Le choix des tokens
Avec l’échantillonnage, plusieurs tokens plausibles peuvent être tirés selon leur probabilité.
Une demande, plusieurs chemins
Pourquoi une IA ne répond-elle pas toujours pareil ?
Une IA générative ne récite pas nécessairement une réponse enregistrée. Elle construit sa réponse étape par étape parmi plusieurs suites possibles.
À retenirDifférent ne signifie pas forcément faux. Identique ne signifie pas forcément vrai.
« Pour mieux comprendre… »
un exemple 82 %une image 58 %une comparaison 37 %une définition 18 %
Illustration pédagogique : les pourcentages ne proviennent pas d’un modèle réel.Le laboratoire des réponses
Observez ce que change le niveau de variation
La démonstration est illustrative : elle montre le principe sans appeler une IA réelle.
Demande« Trouve un titre pour une initiation à l’intelligence artificielle. »
Quatre causes principales
La variation ne vient pas seulement de la température
Le contexte
Un message précédent, une préférence ou un document retrouvé peut orienter la réponse.
Les réglages
Température, top-p, longueur et stratégie de décodage changent les possibilités retenues.
Le système
Une mise à jour du modèle, des instructions internes ou des outils connectés peut modifier le résultat.
Le thermostat n’est qu’une image
La température règle la dispersion, pas la vérité
Dans les systèmes qui exposent ce réglage, une température basse concentre davantage le choix sur les tokens les mieux classés. Une température plus haute répartit davantage les chances entre plusieurs possibilités.
Attention au raccourci
Une température basse peut rendre un texte plus stable sans le rendre exact. Une erreur très probable peut simplement être répétée avec assurance.
Faibleplus resserréextraction, classement, format régulier
Moyenneplus soupleexplication, reformulation, échange
Élevéeplus diversifiéidées, variantes, exploration créative
Le bon réglage dépend de la tâche et tous les services ne le rendent pas accessible.
Choisir selon le besoin
Quand la variation aide — et quand elle gêne
- Trouver plusieurs idées ou titres
- Explorer différents tons
- Comparer plusieurs explications
- Débloquer une phase créative
- Extraire une donnée précise
- Appliquer une règle constante
- Comparer automatiquement des résultats
- Reproduire un test ou un audit
Tester proprement
Six réflexes pour obtenir un résultat plus comparable
- 01
Gardez exactement la même consigne.
Un mot différent peut modifier le résultat. - 02
Conservez le même contexte.
Historique et documents doivent rester identiques. - 03
Notez le modèle et sa version.
Une mise à jour peut changer le comportement. - 04
Fixez les réglages disponibles.
Température, top-p, longueur ou graine lorsqu’ils existent. - 05
Répétez plusieurs fois.
Un seul essai ne mesure pas la stabilité. - 06
Évaluez avec des critères précis.
Exactitude, format, sources et informations manquantes.
Quatre idées à corriger
La stabilité n’est pas la fiabilité
Plusieurs formulations ou démarches peuvent être valables.
Le comportement exact dépend du système et peut évoluer avec son infrastructure ou sa version.
Une erreur commune peut apparaître de façon très stable.
Choisir la réponse qui nous plaît augmente le risque de confirmer notre propre idée.
Sources de référence
Pour approfondir
Ces documentations expliquent comment les stratégies de génération sélectionnent les tokens et comment les principaux réglages influencent les sorties.
Pour mieux comparer
Apprenez à vérifier le fond, pas seulement la formulation.
Comprendre une notion
Gardez le fil de votre apprentissage.
Une étape courte et clairement reliée à ce que vous venez de lire.