APPRENDRE
Apprendre
Explications, introductions et contexte sur les sujets d'IA qui font l'actualité : comment les modèles sont construits, entraînés, exécutés et mesurés, pour les lecteurs qui veulent comprendre la mécanique.
Apprendre
Toutes les catégories
Fondamentaux
4- ComparaisonEntraînement vs inférence↗L’entraînement modifie les paramètres appris d’un modèle d’IA afin qu’il accomplisse mieux une tâche ; l’inférence utilise un état sélectionné de ce modèle pour produire une sortie sans modifier ces paramètres appris. L’entraînement crée ou adapte le modèle, tandis que l’inférence met ce modèle à l’œuvre.
- ConceptQu’est-ce que l’IA générative ?↗L’IA générative est une intelligence artificielle qui apprend les schémas présents dans des données existantes et utilise ces schémas pour produire de nouveaux contenus, tels que du texte, des images, de l’audio, des vidéos ou du code. Elle génère généralement ces contenus en réponse à une instruction ou à une autre entrée.
- ConceptQu’est-ce que l’apprentissage automatique ?↗L’apprentissage automatique est une manière de créer des logiciels qui apprennent des régularités à partir d’exemples ou de retours, puis utilisent ces régularités pour produire des prédictions, des décisions ou des résultats utiles sur des cas qu’ils n’ont encore jamais vus. Il s’agit d’une approche de l’intelligence artificielle, et non d’un synonyme de l’IA dans son ensemble.
- ConceptQu’est-ce que l’intelligence artificielle ?↗L’intelligence artificielle (IA) est le domaine qui consiste à concevoir des systèmes informatiques produisant des résultats orientés vers un objectif — comme des prédictions, du contenu, des recommandations ou des décisions — au moyen de méthodes associées à des capacités telles que l’apprentissage, le raisonnement, la perception et le langage. L’IA désigne également les systèmes créés par ce domaine.
Tokens, contexte et représentation
8- ComparaisonFenêtre de contexte ou date limite des connaissances↗Une fenêtre de contexte limite la quantité d’informations qu’un modèle d’IA peut utiliser dans une requête, tandis qu’une date limite des connaissances indique l’ancienneté de ses connaissances intégrées. L’une est une capacité mesurée en tokens ; l’autre est une date associée à l’entraînement.
- ConceptQue sont les jetons de sortie ?↗Les jetons de sortie sont les unités qu’un modèle génère lorsqu’il produit une réponse. Ils constituent généralement le texte, le code, les données structurées ou les instructions d’appel d’outil que vous recevez, bien qu’un fournisseur puisse également comptabiliser le raisonnement masqué dans l’utilisation de sortie.
- ConceptQue sont les tokens de raisonnement ?↗Les tokens de raisonnement sont des tokens qu’un modèle d’IA génère en travaillant à une réponse, indépendamment du texte de réponse que vous voyez. Ils représentent des étapes générées supplémentaires, comme la planification, la vérification ou l’essai d’une approche, et peuvent être comptabilisés dans l’utilisation et les limites même si le service les masque.
- ConceptQue sont les tokens d’entrée ?↗Les tokens d’entrée sont les tokens qu’un modèle reçoit et traite avant de commencer à générer la réponse suivante. Ils proviennent de la requête complète destinée au modèle, et pas seulement des derniers mots que vous avez saisis.
- ConceptQu’est-ce qu’un jeton en IA ?↗Un jeton en IA est un élément du vocabulaire qu’un LLM utilise pour représenter et générer du texte. Selon le tokenizer du modèle, un jeton peut correspondre à un mot, à une partie de mot, à un signe de ponctuation, à un espace ou même à une partie d’un caractère encodé.
- ConceptQu’est-ce qu’une date de coupure des connaissances de l’IA ?↗La date de coupure des connaissances d’une IA est la date jusqu’à laquelle les connaissances intégrées d’un modèle sont censées refléter ses données d’entraînement. Il s’agit d’une limite approximative, et non d’une garantie que le modèle connaît tous les faits antérieurs ou qu’un produit d’IA ne peut pas récupérer des informations ultérieures.
