Comprendre sans jargon
Des schémas animés, des avatars 3D et un jeu pour comprendre le deep learning, les réseaux de neurones, les espaces de connaissances et l'art du prompt.
Étape 1
Chaque neurone reçoit des informations, leur donne une importance (un poids) et transmet un signal. En empilant des couches, la machine apprend à reconnaître des formes de plus en plus abstraites : c'est le deep learning.
1. On montre un exemple
Reconnaître ce qui se trouve dans une photo
2. On règle l’importance
3. La machine répond
Chat avec 91% de confiance.
Erreur mesurée : 0.17
Cliquez : la machine corrige un peu ses poids, comme lors d'un entraînement.
1 — Ce qui entre
La machine reçoit : zones claires, zones sombres, couleurs, texture.
2 — Ce qu’elle repère
Elle combine les données en indices : angles, traits fins, silhouette.
3 — Ce qu’elle décide
Les pixels deviennent des contours, puis des parties reconnaissables. Tous ces indices votent pour « chat ».
Dans la vraie vie
Votre filtre antispam fonctionne pareil : des indices (mots suspects, expéditeur inconnu, liens bizarres) votent, et chaque fois que vous cliquez sur « signaler », vous corrigez ses poids.
Étape 2
L'IA ne stocke pas des phrases, elle range des idées dans un immense espace. Les concepts proches sont voisins. Répondre, c'est se déplacer dans cette carte.
Tournez la scène avec la souris, zoomez à la molette. Chaque bille est une idée que l'IA a apprise ; les idées proches se ressemblent et forment des quartiers. Les traits montrent les ponts entre deux quartiers, avec le sujet qui les relie.
Exemple réel : Spotify
Si vous écoutez un peu de pop, d'électro, de rap doux et de soul, Spotify ne vous range pas dans une seule case. Il cherche l'intersection : les morceaux proches de plusieurs univers à la fois.
Pop française
Indices : paroles · refrains · voix familières
Électro
Indices : tempo · basse · énergie
Rap doux
Indices : flow · ambiance · rythme
Jazz & soul
Indices : harmonies · instruments · chaleur
Étape 3
Un modèle de langage découpe le texte en petits morceaux (tokens) et calcule, à chaque instant, la probabilité de chacun des mots possibles. Il en choisit un, puis recommence. Toute la magie tient dans la qualité de ces probabilités.
La phrase en construction
Le ▌
Un modèle de langage ne « sait » pas la suite : il calcule la probabilité de chaque mot suivant, puis en choisit un. Répété des milliers de fois, cela donne un texte fluide.
Basse = réponses sûres et répétitives. Haute = réponses créatives… et plus risquées.
Mots suivants possibles
Pourquoi ça paraît intelligent
Parce que les probabilités ont été apprises sur des milliards de phrases écrites par des humains.
Pourquoi ça se trompe
Le modèle vise le plausible, pas le vrai. Hors de sa zone de connaissances, il invente une suite crédible.
Ce que vous contrôlez
Le contexte que vous donnez modifie toutes les probabilités : c'est là qu'agit le prompt.
Étape 4
Plus votre demande est précise (rôle, public, format, style), plus l'IA vise une petite région pertinente de son espace de connaissances. Un prompt vague la laisse errer dans le brouillard.
Écrivez votre propre demande plus bas : ces boutons l'amélioreront automatiquement.
Prompt vague
Aide-moi.
Ce que l'IA vise
Quartier « Travail & communication » · bulle de recherche 6.0 · précision du prompt 20%
La bulle de recherche couvre presque tout l'espace : l'IA ne sait pas quelle région viser, elle répond n'importe où.
Écrivez une demande simple, puis cliquez sur « Prompt précis » ou « Prompt expert » : votre texte est réécrit avec un rôle, un public, un format et un ton.
Dans la vraie vie
« Fais-moi un truc pour l'école » donne une réponse molle. « Tu es instituteur de CM2 : prépare un exercice de 10 questions sur les fractions, avec corrigé » donne une fiche utilisable tout de suite. Même IA, bulle différente.
Étape 5
Chaque moteur a été entraîné différemment : il a donc sa propre personnalité. Voici trois avatars pour incarner ces différences.
Prompt d'exemple
Prépare mon dossier de litige avec l'assurance : courrier + pièces + arguments.
Résultat typique
Réfléchit d'abord, puis livre un plan structuré, un courrier prêt à envoyer et la liste des pièces à joindre.
Écrivez une demande, choisissez les moteurs, et comparez les vraies réponses côte à côte. Les moteurs Claude ne sont pas branchés ici : leurs fiches restent illustratives.
💡 Ce prompt d'exemple est volontairement créatif et contraint (3 phrases, ton imposé, question finale) : c'est là que les moteurs se différencient le plus — style, humour, respect des contraintes. Sur une question factuelle simple, ils répondent souvent presque pareil.
Cas concrets
Recommandation, conduite assistée, sécurité des messages : changez d’exemple et suivez les données depuis le monde réel jusqu’à la décision de la machine.
De vraies applications d’intelligence artificielle
Netflix, Tesla, votre antispam et votre assistant vocal utilisent bien des algorithmes d’apprentissage automatique. Chaque exemple ci-dessous montre les étapes réelles que suit l’IA pour prendre une décision.
Étape 1 sur 6
≈ 1 000 signaux par profil actif
Tout ce que vous faites devient une donnée chiffrée : ce n'est pas votre avis, c'est votre comportement.
Le jeu
Pensez à un personnage. À chaque réponse, l'oracle met à jour ses croyances (règle de Bayes), choisit la question qui rapporte le plus d'information, et coupe des branches entières de son arbre. Vous voyez en direct le chemin parcouru, les branches éliminées et l'incertitude qui fond, exprimée en bits.
Question 1
Pourquoi celle-ci ? Elle rapporte 1.15 bits d'information : c'est la question qui divise le mieux les candidats restants.
Arbre de connaissance · cliquez une branche grise pour explorer « et si j'avais répondu autrement ? »
Branches encore ouvertes
Dans la vraie vie
Un médecin qui pose des questions pour un diagnostic, une banque qui accorde un crédit ou un site qui vous recommande un film font la même chose : chaque information coupe l'arbre des possibilités en deux.
Croyances de l'oracle (top 6)
Au quotidien
Ce que vous venez de voir se résume à cinq gestes concrets, valables pour n'importe quel assistant IA : mail, compte rendu, recette, devis, révisions.
1. Dites qui doit répondre
« Tu es diététicienne », « Tu es juriste en droit du travail ». Vous choisissez le quartier de connaissances.
Tu es diététicienne. …
2. Dites à qui ça s'adresse
Un enfant de 8 ans, un client pressé, votre banquier : le vocabulaire change du tout au tout.
… explique-le à un adulte qui n'y connaît rien.
3. Imposez le format
Nombre de mots, liste à puces, tableau, mail prêt à envoyer. Sans format, l'IA improvise.
… en 5 puces, 120 mots maximum.
4. Donnez la matière
Collez le mail, les chiffres, le contexte. Une IA sans données invente une réponse plausible.
Voici le texte : « … »
5. Vérifiez toujours
Chiffres, dates, noms, sources : l'IA vise le plausible, pas le vrai. La relecture reste humaine.
Liste les points dont tu n'es pas sûr.
Pour aller plus loin
Une phrase simple pour comprendre tout de suite, puis l'explication détaillée si vous voulez creuser. Cliquez sur une carte.