Sciences numériques et technologie · Seconde
IA générative et grands modèles de langage : cours de 2de
Publié le 9 novembre 2026 · Mis à jour le 9 novembre 2026 · Signaler une erreur
L'essentiel
- Une IA générative est un modèle d'IA spécialisé dans la création de contenus : texte, image, audio ou vidéo 2.
- Les IA génératives de texte reposent sur des grands modèles de langage (LLM) : GPT-4 pour ChatGPT, par exemple 2.
- Un LLM est généraliste : il traite des demandes très variées, là où la plupart des modèles sont spécialisés 2.
- Il produit un texte plausible, pas un texte vérifié : ses inventions s'appellent des hallucinations 2.
- Bon réflexe : utiliser l'IA comme aide, vérifier ses affirmations et dire que tu l'as utilisée.
Pourquoi parler d'IA générative ?
Tu as sans doute déjà posé une question à un assistant en ligne et reçu une réponse rédigée, comme si une personne l'avait écrite. Tu as peut-être aussi vu une image réaliste créée à partir d'une simple phrase. Ces outils font partie de ce qu'on appelle l'IA générative.
Dans ce cours, tu vas répondre à quatre questions : qu'est-ce qu'une IA générative ? Qu'est-ce qu'un grand modèle de langage ? Comment produit-il un texte ? Quelles sont ses limites ? Tu t'appuies sur ce que tu as vu avant : ce qu'est l'intelligence artificielle et le principe de l'apprentissage automatique. La suite du programme traitera des biais, des limites et des usages responsables de l'IA ; ici, on pose les bases du fonctionnement.
Ce qu'est une IA générative
Le mot clé est « créer ». Un modèle d'IA classique peut, par exemple, trier des photos ou dire si un message est un courrier indésirable : il classe ou il prédit une étiquette. Une IA générative, elle, produit quelque chose qui n'existait pas sous cette forme avant ta demande : un paragraphe, une illustration, un son.
Le contenu produit peut avoir plusieurs formes. Il peut s'agir d'un texte, d'une image (des outils comme Dall-E ou Midjourney), d'un fichier audio ou d'une vidéo (Sora) 2. On parle alors d'IA générative de texte, d'images, de son ou de vidéo selon le type de contenu.
| Contenu créé | Exemple d'outil |
|---|---|
| Texte | ChatGPT |
| Image | Dall-E, Midjourney |
| Vidéo | Sora |
Les grands modèles de langage (LLM)
Pourquoi « grand » ? Parce que le modèle s'appuie sur une masse de textes très importante pour apprendre à manier la langue. Pourquoi « de langage » ? Parce que sa matière première, ce sont les mots et les phrases, pas les nombres d'un tableau ni les pixels d'une photo.
Comment un LLM fabrique un texte
Voici une manière de te représenter le fonctionnement, sans entrer dans les mathématiques. C'est une image pédagogique : elle simplifie, mais elle t'aide à comprendre pourquoi ces outils réussissent et pourquoi ils se trompent.
- ConsigneTu écris ta demande (le prompt).
- ÉvaluationLe modèle cherche les suites possibles.
- ChoixIl retient un mot vraisemblable.
- RépétitionIl recommence mot après mot.
Généraliste ou spécialisé : ce qui rend les LLM particuliers
Beaucoup de modèles d'IA font une seule chose. L'un reconnaît des chiffres écrits à la main, un autre repère des anomalies sur des images médicales, un autre conseille un itinéraire. Chacun a été conçu pour une tâche précise.
LLM
- Reformuler
- Corriger
- Simplifier
- Expliquer
- Notion
- Exemple
- Traduire
- Phrase
- Court texte
- Programmer
- Petit code
Les limites : l'exemple des hallucinations
Reprends le principe vu plus haut : le modèle cherche la suite la plus vraisemblable. Si on lui demande la référence d'un livre qui n'existe pas, ou le titre d'un article sur un sujet très pointu, il peut fabriquer un titre, un auteur, une date qui ressemblent à de vraies informations. Le ton reste calme et sûr : rien dans la forme ne prévient que c'est faux.
L'IA générative dans le cadre scolaire
Ces outils posent des questions particulières à l'école. Des travaux ont déjà exploré l'emploi de modèles de langage génératifs pour aider des étudiants à rédiger 2. Les rapports consacrés à l'IA réservent aussi une partie aux limites des grands modèles de langage dans ce cadre 2. Les ressources de l'Éducation nationale cherchent de leur côté à faire comprendre le fonctionnement général de ces modèles 1.
Bilan du chapitre
Exercices corrigés
Exercice 1 Le mot le plus probable
Un petit modèle a observé 40 phrases qui commencent par « Le chat ». Voici ce qui suit ces deux mots :
| Mot suivant | Nombre de phrases |
|---|---|
| dort | 18 |
| mange | 12 |
| joue | 6 |
| miaule | 4 |
On suppose que le modèle choisit le mot suivant selon la fréquence observée. Quelle est la probabilité (écrite en nombre décimal) que le mot « dort » soit proposé ?
Indice 1
Une probabilité fréquentielle se calcule en divisant le nombre de cas favorables par le nombre total de cas.
Indice 2
Vérifie d'abord que 18 + 12 + 6 + 4 vaut bien 40.
Voir la correction pas à pas
On vérifie le total : phrases.