- ConceptQu’est-ce qu’une fenêtre de contexte ?↗Une fenêtre de contexte est la quantité maximale de contenu tokenisé qu’un modèle d’IA peut utiliser pour produire une réponse. Dans de nombreuses API de modèles de langage, ce budget couvre l’entrée et la sortie générée, bien que les fournisseurs puissent également imposer des limites distinctes pour l’entrée ou la sortie.
- ComparaisonTokens d’entrée vs tokens de sortie vs tokens de raisonnement↗Les tokens d’entrée sont ceux qu’un modèle reçoit, les tokens de sortie sont ceux qu’il génère, et les tokens de raisonnement sont des tokens générés en interne pour progresser vers une réponse. Le point important est que les tokens de raisonnement font souvent partie de l’utilisation de la sortie, même lorsqu’une API les affiche comme un détail distinct.
Modèles et architecture
7- ComparaisonParamètres du modèle et poids du modèle↗Les paramètres du modèle sont toutes les valeurs ajustées qui déterminent le comportement d’un modèle ; les poids du modèle sont soit un type de paramètre, soit une appellation informelle désignant l’ensemble des valeurs apprises par le modèle. Dans l’équation d’une couche, « poids » a généralement un sens plus restreint. Dans une expression telle que « télécharger les poids du modèle », le terme a généralement un sens plus large.
- ConceptQue sont les paramètres du modèle ?↗Les paramètres du modèle sont les valeurs numériques stockées à l’intérieur d’un modèle ajusté qui déterminent la manière dont il transforme une entrée en sortie. Dans un réseau neuronal, ils comprennent généralement les poids et les biais, dont les valeurs sont choisies pendant l’entraînement puis réutilisées lorsque le modèle effectue des prédictions.
- ConceptQue sont les poids d’un modèle ?↗Les poids d’un modèle sont des nombres appris qui déterminent avec quelle intensité un modèle utilise chaque signal d’entrée ou intermédiaire lors du calcul d’une sortie. Ils sont généralement stockés en grands groupes appelés matrices ou tenseurs, et l’entraînement les modifie afin que les sorties du modèle correspondent mieux à son objectif.
- ConceptQu’est-ce qu’un LLM ?↗Un grand modèle de langage (LLM) est un modèle d’IA entraîné sur de vastes collections de données linguistiques afin de traiter ou de générer des séquences de texte probables. La plupart des LLM utilisés pour générer du texte reçoivent une invite et produisent une réponse petit élément par petit élément.
- ConceptQu’est-ce qu’un modèle de fondation ?↗Un modèle de fondation est un modèle d’apprentissage automatique entraîné sur des données variées afin de pouvoir être adapté à de nombreuses tâches différentes, plutôt que d’être conçu pour une seule. Il constitue un point de départ réutilisable, et non une application terminée.
- ConceptQu’est-ce qu’un modèle d’IA ?↗Un modèle d’IA est la partie d’un système d’IA qui transforme une entrée en sortie, par exemple une prédiction, une classification, une recommandation, une action ou un résultat généré. Dans l’usage actuel, ce terme désigne le plus souvent un modèle d’apprentissage automatique dont le comportement a été façonné par des données d’entraînement.
- ConceptQu’est-ce qu’un réseau neuronal ?↗Un réseau neuronal est un modèle d’apprentissage automatique qui apprend à transformer des nombres d’entrée en nombres de sortie utiles en les faisant passer par des couches connectées de calculs simples. Ces couches forment une seule fonction mathématique entraînable, et non un cerveau électronique au sens littéral.
Entraînement et adaptation
1Inférence et déploiement
6- ComparaisonLatence vs TTFT vs tokens par seconde vs débit↗La latence correspond au temps nécessaire à une requête d’inférence, le TTFT au temps nécessaire à une requête diffusée en continu pour commencer à répondre, les tokens par seconde à un débit qui peut décrire un flux unique ou l’ensemble d’un système, et le débit à la quantité totale de travail accomplie par un système au fil du temps. La distinction la plus importante concerne la portée : la latence et le TTFT mesurent le temps d’une requête, tandis que le débit comptabilise le travail effectué pendant une fenêtre de mesure.
