02

Intelligence Artificielle

Fondations & Concepts

Module 029 min de lectureMis à jour le 20 novembre 2026

Un modèle de langage n’est pas une base de connaissances : c’est une machine à produire une suite probable de mots à partir d’un contexte. Cette nuance explique la plupart des réussites et des déceptions.

Nous allons voir comment un modèle apprend, ce que le RAG ajoute, pourquoi un prompt bien écrit ne compense pas un mauvais corpus, et comment lire un prix sans comparer des chiffres qui ne parlent pas de la même chose. Les benchmarks servent de repère, pas de verdict.

Objectif : Comprendre la mécanique réelle pour mieux orchestrer les Agents.
Public : Product Builders avancés. Pas de maths complexes, juste de la logique métier.

⚠️ Erreur Fréquente

Ne confondez pas Intelligence Biologique (Compréhension, Sens, Conscience) et Intelligence Statistique (Corrélation, Prédiction, Probabilité).

🧠 L’Analogie

"L’IA sait expliquer la gravité avec une précision Nobel, sans jamais avoir ressenti le poids de son propre corps."

A. Machine Learning & Deep Learning

Le Pipeline ML Simplifié

  1. Data : Le carburant (Images, Textes, Logs).
  2. Training : L’entraînement (Calculs massifs sur GPU).
  3. Model : Le moteur figé (Le fichier "poids").
  4. Inference : La prédiction (L’usage quotidien).

Les Types d’Apprentissage

Supervisé
On donne l’exemple. Input: Photo Chat -> Output: "Chat".
Usage: Spam, Fraude.
Non-Supervisé
On laisse chercher les patterns. Input: Clients -> Output: Clusters.
Usage: Segmentation.
Renforcement (RL)
Punition / Récompense. Input: Mario -> Output: Score.
Usage: Robotique, AlphaGo, ChatGPT (post-entraînement RLHF, puis RLAIF).

Ce qu’il faut retenir de ce pipeline : l’entraînement produit un fichier de poids, puis s’arrête. À l’usage, le modèle ne fait qu’une chose : calculer la suite la plus probable pour le contexte qu’on lui donne. Il n’apprend pas de votre conversation, il ne se souvient pas de la précédente, et il n’a pas accès à vos fichiers sauf si un programme les lui injecte. C’est pour cela qu’un même modèle peut être excellent sur une question et se tromper sur la suivante : la différence vient du contexte, pas d’une humeur.

B. Architectures Clés

CNN

Vision & Pixels. "Voit" les bords, puis les formes, puis les objets.

Transformers

Langage & Séquences. Gère l’Attention (Le contexte entre les mots lointains).

Vectors / Embeddings

La clé du RAG. Transforme du texte en liste de nombres (coordonnées GPS du sens).

Chat = [0.1, 0.9, 0.3]
Chien = [0.1, 0.8, 0.4]

Ces architectures ne sont pas des boîtes noires interchangeables. Un CNN regarde des pixels, un transformer regarde des relations entre unités de texte, un embedding transforme un contenu en coordonnées. La similarité entre deux embeddings indique une proximité statistique, pas une vérité : deux passages peuvent se ressembler sans que l’un réponde à la question. C’est une boussole, pas un juge.

C. Le RAG (Retrieval Augmented Generation)

Le LLM a une "mémoire figée" (sa date de training). Le RAG lui donne une "mémoire vive" (VOS documents).

Le Pipeline RAG :

Question User -> Recherche Vectorielle (Base de connaissance) -> Récupération des chunks pertinents -> Injection dans le Prompt -> Réponse du LLM

Le RAG ne rend pas un modèle fiable par magie. Trois choses doivent tenir : le document doit être retrouvé, le passage doit contenir la réponse, et le modèle doit l’utiliser sans inventer le reste. Si le découpage coupe une phrase au mauvais endroit, si la base contient une version ancienne, ou si la question demande une synthèse que le passage ne contient pas, la réponse peut être fausse avec beaucoup d’assurance.

Avant de promettre un RAG : mesurez le rappel sur vingt questions réelles. Comptez combien de fois le bon document arrive dans les premiers résultats. Si le rappel est mauvais, changer de modèle ne servira à rien : il faut revoir le découpage, les métadonnées ou la qualité du corpus.

D. Prompt Engineering : La Méthode

Framework "CRISPE"

  • Context : "Tu es un expert Sr..."
  • Role : "Agis comme un CTO..."
  • Intent : "Le but est de..."
  • Specifics : "Pas de jargon..."
  • Parameters : "Tableau Markdown..."
  • Example : "Comme ceci..." (Few-Shot)

Techniques Avancées

Chain of Thought (CoT)
"Pense étape par étape". Force le modèle à décomposer la logique.
Few-Shot
Donner 2 ou 3 exemples de couples (Input -> Output) dans le prompt.
System Prompt
Les instructions prioritaires, invisibles pour l’utilisateur final. Puissantes mais contournables (injection de prompt).

Un prompt n’est pas un sort. Il décrit une tâche, un contexte, un format de sortie et parfois des exemples. Si la demande est ambiguë, le modèle comblera les trous avec ce qui lui semble probable. Les techniques ci-dessus aident à réduire l’ambiguïté ; elles ne remplacent ni une bonne source, ni une validation de la sortie, ni un test sur des cas réels.

⚙️ Specs Techniques

  • Tokens : Unité de facturation. (IN + OUT).
  • Window : Mémoire à court terme (200k à plus d’1M de tokens en 2026).
  • Temperature : Créativité (0 = déterministe, valeurs hautes = créatif, échelle selon modèle).

