ChatGPT qui rédige un mail, un générateur qui crée une image à partir d'une phrase, un outil qui produit une courte vidéo : tout ça, c'est de l'IA générative. Le mot est partout, mais on explique rarement ce qui se passe vraiment à l'intérieur.

Bonne nouvelle : pas besoin de mathématiques pour comprendre l'essentiel. Et une fois que tu as compris le principe, tu sais pourquoi ces outils sont si bons sur certaines tâches, pourquoi ils se trompent sur d'autres, et comment mieux t'en servir.

Une IA qui produit, au lieu de classer

Pendant longtemps, l'IA servait surtout à reconnaître ou à trier : est-ce que ce mail est un spam, est-ce que cette photo contient un chat, quel film te recommander. Elle répondait par une étiquette ou un score.

L'IA générative fait autre chose : elle produit du contenu nouveau. Un texte, une image, un son, une vidéo, du code. Tu lui donnes une consigne (le prompt), elle fabrique quelque chose qui n'existait pas, en s'appuyant sur tout ce qu'elle a appris pendant son entraînement.

Pour le texte : prédire le morceau suivant

Les assistants comme ChatGPT, Claude, Gemini ou Le Chat reposent sur un grand modèle de langage. Son principe de base est étonnamment simple : prédire la suite la plus probable d'un texte.

Le modèle ne lit pas des mots entiers mais des tokens, des morceaux de texte : un mot court, une partie de mot long, un signe de ponctuation. À chaque étape, il calcule quels tokens ont le plus de chances de venir ensuite, en choisit un, l'ajoute au texte, puis recommence. Une réponse de trois paragraphes, c'est des centaines de prédictions enchaînées.

Ça paraît limité, et pourtant cette capacité devient très large : pour bien prédire la suite d'une explication, d'un raisonnement ou d'un programme, le modèle a dû capter énormément de régularités sur la langue et le monde. D'où sa capacité à reformuler, résumer, traduire, planifier ou écrire du code.

Mais retiens la conséquence principale : le modèle génère, il ne consulte pas. Il produit ce qui est plausible, pas ce qui est vérifié.

Pour les images : partir du bruit

Les générateurs d'images fonctionnent autrement. La plupart utilisent des modèles de diffusion. Pendant l'entraînement, on prend des images, on y ajoute progressivement du bruit (comme de la neige sur un vieil écran) jusqu'à ce qu'elles soient méconnaissables, et le modèle apprend à faire le chemin inverse : retirer le bruit étape par étape.

Quand tu demandes une image, le générateur part d'un bruit aléatoire et le « nettoie » petit à petit, en se laissant guider par ton texte. C'est pour ça que deux essais avec le même prompt ne donnent jamais la même image : le bruit de départ change.

Et c'est aussi pour ça qu'il vaut mieux décrire des faits visuels (sujet, décor, cadrage, lumière) plutôt que des envies (« une image qui claque ») : le modèle a appris à relier des descriptions concrètes à des formes. La grille en 5 couches pour réussir tes images part exactement de ce principe. Pour passer à la pratique, suis le guide pour générer une image avec l'IA, puis la méthode pour créer une vidéo avec l'IA.

Deux moments différents : l'entraînement et l'utilisation

On confond souvent les deux.

L'entraînement a lieu avant que tu utilises l'outil. Le modèle est exposé à d'énormes quantités de textes ou d'images et ajuste ses paramètres internes pour mieux prédire. C'est long, coûteux, et fait par l'entreprise qui crée le modèle. À la fin, ses connaissances sont figées à une certaine date.

L'utilisation (on parle aussi d'inférence), c'est quand tu poses ta question. Le modèle n'apprend rien de nouveau à ce moment-là : il applique ce qu'il a appris pour générer une réponse. Il ne connaît donc pas l'actualité postérieure à son entraînement, sauf si l'outil lui ajoute une recherche web ou des documents que tu fournis.

Petite nuance : certains services peuvent utiliser tes conversations pour entraîner de futurs modèles, selon tes réglages. C'est un paramètre de confidentialité à vérifier dans ton outil.

Ce que l'IA générative fait bien

  • Produire un premier jet : un mail, un plan, une description, une idée de visuel.
  • Reformuler et adapter : changer de ton, simplifier, raccourcir, traduire.
  • Résumer et structurer un texte que tu lui donnes.
  • Proposer des variantes : dix titres, cinq angles, trois styles d'image.
  • Expliquer un concept à ton niveau, et répondre à tes relances.

