L'IA générative appliquée au business

Un modèle de langage ne consulte pas une base de connaissances au moment où vous lui parlez. Il prédit, mot après mot, la suite la plus plausible de votre texte en s'appuyant sur des régularités apprises lors de son entraînement. Cette phrase paraît anodine ; elle explique pourtant la quasi-totalité des déceptions que rencontrent les débutants.

Si le modèle prédit du plausible, alors il est excellent partout où la forme compte autant que le fond : reformuler, résumer, structurer, traduire, changer de ton, transformer des notes en compte rendu. Il devient risqué dès que vous lui demandez un fait précis qu'il n'a pas sous les yeux : un chiffre d'affaires, une date de jurisprudence, la référence d'un produit. Dans ce cas il produira une réponse bien écrite, confiante, et parfois fausse. C'est ce qu'on appelle une hallucination, et ce n'est pas un bug : c'est le comportement normal d'un système qui complète du texte.

La conséquence pratique est simple et vous guidera pendant toute la formation : ne demandez jamais au modèle de deviner une information, donnez-la lui. Un prompt qui contient vos données produit un résultat exploitable ; un prompt qui espère que le modèle connaisse vos données produit une fiction crédible.