⚠️ Risques & Mitigation

  • Hallucinations : Le modèle invente pour combler.
    -> Solution : RAG + "Si tu ne sais pas, dis-le".
  • Biais : Reflet d’Internet.
  • Oubli : Dépassement de fenêtre.

E. Choisir son modèle : repères tarifaires (relevé le 06/10/2026)

Prix par million de tokens, relevés sur les grilles officielles le 06/10/2026. Ils bougent vite : vérifiez la grille du jour avant de budgéter. Règle : l’output coûte 2 à 10 fois l’input, donc demandez des réponses courtes et structurées.

Gemini 3.5 Flash-Lite : l’économe polyvalent

Repères : environ 0,30 $ l’input et 2,50 $ l’output, fenêtre large (1M), multimodal (texte, image, audio, PDF).

Usage : gros volumes, classification, RAG simple, prototypes.

Claude Haiku 4.5 : l’économe qui raisonne

Repères : environ 1 $ l’input et 5 $ l’output, fenêtre 200K.

Usage : agents rapides, support client, tâches répétitives soignées.

Mistral Medium 3.5 : l’option UE

Repères : environ 1,50 $ l’input et 7,50 $ l’output, fenêtre 256K, multimodal, poids ouverts.

Usage : contrainte RGPD ou souveraineté (acteur français, données UE).

Claude Sonnet 5.5 : le puissant raisonnable

Repères : environ 2 $ l’input et 10 $ l’output, fenêtre 1M.

Usage : code, agents complexes, raisonnement métier.

GPT-6 Sol : l’écosystème

Repères : environ 2 $ l’input et 10 $ l’output en contexte court (la gamme 6.x bouge vite).

Usage : outillage et intégrations les plus larges, alternative à Sonnet.

Alternative ultra-éco : DeepSeek Flash V4.1 (environ 0,15 $ l’input et 0,60 $ l’output en heures creuses, double en pointe, fenêtre 1M, vision incluse). Prix imbattable, mais hébergement hors UE : à cadrer avec la section Gouvernance (m6) avant usage pro.

Comparer un prix au million de tokens ne suffit pas. Il faut regarder le ratio entrée/sortie, le prix du cache, la taille du contexte réellement envoyé, le nombre de tentatives et le coût des évaluations. Un modèle deux fois moins cher qui échoue une fois sur trois peut coûter plus cher qu’un modèle stable. Le bon indicateur est le coût par tâche réussie, pas le tarif affiché.

F. Modèles dédiés, tailles et routage (relevé le 10/11/2026)

Un LLM généraliste n’est pas toujours le bon outil. En 2026, trois familles rendent service au builder : le modèle qui décide, celui qui tient sur l’appareil, et le petit modèle qui absorbe le volume.

Décider plutôt que rédiger

LFM d1 (Liquid AI) et Jev (TypeSafe AI) ne produisent pas du texte : ils rendent une décision typée avec une probabilité calibrée.

Usage : router un ticket, prioriser une demande, trier un email, décider si un humain doit reprendre la main.

Repère : Jev est annoncé à 42 $ le milliard de tokens d’entrée, et disponible dans n8n depuis le 30 septembre 2026.

Tourner sur l’appareil

Gemma 4 existe en E2B, E4B, 12B, 31B et 26B A4B. Les petits modèles visent le mobile et le navigateur, avec 128K de contexte (256K pour les moyens).

Repères : E2B en Q4_0 demande environ 2,9 Go, E4B 4,5 Go ; les versions mobiles via LiteRT-LM tombent à 1,1 et 2,5 Go.

Usage : classification hors ligne, extraction locale, assistant embarqué, données qui ne sortent pas du poste.

Absorber le volume

LFM3-1.7B, LFM2.5-24B-A2B et la série LFM2.5-230M / 350M couvrent du routage simple au raisonnement compact, en GGUF, MLX, ONNX, Ollama, llama.cpp, LM Studio, vLLM ou SGLang.

Licence : gratuite pour un usage commercial jusqu’à 10 M$ de revenu annuel, ensuite contrat.

Usage : premier filtre d’une cascade, résumé, tags, extraction de champs.

Exécuter partout

LiteRT-LM (Google) est la couche d’exécution qui porte ces modèles sur Android, iOS, Web, desktop et IoT, avec accélération GPU et NPU.

À jour : SDK Web, modèles ASR et TTS (Qwen3-ASR, Kokoro, Qwen3-TTS), masquage de logits accéléré, API C 1.0.0.

Usage : une seule base de code pour le poste, le téléphone et le navigateur, sans serveur intermédiaire.

La cascade, motif de routage de 2026

Le bon réflexe n’est pas de choisir un modèle unique, mais d’ordonner trois étages : un petit modèle décide, un modèle moyen rédige, un modèle fort arbitre les cas difficiles. La confiance sert de signal de passage, pas le hasard.

routage_pseudo.txt
decision = jev.classify(ticket, ["critique", "haute", "moyenne", "basse"])

si decision.confidence < 0.8      -> revue humaine
sinon si decision.label == "critique" -> agent + approbation
sinon                                 -> file standard (petit modele)
Ce que ça change pour le budget : un ticket traité par un modèle de décision coûte une fraction d’un appel à un modèle généraliste, et l’escalade devient un choix explicite. Mesurez le taux d’escalade avant de promettre un coût par ticket : c’est lui qui décide de la facture réelle.
Pourquoi maîtriser ça pour l’automatisation ?
Si vous ne comprenez pas les Tokens, vous exploserez votre budget API. Si vous ne comprenez pas le RAG, vos bots de support diront n’importe quoi. Si vous ne structurez pas vos Prompts, n8n ne pourra pas parser le JSON de réponse.