- ConceptQue sont les tokens par seconde ?↗Les tokens par seconde (TPS ou tok/s) mesurent le nombre de tokens qu’un système d’IA produit en une seconde. Ce nombre peut décrire la vitesse de sortie d’une seule réponse ou le débit cumulé de l’ensemble d’un système de service ; le libellé seul est donc incomplet.
- ConceptQu’est-ce que la latence d’inférence ?↗La latence d’inférence est le temps écoulé entre le moment où un système d’IA reçoit une entrée et celui où il produit une sortie donnée. Une valeur de latence n’est significative que si l’on sait où démarre le chronomètre, où il s’arrête et quel type de sortie est considéré comme terminé.
- ConceptQu’est-ce que le débit d’inférence ?↗Le débit d’inférence correspond à la quantité de travail du modèle qu’un système d’inférence effectue par unité de temps pour l’ensemble des requêtes qu’il traite. Il peut être mesuré en requêtes terminées, en inférences, en échantillons ou en jetons par seconde.
- ConceptQu’est-ce que le délai avant le premier token ?↗Le délai avant le premier token, ou TTFT, est le temps écoulé entre le début d’une requête adressée à un modèle de langage et la réception du premier token de sa réponse. Il mesure l’attente initiale, et non la vitesse à laquelle le reste de la réponse arrive.
- ConceptQu’est-ce que l’inférence en IA ?↗L’inférence en IA est le processus qui consiste à exécuter un modèle entraîné sur une entrée pour produire une sortie, sans modifier ce que le modèle a appris. C’est la phase d’utilisation d’un modèle : une photo est fournie et une étiquette est renvoyée, ou une invite est fournie et du texte généré est renvoyé.
Systèmes d'IA, orchestration et agents
5- ComparaisonModèle d’IA vs chatbot vs harness vs agent↗Un modèle d’IA est le composant qui produit les sorties ; un chatbot est une application conversationnelle ; un harness est le logiciel qui entoure un modèle et gère le contexte et l’exécution ; et un agent est un système orienté vers un objectif qui utilise ces éléments pour choisir et exécuter des étapes. Ce sont des couches qui se chevauchent, et non quatre types d’IA concurrents.
- ConceptQu’est-ce que l’utilisation d’outils par les LLM ?↗L’utilisation d’outils par les LLM est un mécanisme qui permet à un modèle de langage de demander une opération externe — comme interroger une base de données, effectuer un calcul ou envoyer un message — puis d’utiliser le résultat obtenu dans sa réponse. Le modèle choisit généralement l’outil et fournit les entrées proposées ; les logiciels qui l’entourent décident d’exécuter ou non l’appel.
- ConceptQu’est-ce qu’un agent IA ?↗Un agent IA est un système logiciel qui poursuit un objectif en utilisant un modèle d’IA pour choisir ses prochaines actions, observer les résultats et continuer jusqu’à ce qu’il ait terminé, qu’il ait besoin d’aide ou qu’il atteigne une limite. Contrairement à un modèle qui produit uniquement une réponse, un agent peut contrôler un processus en plusieurs étapes et agir au moyen d’outils dans le cadre d’autorisations définies.
- ConceptQu’est-ce qu’un chatbot IA ?↗Un chatbot IA est une application logicielle qui utilise l’intelligence artificielle pour converser avec une personne par texte ou par voix. Il reçoit des messages, utilise un modèle d’IA pour les interpréter ou y répondre, et gère le contexte, les règles, les données et les actions nécessaires à la poursuite de l’échange.
- ConceptQu’est-ce qu’un harnais d’IA ?↗Un harnais d’IA est le logiciel qui entoure un modèle d’IA et qui contrôle ce que le modèle reçoit, ce qui arrive à sa sortie et la façon dont il se connecte au reste d’une application. Il peut être aussi simple qu’un code qui gère un historique de conversation ou aussi complet qu’un environnement d’exécution qui gère des outils, la mémoire, les autorisations, les nouvelles tentatives et les tâches de longue durée.