Depuis quelques années, on entend beaucoup parler d'« intelligence artificielle » (IA). Mais il existe plusieurs types d'IA, qui ne font pas du tout la même chose. Certaines IA se contentent d'observer et de classer ce qu'on leur donne : par exemple, reconnaître un visage sur une photo, trier des courriels indésirables, ou reconnaître un chiffre écrit à la main. On les appelle des IA « classiques » ou IA de reconnaissance.
D'autres IA, plus récentes, sont capables de fabriquer du contenu tout neuf : un texte, une image, une musique, une vidéo... On les appelle des IA génératives.
L'IA générative est une intelligence artificielle capable de créer du contenu nouveau — textes, images, sons, vidéos — à partir d'instructions données par l'utilisateur, plutôt que de simplement analyser ou classer des données existantes.
Autrement dit : au lieu de te répondre « oui » ou « non », ou de te dire « ceci est un chat », une IA générative va inventer une réponse originale, phrase par phrase ou pixel par pixel, en s'appuyant sur tout ce qu'elle a appris.
| IA classique (reconnaissance) | IA générative (création) |
|---|---|
| Reconnaît un visage sur une photo | Crée une image de visage qui n'existe pas |
| Trie les spams dans une boîte mail | Rédige un courriel à ta place |
| Reconnaît ta voix pour déverrouiller ton téléphone | Génère une voix qui lit un texte à voix haute |
| Détecte si une note est une fraude bancaire | Écrit un poème ou un résumé de cours |
Parmi les IA génératives, celles qui manipulent le texte reposent sur ce qu'on appelle un grand modèle de langage (en anglais : Large Language Model, ou LLM).
Un grand modèle de langage est un programme d'IA entraîné sur d'énormes quantités de textes, capable de comprendre et de générer du texte de façon cohérente, comme s'il « parlait » une langue.
Pour arriver à « parler », ce programme a été entraîné en lisant des milliards de phrases : des livres, des articles, des sites internet... Il a ainsi appris à deviner, mot après mot, quelle est la suite la plus probable d'une phrase. Il ne « comprend » pas le monde comme un être humain : il prédit des mots à partir de ce qu'il a observé dans ses données d'entraînement.
Les assistants comme ChatGPT (créé par OpenAI) ou Gemini (créé par Google) sont bâtis sur des grands modèles de langage. Quand tu leur poses une question ou que tu leur demandes d'écrire un texte, c'est un LLM qui génère la réponse, phrase par phrase.
Ces outils peuvent répondre à des questions, résumer un texte, traduire une langue, corriger une rédaction, ou même écrire une histoire — mais ils peuvent aussi se tromper ou inventer des informations fausses avec beaucoup d'assurance. Il faut donc toujours vérifier ce qu'ils écrivent.
Face à une IA générative, tout part d'une instruction que tu écris toi-même : c'est ce qu'on appelle un prompt (mot anglais qui veut dire « instruction » ou « invite »). La qualité de la réponse dépend énormément de la qualité de ce prompt.
Le Prompt Engineering (ou ingénierie de prompt / d'instruction) est l'art de bien formuler ses instructions (prompts) pour obtenir la meilleure réponse possible d'une IA générative.
Ce n'est pas un métier réservé aux informaticiens : c'est une compétence utile pour tout le monde, y compris pour un élève qui veut utiliser une IA générative pour l'aider à réviser, à comprendre une notion, ou à préparer un exposé.
Prompt vague : « Parle-moi de l'histoire. »
→ L'IA ne sait pas de quelle période, de quel pays, ni pour quel usage. Elle risque de donner une réponse trop générale, trop longue, ou hors sujet.
Prompt bien formulé : « Explique-moi en 5 lignes simples les causes de la décolonisation en Afrique, pour une révision de 4ème. »
→ L'IA sait le sujet précis, la longueur attendue, et le niveau scolaire : la réponse sera courte, ciblée et adaptée.
Pour chaque situation, dis s'il s'agit d'une IA générative ou d'une IA classique (de reconnaissance) :
Parmi les outils suivants, entoure ceux qui sont des exemples connus de grands modèles de langage (LLM) ou d'assistants basés sur un LLM :
Un élève de 4ème écrit ce prompt à une IA générative pour préparer un exposé sur le climat : « Parle-moi du climat. »
Un élève tape ce prompt : « Fais mon exposé. » L'IA générative répond par un texte très général sur « comment faire un bon exposé », sans aucun rapport avec la matière ni le sujet que l'élève avait en tête.
Rédige trois prompts bien construits, en appliquant les bonnes pratiques du chapitre (précision, contexte, format de réponse souhaité), pour répondre à ces trois besoins scolaires différents :
Pour chaque prompt, indique aussi en une phrase pourquoi il est bien formulé (quelles bonnes pratiques il applique).
Dans les trois cas, on retrouve les mêmes bonnes pratiques : un sujet précis, un contexte scolaire clair, et un format de réponse défini à l'avance.
10 questions · Correction immédiate
Qu'est-ce qu'une IA générative ?
Quelle différence principale entre une IA générative et une IA classique de reconnaissance ?
Un logiciel qui reconnaît ton visage pour déverrouiller ton téléphone est un exemple de :
Qu'est-ce qu'un grand modèle de langage (LLM) ?
Lesquels de ces outils sont des exemples connus d'assistants basés sur un grand modèle de langage ?
Comment un grand modèle de langage a-t-il « appris » à générer du texte ?
Qu'est-ce que le Prompt Engineering ?
Quel est le prompt le mieux formulé pour préparer un exposé sur la décolonisation en Afrique ?
Parmi ces éléments, lequel n'est PAS une bonne pratique pour écrire un prompt ?
Si la réponse d'une IA générative ne convient pas, que faut-il faire ?
