Un dirigeant qui ouvre ChatGPT ou Claude pour la première fois obtient un résultat bluffant en trente secondes. Six mois plus tard, il ne sait toujours pas quel modèle choisir, ni pourquoi l’IA lui a inventé un chiffre la semaine dernière.
Le problème n’est pas la technologie : c’est qu’on lui a vendu un outil magique au lieu de lui expliquer une mécanique. Voici la première partie de cette mécanique, sans une ligne de code.
Un LLM, qu’est-ce que c’est vraiment ?
LLM signifie Large Language Model, en français « grand modèle de langage ». C’est le moteur derrière ChatGPT, Claude, Gemini ou Mistral. Premier malentendu : un LLM ne consulte pas une base de connaissances quand vous l’interrogez. Il calcule.
Il a lu une quantité gigantesque de textes et en a tiré une seule compétence : deviner ce qui vient après. Vous écrivez « Le chat dort sur le… », il évalue les suites possibles, leur attribue une probabilité, puis en tire une au sort parmi les plus vraisemblables. C’est pour cette raison que la même question ne donne jamais deux fois la même réponse.
Pourquoi l’IA invente parfois
Un modèle qui n’a pas l’information va produire une réponse plausible plutôt que de se taire : c’est ce qu’on appelle une hallucination, et c’est le fonctionnement normal de la machine, pas un défaut qu’une mise à jour corrigera.
La parade tient en une phrase : ne demandez pas à l’IA ce qu’elle sait, donnez-lui ce qu’elle doit savoir. Un modèle à qui vous fournissez votre catalogue et vos comptes rendus devient fiable sur votre activité. Le même, interrogé de mémoire sur vos chiffres, inventera un ordre de grandeur crédible.
À retenir : un LLM est un excellent rédacteur et un excellent analyste, à condition de travailler sur des documents que vous lui fournissez.
Quel modèle pour quelle tâche ?
Derrière une même marque coexistent plusieurs modèles. Chez Anthropic, la gamme va de Haiku à Sonnet, puis Opus, et enfin Fable 5. OpenAI, Google et Mistral organisent leurs catalogues de la même façon : un modèle léger, un modèle équilibré, un modèle de raisonnement.
Ce n’est pas une hiérarchie de qualité, c’est un arbitrage : un modèle puissant raisonne plus longtemps, donc il répond plus lentement et consomme davantage. Utiliser le plus avancé pour trier des e-mails revient à louer un semi-remorque pour livrer une enveloppe.
Le critère est simple : combien d’étapes de réflexion la tâche demanderait-elle à un collaborateur compétent ?
- Trier, classer, extraire : le modèle rapide suffit, et il consomme jusqu’à dix fois moins.
- Rédiger, résumer, analyser un document : le modèle équilibré.
- Relire un contrat, bâtir un plan de projet, produire du code : le modèle de raisonnement.
Vérifiez quel modèle est sélectionné par défaut dans votre interface : le sélecteur se trouve en général en haut de la fenêtre de conversation, et ce n’est pas toujours le plus économique qui est proposé.
L’IA ne se limite pas au chat
La fenêtre de conversation n’est qu’une porte d’entrée. Il existe huit familles d’usages, et chacune a ses outils spécialisés, conçus pour un seul format de sortie.
- Un commerçant fait générer les visuels de ses nouveautés au lieu de commander un shooting par référence.
- Un cabinet de conseil fait transcrire ses rendez-vous et récupère un compte rendu structuré en quelques minutes.
- Un service administratif fait lire ses factures fournisseurs, en extrait les montants et remplit le tableau de suivi sans ressaisie.
Confidentialité : chez les principaux fournisseurs, l’engagement « vos données ne servent pas à entraîner nos modèles » couvre les offres professionnelles, pas systématiquement les abonnements grand public. Vérifiez sur quel type de compte travaillent vos équipes avant d’y déposer des documents clients.
La suite de cette série
Vous savez maintenant ce qu’est un LLM et comment choisir votre modèle. Deux notions restent à couvrir, et ce sont celles qui déterminent votre confort au quotidien :
- Tokens et limites d’utilisation : pourquoi l’IA vous bloque en pleine journée, et les cinq réflexes qui repoussent ce plafond.
- Le fichier .md et l’API : faire travailler l’IA avec vos propres outils, avec la feuille de route pour commencer chez vous.
Comment Product Tech First vous accompagne
Vous pouvez avancer seul, tout est ici. Si vous préférez sécuriser vos choix, nous le faisons avec vous.
- Audit des usages : nous passons en revue vos outils, vos tâches répétitives et vos données, et vous repartez avec les trois usages qui vous feront gagner le plus de temps dès le premier mois, chiffrés en heures.
- Vérification des éditeurs avant signature : existence légale, ancienneté, effectif réel, engagements écrits sur vos données. Ce contrôle nous a déjà fait écarter une plateforme dont la démonstration était pourtant excellente.
- Développement de vos outils sur mesure, avec un code qui vous appartient et que vous pouvez reprendre ailleurs.
- Formation de vos équipes sur vos propres cas d’usage.
Le premier rendez-vous de 30 minutes est gratuit et sans engagement. Nous y regardons votre situation réelle, et nous vous disons aussi ce qui, chez vous, ne vaut pas le coup.
