Chargement

Capacités et limites de l'IA

Construisez un modèle mental précis de ce que les grands modèles de langage peuvent et ne peuvent pas faire : prédiction du jeton suivant, connaissances, mémoire de travail, pilotabilité et limites de contexte.

3.5 h1 quiz
Ce que vous apprendrezÀ la fin de ce cours, vous serez en mesure de
  • Différenciez l'IA générative de l'IA de classification et de prédiction, et présentez ses quatre propriétés fondamentales comme des continuums allant de la capacité à la limitation
  • Expliquez le processus d'entraînement en deux étapes (préentraînement et ajustement fin) et identifiez les empreintes comportementales qu'il laisse : flagornerie, verbosité, excès de prudence et calibration approximative de la confiance
  • Expliquez la prédiction du jeton suivant comme mécanisme génératif central et identifiez où se concentre la fabrication d'informations
  • Décrivez comment la date limite des connaissances et la couverture inégale de l'entraînement façonnent ce qu'un modèle sait, et identifiez quand la recherche web, la récupération d'informations ou l'utilisation d'outils constituent la solution
  • Expliquez la fenêtre de contexte comme une limite stricte et appliquez des stratégies de placement du contexte telles que la mise en avant des informations prioritaires, le découpage et la réintroduction des informations essentielles
  • Anticipez où le suivi des instructions est strict par rapport à souple, et identifiez la dérive du raisonnement et le respect de la lettre au détriment de l'esprit comme des échecs de pilotabilité
  • Diagnostiquez des échecs réels de l'IA en nommant les propriétés qui entrent en collision et choisissez une solution ciblée
  • Reliez les quatre propriétés au modèle des 4D et exercez une confiance calibrée en situant des tâches sur chaque continuum

Pour la plupart des gens, la première expérience avec un système d'IA générative est un mélange d'émerveillement et de confusion. En quelques secondes, il produit un résumé soigné d'un rapport dense, puis invente avec assurance une citation qui n'existe pas. Il suit parfaitement une instruction détaillée, puis ignore une instruction simple dans le message suivant. Sans modèle mental de ce qui se passe en coulisses, ces moments semblent aléatoires — et il est difficile de savoir s'il faut faire confiance à la prochaine sortie, ou comment corriger la précédente.

Ce cours donne aux apprenants ce modèle mental. Il constitue le complément de Maîtrise de l'IA : cadre et fondements : là où ce cours enseigne les compétences humaines (délégation, description, discernement, démarche responsable), celui-ci enseigne les propriétés machine auxquelles ces compétences répondent. Les deux sont conçus pour être suivis dans un ordre quelconque, et ensemble ils forment une vision complète d'une collaboration efficace entre l'humain et l'IA.

Nous organisons le cours autour de quatre propriétés qui déterminent ce qu'un système d'IA peut et ne peut pas faire pour vous : la prédiction du jeton suivant (d'où viennent les réponses de l'IA), les connaissances (ce que le modèle sait réellement, et pourquoi il peut se tromper avec assurance), la mémoire de travail (à quoi il prête attention à l'instant présent, et ce qui en sort) et la pilotabilité (quel contrôle vos instructions vous donnent réellement). Chaque propriété se situe sur un spectre allant de la capacité à la limitation, et chaque section associe une courte explication à un exercice pratique pour que vous puissiez ressentir où se trouvent les limites plutôt que de simplement en lire la description.

La dernière section examine ce qui se passe lorsque ces propriétés entrent en collision — car dans un usage réel, c'est toujours le cas. Un long document sollicite la mémoire de travail tout en s'aventurant dans des connaissances que le modèle ne possède pas ; une instruction vague met à l'épreuve la pilotabilité au moment même où la prédiction du jeton suivant cherche ce qui sonne le plus plausible. Nous concluons avec un diagnostic pratique : comment examiner une sortie inattendue, identifier de quel type d'imprévu il s'agit, situer approximativement où votre tâche s'est placée sur le continuum capacité-limitation, et réagir avec une solution ciblée plutôt qu'un nouvel essai générique.

