C'est quoi l'IA générative, expliqué simplement

Ce que générative change, avec un exemple tout simple

Imagine ta messagerie. Un filtre repère les messages indésirables : il range les mails dans une catégorie. Maintenant, tu demandes à un assistant de préparer une réponse à un fournisseur. Il compose un texte. C'est cette production qui donne son nom à l'IA générative. Je trouve cet exemple plus parlant qu'une longue définition.

L'IA classique désigne souvent, par raccourci, des systèmes conçus pour reconnaître, prévoir ou classer. Ce n'est pas une frontière étanche. Un système génératif peut aussi classer des messages ou analyser un document. La différence utile, pour toi, c'est la tâche demandée et la manière dont tu contrôleras le résultat.

Je peux demander une explication, une reformulation ou une proposition d'affiche. Dans chaque cas, j'obtiens une sortie construite pour ma demande. Nouveau ne veut pas automatiquement dire original, exact ou utilisable tel quel. Une fiche produit peut être rédigée spécialement pour toi et contenir une caractéristique inventée.

Pour te repérer, je range les autres notions dans mes repères sur l'IA générative. Des pages dédiées préciseront la définition générale de l'intelligence artificielle et la différence avec les systèmes classiques. Pour l'instant, prends un logiciel que tu connais et demande-toi s'il reconnaît quelque chose, s'il produit quelque chose, ou s'il fait les 2.

Télécharger en PNGÉpingler sur PinterestReprendre ce schéma (code avec source)

Comment une IA apprend puis produit une réponse

Un modèle, c'est le système entraîné qui produit le résultat. Pendant l'entraînement, il ajuste ses paramètres, c'est-à-dire ses réglages internes, à partir de nombreux exemples. Il apprend des relations dans les données. Je ne le vois donc pas comme quelqu'un qui aurait lu tous les livres puis vérifierait ses souvenirs avant de parler.

Pour le texte, un grand modèle de langage, souvent abrégé LLM, construit une suite de petits morceaux appelés tokens. Un token peut correspondre à un mot ou à une partie de mot. Le contexte oriente ce qu'il produit ensuite. Cette mécanique peut aboutir à une explication élaborée, mais elle ne constitue pas à elle seule une vérification des faits.

Pour l'image, certaines familles utilisent la diffusion : elles apprennent à transformer progressivement du bruit visuel en image guidée par une consigne. Je retiens l'idée de construction progressive, sans prétendre que tous les générateurs suivent exactement la même recette. Adobe décrit ce fonctionnement dans sa présentation des modèles de diffusion.

Quand tu colles un document dans une conversation, tu lui fournis du contexte pour cette réponse. Tu n'entraînes pas automatiquement son modèle de base à chaque message. Le stockage et une éventuelle réutilisation par le fournisseur sont encore une autre question, qui dépend du service et de ses réglages.

Une recherche sur le web peut apporter des informations récentes à un assistant. Ça ne transforme pas chaque phrase en fait vérifié : il peut mal lire la page ou mélanger les sources. Je compare toujours la réponse au passage qui est censé la justifier.

Télécharger en PNGÉpingler sur PinterestReprendre ce schéma (code avec source)

Texte, image, son, vidéo et code dans une activité réelle

Pour du texte, je peux demander un brouillon d'e-mail, des questions d'entretien ou une synthèse. Pour une image, une piste d'affiche ou une mise en scène. Pour du son, une voix synthétique ; pour de la vidéo, une séquence ; pour du code, une fonction à tester. Le mot multimodal signifie simplement qu'un modèle traite plusieurs formes de données, par exemple texte et image.

Sur Quel Canapé, mon premier site d'affiliation, j'ai repris le travail avec Claude Code et Codex. J'y ai notamment ajouté des images par coloris et des filtres plus précis. Dans mon Carnet d'octobre, je raconte aussi mon contrôle des rendus : un juge IA les note sur 10, et sous 7 je conserve la photo réelle. Je ne remplace pas une photo utile juste parce qu'une génération est disponible.

Ça montre aussi la différence entre un modèle, un assistant de discussion et un agent. Le modèle produit ou interprète du contenu. L'assistant te permet d'échanger avec lui. Un agent associe ce modèle à des outils pour enchaîner des actions, selon les accès qu'on lui donne. Générer une description et la publier sur un site sont des opérations différentes.

Sur Brunelia, ma boutique d'affiches, j'ai un catalogue de 1 400 visuels, dont 400 à 500 issus d'une IA moins performante que je veux remplacer. Je l'ai raconté dans mon Carnet : ces anciennes images pénalisent la présentation des produits. Produire beaucoup ne dispense pas de regarder ce que le visiteur voit réellement.

Des pages spécifiques détailleront les usages quotidiens et les formats texte, image, son et vidéo. Si tu veux ensuite comparer les solutions, passe par ma boîte à outils. Commence avec un exemple représentatif de ton activité, pas avec une démonstration choisie parce qu'elle impressionne.

Ma méthode pour obtenir un premier résultat utile

Je partirais d'un texte public que tu as déjà écrit, par exemple la présentation d'un service. Tu sais ce que tu proposes, tu peux repérer une invention et tu n'as pas besoin de transmettre un dossier client. La consigne que tu tapes s'appelle parfois un prompt. C'est simplement ta demande, avec les informations qui permettent de la comprendre.

Voici une demande à adapter : « À partir du texte ci-dessous, prépare une présentation de mon service pour un entrepreneur débutant. Reprends uniquement les faits fournis. Commence par son problème, explique ce que je propose et termine par l'action suivante. Signale les informations manquantes au lieu de les inventer. Garde un ton direct et des paragraphes courts. » Puis ajoute ton texte.

