se fait dans des centres de données distants, accessibles par Internet.
Certains modèles ne sont offerts que par API, sans téléchargement possible.
Les tests de performance tentent de mesurer le raisonnement, l'exactitude et la sécurité, mais ils restent des mesures imparfaites.
Le contenu généré par des LLM qui se répand sur le Web peut nuire à la qualité des futurs modèles.

Pour ta PME

Une PME d'ici peut s'en servir pour rédiger des brouillons, résumer des documents ou traduire des textes. Évite d'y mettre des renseignements personnels ou confidentiels sans avoir vérifié où les données sont traitées, et garde la Loi 25 en tête. Fais toujours relire et approuver le résultat par une personne avant de l'utiliser.

Sources : Wikipédia · mis à jour le 2026-11-06

Infolettre gratuite

« 5 prompts, 1 café »

Reçois 5 prompts prêts à copier chaque matin à 6 h 30.