Dans tous ces cas, tu restes capable de juger le résultat. C'est le point commun des bons usages.

Ce qu'elle fait mal

  • Les faits précis : chiffres, dates, citations, références. Elle peut les inventer avec aplomb.
  • Le récent : sans recherche web, elle ignore ce qui s'est passé après son entraînement.
  • Le calcul exact et la logique longue, même si les modes raisonnement progressent.
  • En image : les mains, le texte dans l'image, les logos et la cohérence d'un personnage d'une image à l'autre restent des pièges classiques.

Les hallucinations, conséquence directe

Puisque le modèle produit du plausible, il lui arrive de produire du plausible faux : une source qui n'existe pas, un chiffre inventé, une biographie mélangée. On appelle ça une hallucination. Ce n'est pas un bug qu'on corrigera un jour d'un coup : c'est un effet du fonctionnement même. Les outils s'améliorent, mais le réflexe de vérification reste indispensable. Tout est détaillé dans pourquoi ChatGPT invente des choses.

Un prompt utile pour garder la main :

Réponds à ma question, puis ajoute une section « À vérifier » qui liste chaque chiffre, date, nom ou référence de ta réponse dont tu n'es pas certain. Si tu ne sais pas, dis-le plutôt que de deviner. <question> [ta question] </question>

Tester toi-même le principe

Le meilleur moyen de comprendre, c'est d'observer. Pose la même question deux fois dans deux conversations différentes et compare : les réponses varient, preuve que le modèle génère au lieu de réciter. Puis demande-lui de t'expliquer son propre fonctionnement :

Explique-moi comment tu génères tes réponses, comme à quelqu'un qui n'a jamais fait d'informatique. Utilise une comparaison de la vie quotidienne, en moins de 150 mots. Puis donne-moi trois exemples de questions sur lesquelles je devrais me méfier de ta réponse, et explique pourquoi.

Côté image, lance le même prompt trois fois dans un générateur. Les trois résultats différents te montrent le rôle du bruit de départ.

Pour aller plus loin

Sur Ovrelia, l'île Prisme te fait comprendre d'où viennent les images générées : comment un générateur transforme un bruit en image, quelles familles d'outils existent, et pourquoi il faut décrire des faits visuels plutôt que des envies. Le premier chapitre, « Du bruit à l'image », est gratuit et se joue dans ton navigateur, sans compte : le jouer maintenant.

Pour passer à la pratique côté texte, commence par comment faire un bon prompt ChatGPT. Et si tu veux voir ce qui se passe quand une IA générative ne se contente plus de répondre mais agit, lis agent IA : c'est quoi, concrètement ?. Pour tester tes connaissances, lance le défi entre amis : dix questions chronométrées sur l'IA, et un score à battre.

L'IA générative se décline en plusieurs familles d'outils (assistants de texte, image et vidéo, code, automatisation). Pour t'entraîner à reconnaître laquelle convient à une tâche donnée, joue au mini-jeu gratuit Quelle IA pour quoi ?.

Questions fréquentes

Quelle est la différence entre l'IA et l'IA générative ?

L'IA est un domaine large qui comprend aussi des systèmes qui classent, trient ou recommandent. L'IA générative est la partie qui produit du contenu nouveau : texte, image, son, vidéo ou code, à partir d'une consigne.

Comment ChatGPT génère-t-il ses réponses ?

Il découpe le texte en tokens et prédit, étape par étape, le morceau le plus probable qui vient ensuite, en s'appuyant sur ce qu'il a appris pendant son entraînement. Il produit donc une suite plausible, pas une information vérifiée.

Est-ce que l'IA générative apprend pendant que je l'utilise ?

Non, pas au sens de son entraînement : quand tu poses une question, le modèle applique ce qu'il a déjà appris. Certains outils retiennent des informations grâce à une mémoire, et certains services peuvent utiliser tes conversations pour entraîner de futurs modèles selon tes réglages de confidentialité.

Pourquoi deux images générées avec le même prompt sont-elles différentes ?

La plupart des générateurs d'images partent d'un bruit aléatoire qu'ils nettoient progressivement en suivant ton texte. Comme ce bruit de départ change à chaque essai, le résultat change aussi.