Dans Building a StoryBrand, Donald Miller explique son cadre SB7 : le client poursuit un objectif, rencontre un problème et reçoit l'aide d'un guide qui lui propose un plan. C'est une méthode de construction du message, pas une consigne pour faire passer ta marque avant le lecteur. Pour ton essai, précise le problème de ton client avant de demander une présentation de ton entreprise.

Je te propose une application concrète : si tu aides des artisans à préparer leurs devis, donne le problème réel, ton service et l'action suivante. Demande un texte centré sur la préparation du devis, puis vérifie qu'il n'ajoute pas une promesse de résultat que tu n'as jamais faite. Le cadre du livre aide à orienter le message ; les faits viennent de toi.

Relis ensuite la proposition à côté de ton document. Je corrigerais une consigne floue avant de demander une nouvelle version complète. Si le résultat sonne trop publicitaire, montre une phrase qui te ressemble et demande de retirer les adjectifs sans preuve. Garde la version de départ pour pouvoir comparer les changements.

Télécharger en PNGÉpingler sur PinterestReprendre ce schéma (code avec source)

Les limites que je contrôle avant de publier

Une hallucination, dans ce contexte, c'est une réponse inventée présentée comme si elle était fondée. Elle peut prendre la forme d'une référence absente, d'un prix périmé ou d'un détail produit ajouté. Je ne demande pas seulement à l'IA si elle est sûre. Je cherche la source et je regarde si elle contient vraiment l'information.

Pour les images, je compare les détails au besoin réel : l'objet doit garder sa forme, un geste doit rester plausible, les éléments demandés doivent être présents. Une image agréable ne suffit pas à représenter fidèlement un produit. Pour le code, le contrôle passe par l'exécution et des essais adaptés ; sa lecture ne prouve pas qu'il fonctionne.

Je surveille aussi les biais : un outil peut reproduire une association trompeuse entre un métier et un profil humain, par exemple. Et un résultat généré peut ressembler à une création existante. Je n'assimile pas la génération à un feu vert pour reprendre une marque, une œuvre ou la voix d'une personne.

Sur les données, mon conseil de départ est simple : utilise du public ou du fictif pour apprendre. La CNIL recommande de définir les usages permis et les données qui peuvent être fournies selon le déploiement retenu. Les règles d'un outil grand public et celles d'un service configuré pour une entreprise peuvent différer. Je vérifie le cadre avant de transmettre du confidentiel.

Il reste aussi un coût matériel : entraîner et faire fonctionner ces systèmes mobilise des machines et de l'électricité. Je ne te donne pas une consommation universelle par question, elle dépend du modèle et de l'usage. Avant de lancer un lot d'images, précise ce que tu veux tester pour éviter les générations sans but.

Télécharger en PNGÉpingler sur PinterestReprendre ce schéma (code avec source)

Choisir un usage que tu auras envie de garder

Je ne choisirais pas ton premier usage avec un classement général des outils. Pars de ce que tu dois livrer : une réponse claire, un visuel fidèle, un document exploitable. Le bon essai te laisse constater une différence. Je te propose un calcul fictif juste après le guide pour compter aussi le temps de préparation et de correction.

Dans The Lean Startup, Eric Ries explique la boucle construire, mesurer, apprendre. Le produit minimum viable est une première version suffisante pour tester une hypothèse auprès du public concerné. Pour ton exercice avec l'IA, je reprends cette méthode : prépare une présentation courte, montre-la à un lecteur et demande-lui ce qu'il a compris de ton service.

Si sa réponse ne correspond pas à ce que tu vends, produire davantage de variantes ne résout pas forcément le problème. Change l'information de départ ou le message, puis refais le test. Je préfère ce retour concret à un avis de l'IA sur la qualité de son propre texte. Tu peux aussi comparer une version écrite sans assistance.

Dans Atomic Habits, James Clear explique l'empilement des habitudes : rattacher un nouveau geste à une habitude existante. La méthode consiste à définir le déclencheur et l'action qui suit. Je te propose de l'appliquer ainsi : après avoir préparé ta présentation habituelle, fais un essai de reformulation sur une copie et compare le résultat avant d'envoyer quoi que ce soit.

Tu n'as pas besoin de connaître toute l'histoire technique pour commencer. Une page reviendra sur les grandes étapes qui ont rendu ces outils accessibles. Pour ton prochain essai, garde surtout la demande, le document utilisé et les corrections : tu auras enfin de quoi comparer ton résultat quand tu changeras de méthode.

Télécharger en PNGÉpingler sur PinterestReprendre ce schéma (code avec source)

Situe ton usage sans courir après les autres

Dans le Baromètre France Num 2025, 22 % des TPE PME françaises déclarent utiliser l’IA générative. Je te donne ce repère pour situer le sujet, pas pour te pousser à t’équiper. À toi de choisir : quelle tâche de ton activité mériterait un essai, et laquelle préfères-tu garder telle quelle ?

Télécharger en PNGÉpingler sur PinterestReprendre ce schéma (code avec source)

À toi de jouer sur une copie

Choisis maintenant un texte public que tu connais. Je te propose de garder l’original ouvert et de faire ton essai sur une copie. Avant d’envoyer le résultat, souligne une information que tu as contrôlée et une correction que tu as faite : tu verras exactement où ton intervention reste utile.

Télécharger en PNGÉpingler sur PinterestReprendre ce schéma (code avec source)