Aller au contenu
Encyclopédie informatique Édition 2026

L'IA générative et les grands modèles de langage

Rédiger un courriel, résumer un rapport, traduire une notice, écrire un programme, créer une illustration : depuis la fin de 2022, des centaines de millions de personnes confient ces tâches à des intelligences artificielles dites génératives. Derrière ces assistants se cachent des modèles de langage, de gigantesques réseaux de neurones entraînés à prédire la suite d’un texte. Cet article explique comment ils fonctionnent, du découpage du texte en petits morceaux appelés jetons jusqu’aux étapes qui transforment un modèle en assistant, comment on génère des images, comment bien s’en servir, quelles sont leurs limites et leurs enjeux, et pourquoi ils ouvrent de nouvelles failles de sécurité.

Rubrique
Données et IA
Niveau
Débutant à avancé
Lecture
19 min (essentiel)
24 min (complet)
Révision
26 octobre 2026
Niveau de lecture :

En bref

  • L’IA générative produit des contenus nouveaux, texte, images, sons, vidéos, programmes, à partir d’une demande en langage courant.
  • Les grands modèles de langage découpent le texte en jetons, des morceaux de mots, et calculent, jeton après jeton, la suite la plus probable ; entraînés sur d’immenses quantités de textes, puis affinés, ils deviennent des assistants capables de répondre, de résumer, de traduire ou de programmer.
  • Les images sont surtout produites par des modèles de diffusion, qui partent d’un bruit aléatoire et le transforment pas à pas en image, guidés par la description.
  • Ces modèles peuvent inventer des faits avec assurance, reproduire des biais et répondre différemment à la même question : il faut vérifier ce qui compte.
  • Ils posent des questions de droit d’auteur, de désinformation et de sécurité : ne pas leur confier de données confidentielles sans autorisation, et se méfier des instructions cachées dans les contenus qu’ils traitent.

Prérequis conseillés : L'intelligence artificielle · L'apprentissage automatique

1Définition

L’intelligence artificielle générative désigne les systèmes capables de produire des contenus nouveaux : textes, images, sons, voix, musiques, vidéos, programmes, molécules. Elle se distingue de l’IA dite discriminante, qui classe ou prédit, par exemple en reconnaissant un visage ou en détectant une fraude (voir l’intelligence artificielle). On s’adresse à elle le plus souvent en langage courant, par une consigne (en anglais prompt) : « résume ce rapport en dix lignes », « dessine un phare sous l’orage ».

Son représentant le plus connu est le grand modèle de langage (en anglais Large Language Model, LLM) : un réseau de neurones de plusieurs milliards de paramètres, ces nombres ajustés pendant l’entraînement qui contiennent tout ce que le modèle a appris, entraîné sur une part considérable des textes disponibles, qui sait produire du texte cohérent sur presque n’importe quel sujet. Les assistants conversationnels, comme ChatGPT d’OpenAI, Claude d’Anthropic, Gemini de Google ou Le Chat de la société française Mistral AI, reposent sur de tels modèles. Les plus récents sont multimodaux : ils comprennent et produisent aussi des images, des sons et parfois des vidéos.

2Une histoire récente et rapide

Produire du texte par ordinateur n’est pas nouveau : dès les années 1940, Claude Shannon génère des phrases en choisissant chaque mot selon la probabilité qu’il suive le précédent. Mais ces textes n’ont pas de sens au-delà de quelques mots. Les étapes décisives sont récentes :

  • 2013 : les plongements de mots (en anglais word embeddings) représentent chaque mot par une liste de nombres, de façon que des mots de sens voisin aient des représentations voisines ;
  • 2014 : les réseaux antagonistes génératifs (en anglais GAN), où deux réseaux s’affrontent, l’un fabriquant des images, l’autre cherchant à les distinguer des vraies, produisent les premiers visages artificiels réalistes ;
  • 2017 : les Transformers, une architecture de réseau de neurones fondée sur un mécanisme d’attention, permettent d’apprendre efficacement sur d’immenses quantités de textes ;
  • 2018 à 2020 : les modèles GPT (Generative Pre-trained Transformer) d’OpenAI grossissent rapidement ; GPT-3, en 2020, compte 175 milliards de paramètres et surprend par sa capacité à accomplir des tâches qu’on lui décrit simplement ;
  • 2022 : les modèles de diffusion rendent accessible la génération d’images de qualité, et ChatGPT, lancé le 30 novembre, fait découvrir l’IA générative au grand public ;
  • 2023 : course aux modèles ; Meta, puis Mistral AI publient des modèles dont les paramètres sont téléchargeables (voir les modèles ouverts) ;
  • 2024 et 2025 : apparition des modèles de raisonnement, qui « réfléchissent » longuement avant de répondre, et des agents, qui enchaînent des actions pour accomplir des tâches entières (voir les agents d’IA) ; en janvier 2025, la société chinoise DeepSeek publie un modèle de raisonnement ouvert, entraîné à un coût annoncé comme bien inférieur à celui de ses concurrents, ce qui secoue les marchés.