Aucun. Ce cours ne suppose aucune connaissance technique préalable ni aucune expérience préalable des outils d'IA. Si vous avez déjà suivi Maîtrise de l'IA : cadre et fondements, vous reconnaîtrez où chaque propriété se rattache aux 4D — mais ce n'est pas obligatoire.

À qui s'adresse ce cours

Toute personne qui utilise, ou est sur le point de commencer à utiliser, l'IA générative dans son travail ou ses études et souhaite comprendre pourquoi elle se comporte de cette façon. Les enseignants, les étudiants, les travailleurs du savoir et les chefs d'équipe trouveront tous le même modèle fondamental utile, car les propriétés qu'il décrit ne changent pas d'un cas d'usage à l'autre.

Inside the course

Pour commencer

3 lessons

Le mot « IA » recouvre une réalité très vaste. Cette section la ramène au type de système avec lequel vous allez réellement travailler — les grands modèles de langage — et explique comment deux étapes d'entraînement, le préentraînement et l'ajustement fin, transforment un simple prédicteur de texte brut en l'assistant utile avec lequel vous interagissez. En chemin, vous découvrirez le cadre des quatre propriétés qui structure le reste du cours.

Prédiction du jeton suivant

2 lessons

Chaque réponse fournie par une IA est construite jeton par jeton, en prédisant ce qui devrait venir ensuite. Cette section montre ce que cela signifie en pratique : pourquoi le modèle excelle sur des chemins bien balisés comme le résumé ou la reformulation, pourquoi il peut produire des choses qui sonnent vrai sans l'être, et comment reconnaître quand une tâche s'aventure dans un territoire où la prédiction seule ne suffit pas.

Connaissances

2 lessons

Un modèle connaît ce qui figurait dans ses données d'entraînement — de manière fréquente, récente et cohérente. Cette section décortique ce que cela implique : il est solide sur les sujets courants et les langues répandues, plus faible sur tout ce qui est rare, récent, de niche ou contesté. Vous vous entraînerez à juger où se situe une question sur ce spectre, afin de savoir quand faire confiance à la réponse et quand apporter vos propres sources.

Mémoire de travail

2 lessons

La fenêtre de contexte est la mémoire de travail du modèle : tout ce à quoi il peut prêter attention à l'instant présent, et rien d'autre. Cette section couvre ce qui tient dans cet espace, ce qui en sort discrètement, pourquoi l'attention n'est pas uniforme sur un long document, et pourquoi une nouvelle session ne se souvient pas de la précédente. Vous apprendrez à évaluer une tâche par rapport à cette fenêtre avant de commencer, plutôt que de découvrir la limite en pleine conversation.

Pilotabilité

2 lessons

Vos instructions sont le moyen par lequel vous pilotez le modèle — mais toutes les instructions n'atteignent pas leur but de la même manière. Les demandes courtes, concrètes et vérifiables (« réponds sous forme de tableau », « en moins de 100 mots ») fonctionnent de façon fiable ; les longues chaînes de raisonnement, les demandes abstraites et les exigences de précision native sont les cas où le pilotage commence à dérailler. Cette section vous aide à faire la différence et à réécrire une instruction bancale en une instruction que le modèle peut réellement suivre.

Synthèse et prochaines étapes

3 lessons

Les tâches réelles testent rarement une seule propriété à la fois. La révision d'un long contrat sollicite la mémoire de travail tout en dépassant les connaissances du modèle ; un brief créatif vague met à l'épreuve la pilotabilité précisément là où la prédiction du jeton suivant cherche à combler les blancs par quelque chose de plausible. Cette section vous montre comment les quatre propriétés entrent en collision, et vous fournit un diagnostic pour toute sortie inattendue : nommer la propriété en jeu, situer la tâche sur son spectre, et appliquer une solution ciblée plutôt que simplement réessayer.