L'IA n'est qu'une autocomplétion très douée
Par Chatday Editorial Team ·
Voici un fait qui ressemble à une blague : l’IA qui rédige votre discours de mariage, corrige votre code et vous explique les trous noirs fait, au fond, la même chose que votre téléphone quand il vous propose le mot suivant dans un message. Elle devine ce qui vient après, encore et encore, très vite.
C’est tout. Voilà l’astuce. Et une fois qu’on la voit, l’ensemble cesse de ressembler à de la sorcellerie et prend beaucoup plus de sens, y compris toutes les façons bizarres dont l’IA trébuche.
Le grand secret : elle prédit le mot suivant
Tapez « le ciel est » sur votre téléphone et il proposera « bleu ». C’est une minuscule machine à prédire. Elle a vu assez de phrases pour savoir que « bleu » est un pari sûr.
Un chatbot moderne, c’est la même idée, poussée jusqu’à quelque chose de presque absurde. Vous donnez une instruction et il calcule le mot suivant le plus probable. Puis il ajoute ce mot à la phrase, regarde de nouveau l’ensemble et prédit le suivant. Et encore. Et encore, des centaines de fois, jusqu’à décider que la réponse est terminée. La dissertation, le poème, la recette, les excuses à votre propriétaire : tout se construit un mot à la fois, chacun étant le meilleur pari.
Il ne rédige jamais une pensée finie pour vous la relire ensuite. C’est plutôt un auteur qui ne voit que la phrase jusque-là et doit s’engager sur le mot suivant sans savoir où tout cela atterrira. Si le résultat paraît cohérent, c’est que chaque pari est façonné par tous les mots précédents.
Attendez, comment deviner des mots écrit-il une dissertation entière ?
C’est la partie qui semble impossible, alors voici la réponse honnête : personne ne s’attendait non plus à ce que ça marche aussi bien.
Le bond est venu d’une conception appelée transformer, mise au point par des chercheurs de Google en 2017. Son superpouvoir, c’est de faire attention au contexte. Au moment de choisir le mot suivant, il ne regarde pas seulement celui d’avant. Il pèse d’un coup tout ce qui compte dans votre message et détermine quelles parties importent le plus pour la suite. Demandez-lui de compléter « la médecin a pris son » et il aura déjà noté ce contexte, penchant pour « stéthoscope », pas pour « clé à molette ».
Empilez ce tour assez profondément et donnez-lui assez d’exemples, et une chose étrange se produit. Pour devenir vraiment bon à prédire le mot suivant dans tout l’écrit humain, le modèle doit saisir les motifs sous les mots : la grammaire, le ton, une idée approximative des faits, la forme d’une blague, les étapes d’un raisonnement. Ces compétences n’ont pas été programmées. Ce sont des effets secondaires du fait de devenir très, très bon à un jeu de texte à trous.
Comment il est devenu si bon pour deviner
Avant de pouvoir discuter avec vous, une IA va à l’école. Une école très intense et très peu sociable.
Pendant l’entraînement, le modèle lit une pile énorme de texte (imaginez une bonne part de l’internet public, des livres, des articles et des forums) et joue à une seule chose répétitive : masquer le mot suivant et tenter de le prédire. Il se trompe et s’ajuste un peu. Il devine juste et se renforce. Faites cela des milliards de fois sur des milliers de milliards de mots, et il s’affine peu à peu jusqu’à devenir une machine incroyablement douée pour finir n’importe quelle phrase dans presque n’importe quel style.
Une chose à clarifier : l’IA n’a pas mémorisé internet pour vous en recoller des bouts. Elle a appris des motifs, pas des passages. C’est pourquoi elle peut écrire une phrase sur votre chat bien précis nommé Gaufre qui n’a jamais existé nulle part. Elle remixe des motifs, elle ne cherche pas une réponse.
