1. L'IA et un LLM, c'est la même chose ?
Non — et c'est la première confusion à lever. On dit « IA » à tout va, mais il y a deux choses très différentes derrière.
L'IA « classique » existe depuis des décennies : ce sont les algorithmes qui te recommandent un produit, filtrent les spams ou optimisent une tournée de livraison. Utile, mais spécialisé : chaque système fait une seule tâche, pour laquelle il a été codé.
La rupture récente, c'est l'IA générative : un même système sait écrire un mail, résumer un PDF de 40 pages, traduire, coder, analyser un tableau de ventes — sans qu'on l'ait programmé pour chacune de ces tâches. C'est cette polyvalence qui change la donne. Et le LLM est précisément le moteur de cette IA générative pour le texte : un sous-ensemble du grand mot « IA », pas un synonyme.
- IATout système qui imite une tâche « intelligente » — depuis les années 1950.
- Machine LearningL'IA qui apprend à partir d'exemples, plutôt que de règles écrites à la main.
- Deep LearningLe machine learning à base de grands réseaux de neurones.
- LLMUn réseau de neurones spécialisé dans le langage. Le moteur des assistants type ChatGPT ou Claude.
2. C'est quoi un LLM, concrètement ?
Un LLM, c'est un modèle qui a « lu » une part gigantesque de ce qui est écrit en ligne, et qui a appris une seule chose : deviner le mot suivant. Tu lui donnes un début, il prédit la suite la plus probable, mot après mot.
Vu comme ça, ça ressemble à l'autocomplétion de ton téléphone. La différence, c'est l'échelle : à force d'avaler du texte, le modèle finit par « comprendre » assez de structure du langage pour résumer, argumenter, traduire ou écrire du code — des capacités qui émergent sans avoir été programmées explicitement.
« Le client veut un ampli … »
Mot suivant — candidats classés par probabilité
- puissant41 %
- home-cinéma28 %
- d'occasion11 %
Le bon modèle mental à garder : un LLM ne récite pas une base de données, il génère. Il ne va pas « chercher » une réponse stockée quelque part — il la reconstruit à la volée. C'est sa force (il s'adapte à n'importe quelle demande) et sa faiblesse (il peut reconstruire faux, voir plus bas).
3. Quels sont les LLM les plus connus ?
Le marché s'est structuré autour de quelques familles. Les versions se succèdent vite (tous les quelques mois) — ce qui compte, c'est de savoir qui fait quoi :
- OpenAI — ChatGPT : le plus connu du grand public, celui qui a lancé la vague fin 2022.
- Anthropic — Claude : orienté fiabilité, raisonnement et travail « sérieux » (rédaction, code, analyse). C'est celui sur lequel je construis tout (voir le guide dédié).
- Google — Gemini : intégré à l'écosystème Google, très fort sur les longs documents et le multimodal (texte + image + audio).
- Meta — Llama : « poids ouverts », c'est-à-dire qu'on peut l'héberger soi-même.
- Mistral : le champion français/européen, lui aussi en partie ouvert — l'argument souveraineté quand héberger ses données en Europe compte.
- DeepSeek : chinois, ouvert, redoutable sur le rapport performance/prix (mais pose des questions de confidentialité des données).
- xAI — Grok : le modèle d'Elon Musk, branché en direct sur X.
- Microsoft — Copilot : l'IA intégrée à Windows et à la suite Office, et un « Copilot » très utilisé pour le code. Sous le capot, des modèles partenaires (dont OpenAI).
- Perplexity : moins un modèle qu'un moteur de réponse — il cherche sur le web et répond avec ses sources citées.
4. Qu'est-ce qu'un LLM ne sait PAS faire ?
C'est la partie qu'on saute trop souvent, et c'est celle qui évite les mauvaises surprises.
- Ce n'est pas un moteur de recherche ni une base de données. Comme il génère au lieu de récupérer, un LLM peut inventer une réponse fausse avec un aplomb total — on appelle ça une hallucination. Sur un chiffre, une référence produit, une date : on vérifie.
- Par défaut, il n'est branché ni sur internet en temps réel, ni sur tes données. Pour qu'il lise tes mails, ton Shopify ou ton ERP, il faut explicitement le connecter (c'est tout l'objet d'un autre guide).
- C'est un copilote, pas un oracle. Bien utilisé, il fait gagner un temps fou ; utilisé en confiance aveugle, il fait des dégâts. Toute la méthode est là.