![\"Les](\"https:\/\/cdn8.futura-sciences.com\/a1280\/images\/LLM.jpg\")
<\/p>\n<\/p>\n
Les LLM se distinguent notamment par leur capacit\u00e9 \u00e0 g\u00e9n\u00e9rer un texte semblable \u00e0 celui d’un humain.<\/p>\n
Pour op\u00e9rer, les LLM s’appuient sur des r\u00e9seaux de\u00a0neurones<\/span>, soit des mod\u00e8les d’apprentissage automatique (ML) fond\u00e9s sur de petites fonctions math\u00e9matiques (ou neurones). L’architecture est fix\u00e9e par les ing\u00e9nieurs, et \u00e0 partir de l\u00e0, pendant l’entra\u00eenement, mod\u00e8le \u00ab\u00a0cr\u00e9e\u00a0\u00bb et ajuste les poids (la force des connexions entre les neurones).<\/p>\n Les LLM, pour leur part, utilisent une architecture de r\u00e9seau de neurones particuli\u00e8re appel\u00e9e Transformer, un mod\u00e8le d\u00e9velopp\u00e9 en 2017 par des chercheurs de\u00a0Google<\/span>. Le c\u0153ur de l’architecture Transformer est le m\u00e9canisme d’Attention – celui-ci permet au mod\u00e8le de comprendre le contexte d’un mot par rapport \u00e0 tous les autres mots d’une phrase, m\u00eame s’ils sont \u00e9loign\u00e9s.<\/p>\n Les LLM sont entra\u00een\u00e9s sur de tr\u00e8s grands\u00a0volumes<\/span>\u00a0de donn\u00e9es du Web et telle est la raison du terme \u00ab\u00a0large\u00a0\u00bb dans cette expression. Cet entra\u00eenement n\u00e9cessite une puissance de calcul colossale. Nous pourrions dire qu’un LLM a assimil\u00e9 suffisamment d’exemples pour \u00eatre capable de reconna\u00eetre et d’interpr\u00e9ter des mod\u00e8les tels que le langage humain. L’apprentissage repose sur une approche de l’IA<\/span>\u00a0appel\u00e9e\u00a0deep learning\u00a0(apprentissage profond<\/span>). Il est compos\u00e9 de deux phases principales\u00a0:<\/p>\n <\/p>\n Bien que les LLM donnent l’impression de comprendre le langage humain, il n’en est rien. En r\u00e9alit\u00e9, leur approche est celle d’une pr\u00e9diction statistique\u00a0: leur fonction consiste \u00e0 pr\u00e9dire le prochain \u00ab\u00a0token\u00a0\u00bb d’une phrase.\u00a0 Un token peut \u00eatre un mot, une partie de mot, un signe de ponctuation ou un espace. Dans la mesure o\u00f9 nous avons affaire \u00e0 une pr\u00e9diction statistique, il arrive qu’un LLM g\u00e9n\u00e8re des affirmations fausses\u00a0; on parle alors d’hallucinations<\/span>.<\/p>\n avec futura<\/p>\n","protected":false},"excerpt":{"rendered":" Le succ\u00e8s de\u00a0ChatGPT, de Claude, de Gemini ou\u00a0DeepSeek\u00a0a attir\u00e9 l’attention sur le type de technologie\u00a0qui soutient\u00a0ces chatbots\u00a0d’IA\u00a0: les LLM | Large Language Models – grands mod\u00e8les de langage. Les LLM […]<\/p>\n","protected":false},"author":1,"featured_media":7600,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[21,117,192],"tags":[],"class_list":["post-7599","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualite","category-ckoi","category-ia"],"yoast_head":"\n\n