Depuis l’annonce de GPT-4 le 14 mars, j’entends deux positions tranchées. Soit le modèle aurait enfin compris le monde, soit il ne ferait que répéter des mots sans valeur. Aucun slogan n’aide à décider où l’utiliser.

GPT-4 appartient à la famille des transformers. Une consigne est découpée en tokens, transformée en vecteurs et traitée par des couches d’attention qui relient les éléments du contexte. Le modèle produit une distribution pour le prochain token, en choisit un, puis recommence. L’entraînement ajuste des milliards de paramètres pour mieux prédire le texte; l’ajustement sur des instructions et du feedback humain oriente ensuite le comportement.

contexte → tokens → attention/transformations → P(prochain token)
                                             → token choisi
                                             → nouveau contexte → boucle

Dire « seulement le prochain mot » minimise les capacités qui émergent de cette échelle : traduction, code, synthèse et suivi de consignes. Transformer ces capacités en connaissance garantie fait l’erreur inverse. Le modèle peut produire la forme d’une référence, d’un calcul ou d’une règle sans avoir vérifié son existence.

Une démo aux décideurs devrait montrer le contraste. Je demanderais d’abord une reformulation où les faits sont fournis, puis une liste de publications très précises sur un sujet obscur. La première peut accélérer un brouillon; la seconde peut inventer avec le même aplomb. Ensuite j’ouvre chaque lien, je refais le calcul et je montre le temps de validation.

Choisir le contrôle selon la conséquence

Usage	Erreur tolérable	Contrôle
idées de titres	élevée	sélection humaine
résumé interne	faible sur faits clés	citations et comparaison source
code	faible	tests, revue, analyse de sécurité
calcul financier	très faible	moteur déterministe et rapprochement
action client	très faible	règle métier, autorisation, approbation

Le modèle peut appeler un outil de recherche ou de calcul lorsqu’une application l’orches­tre, mais la sortie de l’outil doit rester séparée de la prose générée. Le code valide les arguments, limite les permissions et vérifie le résultat. Le modèle ne reçoit jamais un droit d’administration général parce qu’il sait produire du JSON.

Pour un pilote, je définis :

1. données autorisées et moyen d’authentification;
2. tâche étroite et sortie structurée si possible;
3. jeu de questions avec réponses attendues et cas sans réponse;
4. seuil de qualité et erreurs qui arrêtent le test;
5. revue humaine et trace des sources;
6. coût, latence et limite de débit;
7. comportement lors d’une panne ou d’un changement de version;
8. bouton de désactivation qui laisse le processus fonctionner.

La sécurité des données reste simple à expliquer : une information sensible demeure sensible dans une interface d’IA. Les prompts peuvent contenir des instructions malveillantes lorsqu’ils incluent du contenu externe. Je sépare texte non fiable, instructions système et actions; un document ne peut pas accorder lui-même une permission.

Au 31 mars 2023, je ne sais pas jusqu’où GPT-4 ira. Ma pratique de dirigeant est de décrire une capacité, une frontière de données et une preuve de qualité plutôt que « l’IA comprend ». Une réponse plausible devient utile lorsqu’un mécanisme vérifiable la relie à une source, un calcul ou une décision dont quelqu’un demeure responsable.