Publié dans CyberSphere Magazine – Dossier spécial Intelligence Artificielle
Journaliste : Beaucoup de personnes utilisent désormais ChatGPT, Claude ou des modèles locaux sans réellement comprendre leur fonctionnement. Comment expliquez-vous un LLM à quelqu'un qui débute ?
Romane Maltnoy : La plupart des gens imaginent une intelligence qui réfléchit comme un humain.
En réalité, un LLM est une gigantesque machine statistique.
Son objectif principal est extrêmement simple : prédire le prochain token le plus probable à partir du contexte précédent.
Lorsque vous lui demandez quelque chose, il ne cherche pas la vérité.
Il cherche la suite de texte qui semble la plus cohérente compte tenu de son entraînement.
Journaliste : Comment un modèle apprend-il ?
Romane Maltnoy : Imaginez des milliards de pages web, livres, documentations techniques, forums et conversations.
Le modèle lit tout cela et tente continuellement de deviner le mot suivant.
Lorsqu'il se trompe, les poids du réseau neuronal sont ajustés.
Après plusieurs milliers de milliards d'itérations, il développe une représentation mathématique du langage.
Ce n'est pas de la mémoire au sens humain.
C'est une compression statistique gigantesque de connaissances et de relations.
Journaliste : Pourquoi certaines IA semblent plus intelligentes que d'autres ?
Romane Maltnoy : Trois facteurs principaux :
- la qualité des données d'entraînement ;
- la taille du modèle ;
- la qualité du fine-tuning.
Un modèle entraîné sur des données médiocres restera médiocre même avec davantage de paramètres.
À l'inverse, un modèle plus petit mais mieux entraîné peut surpasser un concurrent beaucoup plus lourd.
Journaliste : Vous utilisez encore des modèles locaux ?
Romane Maltnoy : Tous les jours.
Les modèles cloud sont pratiques mais les modèles locaux offrent un contrôle total.
Pour l'expérimentation, l'audit de prompts, la confidentialité ou le développement d'agents spécialisés, ils restent incontournables.
Journaliste : Beaucoup de hackers utilisent LM Studio. Pourquoi ?
Romane Maltnoy : Parce qu'il permet de faire tourner des modèles localement en quelques minutes.
Vous téléchargez un modèle GGUF, vous le chargez dans LM Studio et vous disposez immédiatement d'une API compatible OpenAI.
Pour prototyper rapidement, c'est extrêmement efficace.
Journaliste : Pouvez-vous montrer un exemple ?
Romane Maltnoy : Bien sûr.
from openai import OpenAI client = OpenAI( base_url="http://localhost:1234/v1", api_key="lm-studio" ) response = client.chat.completions.create( model="local-model", messages=[ {"role":"system","content":"You are an SEO expert."}, {"role":"user","content":"Explain canonical tags"} ] ) print(response.choices[0].message.content) Ce code utilise simplement l'API locale exposée par LM Studio.
Journaliste : Et pour charger un modèle directement en Python ?
Romane Maltnoy :
from transformers import AutoTokenizer from transformers import AutoModelForCausalLM model_name = "Qwen/Qwen3-8B" tokenizer = AutoTokenizer.from_pretrained(model_name) model = AutoModelForCausalLM.from_pretrained( model_name, device_map="auto" ) prompt = "Explain machine learning" inputs = tokenizer(prompt, return_tensors="pt") output = model.generate( **inputs, max_new_tokens=200 ) print(tokenizer.decode(output[0]))
C'est une version simplifiée, mais elle montre le principe fondamental.
Journaliste : Comment les IA sont-elles spécialisées ?
Romane Maltnoy : Principalement grâce au fine-tuning.
On prend un modèle généraliste et on lui présente un corpus spécialisé :
- SEO ;
- droit ;
- finance ;
- cybersécurité ;
- médecine ;
- support client.
Le modèle conserve ses connaissances générales mais développe une expertise supplémentaire sur un domaine particulier.
Journaliste : Quelle est l'erreur la plus fréquente des utilisateurs ?
Romane Maltnoy : Croire que l'IA sait.
Une IA ne sait rien.
Elle prédit.
Cette différence paraît minuscule.
Elle change pourtant absolument tout.
Journaliste : Quel avenir voyez-vous pour les LLM ?
Romane Maltnoy : Nous allons assister à la disparition progressive du modèle unique.
Demain, chacun possédera plusieurs IA spécialisées :
- une IA juridique ;
- une IA financière ;
- une IA médicale ;
- une IA personnelle ;
- une IA professionnelle.
Le véritable enjeu ne sera plus de posséder l'IA la plus puissante.
Il sera de posséder les meilleures données et les meilleurs workflows autour de cette IA.
Journaliste : Une dernière phrase pour nos lecteurs ?
Romane Maltnoy :
La révolution de l'intelligence artificielle ne concerne pas les modèles. Elle concerne les personnes qui apprennent à travailler avec eux avant les autres.