Pourquoi cette seule idée explique tout ce que fait l’IA
Voici la récompense. Presque tout ce qui est curieux, agaçant ou charmant chez l’IA revient au même point : elle prédit des mots probables, elle ne consulte pas la vérité.
| Ce que vous remarquez | Ce qui se passe vraiment |
|---|---|
| Elle écrit vite et avec fluidité | Prédire le mot suivant, c’est exactement sa raison d’être |
| Elle invente parfois des faits avec un aplomb total | Un mot au son crédible peut l’emporter sur un mot vrai |
| Posez deux fois la même question, deux réponses | Il y a une pincée de hasard dans le mot choisi |
| Elle compte mal les lettres d’un mot | Elle lit des morceaux, pas des lettres isolées |
| Excellente en écriture, bancale en calcul | La langue récompense l’« à peu près », les maths non |
Chaque cas a son histoire plus détaillée. Quand l’IA affirme un fait faux sans ciller, c’est la machine à prédire qui choisit une réponse fluide plutôt qu’une réponse juste, exactement pourquoi l’IA invente des choses avec aplomb. Quand vous posez deux fois la même question et obtenez des réponses différentes, c’est une pincée de hasard d’origine, la raison pour laquelle l’IA ne donne jamais deux fois la même réponse. Et la fameuse erreur de comptage vient de sa façon de découper le texte, toute l’histoire derrière pourquoi l’IA ne compte pas les R de strawberry. Symptômes différents, même moteur.
« Autocomplétion » sonne bête. Alors pourquoi ça paraît si malin ?
Parce que « elle ne fait que prédire des mots » sous-estime lourdement ce qui se passe à grande échelle.
Pour deviner de façon fiable le mot suivant dans une plaidoirie, une fonction Python, un haïku et un message de rupture, un modèle doit se construire une idée pratique de la façon dont chacun de ces textes est bâti. Prédire assez bien, sur assez de types d’écrit, finit par ressembler beaucoup à comprendre, même si la mécanique en dessous reste de la probabilité. Appeler ça « juste de l’autocomplétion », c’est un peu comme appeler une symphonie « juste des variations de pression de l’air ». Techniquement vrai, follement incomplet.
Il est donc juste de tenir les deux idées à la fois. La méthode est bien la prédiction du mot suivant. Et les résultats peuvent être réellement utiles, créatifs et, parfois, plus malins que la personne qui s’en sert.
Là où l’analogie se rompt
Être honnête là-dessus vous évite de vous brûler. « Autocomplétion très douée » est un bon modèle mental, mais il a ses limites.
L’IA n’a aucune idée de la véracité de ce qu’elle dit. Elle optimise pour « est-ce que ça sonne comme une bonne suite ? », pas pour « est-ce correct ? ». La plupart du temps, les deux coïncident. Sinon, vous obtenez une réponse assurée, fausse et joliment tournée. Elle ne se souvient pas non plus de vous d’une conversation à l’autre, sauf si l’appli est conçue pour, et elle peut perdre le fil dans un très long échange, car elle travaille toujours avec les mots qu’elle a sous les yeux.
La leçon pratique : faites-lui confiance pour la langue, l’écriture, l’explication, les idées, la reformulation, et vérifiez les faits, les chiffres et tout ce où l’exactitude compte vraiment. Traitez-la comme une stagiaire rapide et très cultivée, pas comme un oracle.
Constatez-le vous-même
La meilleure façon de saisir cela, c’est de voir des modèles différents parier différemment sur la même instruction. Ils lisent les mêmes mots et prédisent des suites légèrement différentes, et c’est pourquoi l’un réussit votre e-mail et l’autre livre un brouillon raide et robotique. Les aligner côte à côte rend l’idée abstraite visible.
À retenir
Ôtez le battage et l’IA moderne est une devineuse du mot suivant spectaculairement douée. Elle lit ce qui est là, prédit le probable et recommence jusqu’à obtenir une réponse. Cette simple boucle, à une échelle difficile à imaginer, suffit pour écrire, coder, expliquer et vous épater de temps en temps, et c’est aussi pourquoi elle trébuche de façons si curieusement humaines.
Le savoir ne rend pas l’IA moins utile. Cela vous rend meilleur pour l’utiliser, car vous savez désormais quand vous appuyer sur elle et quand vérifier ses devoirs. Le plus rapide pour acquérir cet instinct, c’est de bidouiller vous-même quelques modèles et de les regarder deviner.