Large Language Model (LLM) désigne un modèle de machine learning entraîné sur de grands corpus afin de prédire et générer des séquences de langage ou de code.
Définition simple
Large Language Model (LLM) désigne un modèle de machine learning entraîné sur de grands corpus afin de prédire et générer des séquences de langage ou de code. Ce terme appartient au vocabulaire IA / Data et aide à comprendre les schémas d’architecture, documentations produit, journaux et procédures d’administration.
À quoi ça sert ?
Son objectif principal est de produire, transformer, résumer ou analyser du texte et servir de moteur à des assistants et applications conversationnelles. Son intérêt pratique dépend de l’architecture, du modèle de sécurité et des contraintes d’exploitation autour du composant.
Comment ça fonctionne ?
Un LLM tokenize l’entrée, calcule des représentations contextuelles avec un réseau neuronal de type transformer puis génère des tokens successifs selon des probabilités conditionnelles.
Points clés
- Périmètre : Un modèle de machine learning entraîné sur de grands corpus afin de prédire et générer des séquences de langage ou de code.
- Objectif opérationnel : Produire, transformer, résumer ou analyser du texte et servir de moteur à des assistants et applications conversationnelles.
- Mécanisme : Un LLM tokenize l’entrée, calcule des représentations contextuelles avec un réseau neuronal de type transformer puis génère des tokens successifs selon des probabilités conditionnelles.
Points d’attention
Un LLM peut halluciner ou reproduire des biais ; utilisez validation, sources, limites d’outils et contrôles humains pour les usages sensibles.
En résumé
Large Language Model (LLM) = un modèle de machine learning entraîné sur de grands corpus afin de prédire et générer des séquences de langage ou de code. On le rencontre lorsqu’il faut produire, transformer, résumer ou analyser du texte et servir de moteur à des assistants et applications conversationnelles.