Le nombre de cas favorables pour « dort » est 18.
On calcule .
La probabilité de proposer « dort » est donc de 0,45, soit 45 %.
Le mot « dort » est le plus vraisemblable, mais il n'est pas certain : le modèle peut aussi proposer un autre mot.
Exercice 2 Vrai, faux ou inventé ?
Un élève demande à un assistant : « Donne-moi le titre du livre publié par la mairie de mon village en 1987. » L'assistant répond par un titre précis, un nom d'auteur et un éditeur, sans aucune hésitation.
- De quel phénomène peut-il s'agir ?
- Pourquoi le ton assuré de la réponse ne prouve-t-il rien ?
- Décris deux gestes pour contrôler la réponse.
Indice 1
Pense au principe : le modèle choisit une suite vraisemblable.
Indice 2
Un contrôle fiable s'appuie sur une source extérieure à l'assistant.
Voir la correction pas à pas
Il peut s'agir d'une hallucination : une information inventée mais plausible.
Le modèle cherche une suite de mots qui a l'air juste. Titre, auteur et éditeur forment un ensemble crédible, même s'il est faux. L'assurance du ton vient de la forme, pas de la vérification.
Premier geste : chercher le titre dans le catalogue d'une bibliothèque ou auprès de la mairie.
Second geste : confronter le nom de l'auteur et l'éditeur avec une autre source fiable. Si rien ne correspond, on écarte la réponse.
Une réponse sûre d'elle n'est pas une réponse vérifiée : le contrôle passe toujours par une source indépendante.
Exercice 3 Taux de réponses erronées
Pour s'entraîner, une classe de Seconde teste un assistant sur 200 questions de cours dont les réponses sont connues. Après vérification, 14 réponses contiennent une information inventée. Quel est le pourcentage de réponses contenant une information inventée ?
Indice 1
Un pourcentage se calcule avec le rapport entre le nombre de réponses erronées et le nombre total de questions, multiplié par 100.
Voir la correction pas à pas
Nombre de réponses avec information inventée : 14.
Nombre total de questions : 200.
On calcule .
Le taux est de 7 % sur cet échantillon.
Ce taux n'est valable que pour ce test : il ne dit pas combien un autre assistant se trompe. Même à 7 %, environ une réponse sur quatorze est fausse, et rien n'indique laquelle : il faut donc toutes les vérifier.
Quiz
7 questions · correction immédiate · ton score reste sur ton appareil.
-
Une IA générative produit des contenus (texte, image, son, vidéo) 2. Classer des images est une tâche de classification, pas de génération, ce qui rend la deuxième proposition tentante mais fausse.
-
ChatGPT repose sur un LLM, le modèle GPT-4 2. Un correcteur orthographique ne produit pas de textes nouveaux, c'est l'erreur tentante.
-
GPT-4 est le modèle ; ChatGPT est l'outil construit dessus 2. Confondre les deux est une erreur courante.
-
Un modèle généraliste traite des demandes variées, contrairement à la plupart des modèles, spécialisés 2. Généraliste ne signifie pas infaillible : la troisième proposition est fausse.
-
Les hallucinations sont des contenus faux ou inventés mais vraisemblables, limite reconnue des IA génératives 2. Une panne est technique, pas une question de contenu.
-
Llama-3, Mixtral et GPT 4o mini figurent parmi les modèles de langage cités dans les ressources officielles 1. Un tableur n'est pas un modèle de langage.
-
Faux : un LLM cherche une suite de mots vraisemblable et peut halluciner 2. La qualité de la forme ne garantit pas la vérité du fond.
Les questions qu'on se pose
Quelle est la différence entre IA et IA générative ?
L'IA est le domaine général. L'IA générative en est une famille précise : celle des modèles qui créent des contenus (texte, image, audio, vidéo) 2. Un outil qui recommande un film ou reconnaît un visage utilise de l'IA sans être générative.
Un LLM cherche-t-il la réponse sur Internet ?
Pas forcément. Dans le principe vu en cours, il compose sa réponse en choisissant les mots les plus vraisemblables à partir de ce qu'il a appris. Il peut donc écrire une information fausse sans la vérifier.
Pourquoi un LLM peut-il se tromper alors qu'il répond avec assurance ?
Il produit un texte qui a l'air juste, sans contrôle automatique de la vérité. Ces erreurs inventées s'appellent des hallucinations 2. Le ton sûr vient de la forme du texte, pas d'une vérification.
Puis-je utiliser un LLM pour mes devoirs ?
Tout dépend des consignes de ton professeur. En révision, l'outil peut reformuler une notion ou proposer un exemple, à condition de vérifier avec ton cours et de reformuler avec tes mots. Pour un travail rendu, indique ton usage s'il est demandé, et n'envoie jamais un texte non relu.
Que verrai-je après ce chapitre ?
Le chapitre suivant traite des biais, des limites et des usages responsables de l'IA. Il prolonge ce cours : tu sauras mieux pourquoi il faut garder un regard critique.
Sources
- Ressources en intelligence artificielle — Éduscol, Éduscol. Consulté le 9 novembre 2026.
- L'intelligence artificielle : enjeux, applications et régulation — Rapport au Sénat, Sénat français. Consulté le 9 novembre 2026.
Les numéros dans le texte renvoient à ces sources. Une source qui ne dit pas ce qu'on lui fait dire ? Signale-le.