Aller au contenu
IA & automatisation

LLM (grand modèle de langage) : définition

Aussi appelé : Large Language Model, grand modèle de langage, modèle de langage, modèle de fondation.

Mis à jour le

Rédigé par

Schéma d'un LLM : entraîné sur d'immenses volumes de textes, le modèle de langage produit une réponse en prédisant le mot suivant le plus probable.
LLM : un modèle entraîné sur des textes qui prédit la suite d'une phrase

Définition

Un LLM (grand modèle de langage) est une IA entraînée sur d'immenses volumes de textes pour comprendre et produire du langage : répondre, résumer, rédiger.

LLM signifie « Large Language Model ». C'est le moteur des assistants conversationnels comme Claude ou ChatGPT, et plus largement de l'IA générative appliquée au texte. Les modèles les plus récents traitent aussi des images, des documents et parfois de l'audio.

En détail

Un LLM fonctionne en deux temps :

  • l'entraînement : le modèle apprend, sur une énorme quantité de textes, à prédire la suite la plus probable d'une séquence. Il est ensuite affiné pour suivre des consignes, dialoguer et refuser certaines demandes ;
  • l'utilisation : on lui envoie un texte (la consigne, ou prompt, et le contexte), qu'il découpe en tokens, puis il génère une réponse token par token.

Il ne « cherche » pas une réponse dans une base de données : il la construit. Cette construction le rend souple, mais aussi capable d'erreurs assurées, les hallucinations.

Pour l'adapter à une entreprise, trois leviers existent, du plus simple au plus lourd :

  • le prompt : instructions précises, ton, règles, exemples ;
  • le RAG : on fournit au modèle, à chaque question, les extraits pertinents de vos documents ;
  • le fine-tuning : on réentraîne partiellement le modèle sur vos données, pour des besoins spécifiques.

Un LLM peut aussi appeler des outils (consulter un agenda, créer un contact) : on parle alors d'agent IA. Notre article sur les tâches à confier à un agent IA en PME en donne des exemples.

Exemple (cas type)

Imaginons une entreprise de location de camping-cars qui reçoit chaque jour des dizaines de questions : permis nécessaire, animaux acceptés, franchise, disponibilités. Elle pourrait installer sur son site un chatbot reposant sur un LLM.

Le modèle recevrait un prompt fixant son rôle et ses limites, les conditions générales et la FAQ de l'entreprise, ainsi qu'un accès en lecture au planning. Il répondrait en langage naturel, dans la langue du client. Pour toute question contractuelle, il proposerait de transmettre la demande à un conseiller. L'équipe suivrait le coût mensuel des appels au modèle pour le comparer au temps économisé.

Points d'attention

Utiliser un LLM en entreprise suppose de choisir un modèle adapté à la tâche, de protéger les données et de surveiller les coûts.

  • Choisir le bon modèle : le plus puissant n'est pas toujours nécessaire ; on arbitre entre qualité, rapidité et coût selon la tâche.
  • Données : privilégiez les offres professionnelles où vos échanges ne servent pas à entraîner le modèle, avec un contrat conforme au RGPD.
  • Contrôle : fournissez les informations de référence, limitez le périmètre, prévoyez un relais humain.
  • Coûts : mesurez la consommation de tokens et fixez des plafonds.
  • Dépendance : une architecture qui permet de changer de modèle évite d'être captif d'un fournisseur.

Pour aller plus loin

Pour un exemple chiffré, lisez chatbot IA pour site internet : à quoi ça sert, combien ça coûte. Dopinet s'appuie sur des modèles de pointe comme Claude pour ses solutions d'automatisation IA et ses chatbots pour site web.

LLM (grand modèle de langage) : vos questions.

Quels sont les principaux LLM ?

Parmi les plus utilisés figurent Claude (Anthropic), GPT (OpenAI), Gemini (Google), Llama (Meta) et les modèles de Mistral AI, entreprise française. Certains sont accessibles uniquement via une API, d'autres peuvent être installés sur ses propres serveurs.

Un LLM connaît-il les informations de mon entreprise ?

Non, pas par défaut. Il ne connaît que ce qu'il a appris pendant son entraînement, jusqu'à une certaine date. Pour qu'il réponde à partir de vos tarifs ou procédures, il faut lui fournir ces informations, par exemple avec la technique du RAG.

Combien coûte l'utilisation d'un LLM ?

Via une API, la facturation se fait généralement au volume de tokens traités en entrée et en sortie, avec des prix très variables selon la puissance du modèle. Pour un chatbot de PME, le coût d'usage est souvent modeste comparé au temps gagné, mais il faut le mesurer et le plafonner.

Besoin d'aide sur ce sujet ?

Parlez-nous de votre projet : réponse rapide et devis détaillé.