Grands modèles de langage

  • 7 minutes

Comprendre le fonctionnement de l’IA générative peut aider les éducateurs à rester à la pointe des avancées technologiques dans le domaine de l’éducation. Approfondissons le vocabulaire de l’IA.

Que sont les grands modèles de langage ?

Le grand modèle de langage (LLM) fait référence à des modèles d’IA comme GPT-5.6 (et les versions futures) d’OpenAI qui sont entraînés sur d’énormes quantités de texte et peuvent générer des réponses conversationnelles sur place en prédisant les mots suivants dans une phrase, comme assembler un puzzle. Les grands modèles de langage peuvent effectuer diverses tâches en langage naturel telles que :

  • Classification
  • Résumé
  • Conversion
  • Génération de contenu
  • Dialogue (par exemple, assistants virtuels)

Les grands modèles de langue sont formés sur des milliards d’exemples de langue provenant de diverses sources telles que des livres, des articles et des sites web, qui les aident à répondre avec des faits, du texte grammaticalement correct, de l’argumentation et un semblant de créativité.

Le système ChatGPT populaire d’OpenAI est un exemple de ce type d’IA générative. ChatGPT est alimenté par un grand modèle de langage inventé chez OpenAI basé sur le modèle GPT-5.6 (transformateur préentraîné génératif ). Considérez ChatGPT comme une application construite sur un grand modèle de langage qui est affiné pour les chats interactifs.

People utilisant une application alimentée par un modèle de langage volumineux, vous pouvez diriger la sortie du modèle via des invites (le texte qu’ils entrent dans l’interface de l’application). Les requêtes peuvent être des phrases ou des questions en langage naturel, des extraits de code ou des commandes, ou toute combinaison de texte ou de code.

Lorsqu’une requête est spécifique et détaillée, les modules LLMs peuvent générer du texte, développer main points, condenser les informations en points clés et répondre efficacement aux questions. L’art de définir de manière créative les invites LLM est un domaine émergent connu sous le nom de conception d’invites et d’ingénierie des invites. Il implique le processus d’élaboration d’invites efficaces et efficientes pour obtenir la réponse souhaitée. Les éducateurs et les apprenants devront peut-être faire des essais en choisissant les mots, expressions, symboles et formats appropriés qui guident le modèle pour générer des textes pertinents et de haute qualité.

Voici quelques conseils pour écrire des requêtes efficaces :

  • Soyez spécifique.
  • Utilisez le bon modèle pour la tâche.
  • Demandez des résultats d’un certain point de vue.
  • Guidez le modèle pour générer la longueur souhaitée.
  • Utiliser le bouton Nouvelle rubrique lorsque vous souhaitez modifier les rubriques

Pour d’autres conseils, voir :]

Microsoft utilise la technologie des modèles de langage volumineux pour exploiter les fonctionnalités de Copilot Chat.

Copilot Chat’est comme avoir un assistant de recherche, un planificateur personnel et un partenaire créatif à vos côtés chaque fois que vous effectuez une recherche sur le web. Avec cet ensemble de fonctionnalités basées sur l’IA, vous pouvez :

  • Poser une question réelle. Lorsque vous posez des questions complexes, le Copilot Chat peut vous fournir des réponses détaillées.
  • Obtenir une réponse réelle. Copilot Chat examine les résultats de la recherche sur le web pour fournir une réponse résumée.
  • Sois créatif. Lorsque vous avez besoin d’inspiration, Copilot Chat peut vous aider à écrire des poèmes, des histoires ou même à créer une toute nouvelle image.
  • Dans l’expérience de conversation, vous pouvez également poser des questions de suivi telles que « Peux-tu expliquer cela en termes plus simples » ou « Donne-moi plus d’options » pour obtenir des réponses différentes et plus détaillées dans votre recherche.

Remarque

Toujours vérifier les résultats obtenus. Bien que les réponses LLM semblent convaincantes, elles peuvent être inexactes, incomplètes ou inappropriées. Les LLMs ne peuvent pas comprendre ou évaluer l’exactitude de la réponse. Il est important de noter que le Copilot Chat fournit aux enseignants et aux apprenants des sources pour le contenu en ligne qu’il utilise en tant que données dans ses réponses, afin qu’ils puissent l’évaluer avant de l’utiliser comme source approuvée.

Un exemple pratique :

Un membre du corps professoral d’une université doit rédiger un nouveau programme pour un cours sur l’urbanisme. Ils commencent par demander à Copilot Chat d’écrire un résumé d’un cours de niveau universitaire sur l’urbanisme. Le résumé est détaillé, mais n’inclut pas tous les éléments du cours. Le membre du corps professoral modifie l’invite pour inclure le plan de cours et précise que le résumé est destiné à un plan de cours. La deuxième itération est plus proche de ce dont ils ont besoin pour le syllabus. Ils copient le texte, le collent dans un document Word et ne modifient que quelques mots. Le résumé est terminé. Ils demandent ensuite à Copilot Chat d’écrire des objectifs d’apprentissage pour le cours en fonction du plan et du résumé. En quelques minutes, ils terminent cette tâche et peuvent passer à la création de supports de cours.

Bien que les modules LLM soient impressionnants à bien des égards, ils sont mieux adaptés aux tâches qui impliquent la catégorisation, la génération de nouvelles idées ou la synthèse de texte plutôt que la récupération de détails spécifiques à partir d’un jeu de données volumineux.