Interaction et usage
Comment dialoguer avec un LLM, structurer un prompt, gérer une conversation. Les compétences d'usage quotidiennes qui font la différence entre un essai et un déploiement réussi.
- Fenêtre de contexteLa fenêtre de contexte est la quantité maximale de texte qu'un modèle d'IA peut traiter en une seule requête, mesurée en tokens. Elle inclut le prompt envoyé et la réponse à produire. Au-delà de cette limite, le modèle perd l'accès aux informations les plus anciennes de l'échange.
- HallucinationUne hallucination est une affirmation factuellement fausse mais formulée avec assurance par un modèle d'IA générative. Elle découle du mécanisme statistique de génération : le modèle prédit le mot suivant le plus probable, sans capacité native à vérifier. C'est le principal risque opérationnel et juridique d'un déploiement IA en entreprise.
- PromptUn prompt est l'instruction en langage naturel envoyée à un modèle d'IA pour obtenir une réponse. Sa qualité conditionne directement la qualité, la pertinence et le coût de la sortie générée. Un bon prompt n'est pas long, il est précis, structuré et contextualisé.
- Prompt engineeringLe prompt engineering est la discipline d'écriture méthodique des prompts. Il ne s'agit pas d'un métier rare mais d'une compétence transversale, qui consiste à formaliser, tester et standardiser les instructions adressées à un LLM pour obtenir des sorties fiables et reproductibles à l'échelle d'une organisation.
- Rôles de conversationLes rôles de conversation (système, utilisateur, assistant) sont les étiquettes assignées à chaque message d'un échange avec un LLM. Le rôle système définit le comportement général du modèle, le rôle utilisateur porte les requêtes, le rôle assistant les réponses passées du modèle dans l'historique conversationnel.