LLM : ce qu'est un grand modèle de langage, et ce que ça change à ta façon de t'en servir
Un LLM (grand modèle de langage) prédit la suite d'un texte. Ce qu'il sait faire, ce qu'il ne sait pas, et ce que ça change pour ton travail.
8 min de lecture
# LLM : ce qu'est un grand modèle de langage, et ce que ça change à ta façon de t'en servir
Un LLM (large language model, en français grand modèle de langage) est un modèle d'IA entraîné sur de très grands volumes de texte pour prédire la suite d'une séquence de mots. C'est le moteur de ChatGPT, Claude, Gemini ou Le Chat. Un agent IA s'en sert pour agir.
Vérifié le 21/10/2026 sur les sources officielles citées.
L'essentiel à retenir :
- Un LLM ne « sait » pas au sens humain : il calcule la suite la plus probable d'un texte. Cette seule idée explique la plupart de ses forces et de ses erreurs.
- Le modèle n'est pas l'application. ChatGPT ou Le Chat sont des applications construites sur un ou plusieurs modèles.
- Il rédige, reformule, résume, classe, extrait et traduit bien. Il ne vérifie pas ce qu'il écrit.
- Il ne connaît pas tes documents si tu ne les lui donnes pas, et il n'agit pas sans outils.
- Pour choisir un outil, pars de ta tâche, de ta langue et de tes données, pas d'un classement.
Ce guide explique ce qu'est un LLM d'après les définitions officielles, comment il fonctionne sans jargon, ce qu'il sait faire pour un coach, un consultant ou un freelance, ce qu'il ne sait pas faire seul, ce qui le distingue d'une IA générative et d'un agent, et comment choisir sans classement.
Qu'est-ce qu'un LLM ?
Un LLM est un modèle de langage de grande taille : un modèle statistique qui calcule quelle suite de mots est la plus probable, entraîné sur d'immenses quantités de texte. La CNIL, dans sa définition du modèle de langage, le décrit comme un « modèle statistique de la distribution d'unité linguistiques (par exemple : lettres, phonèmes, mots) dans une langue naturelle ». Elle ajoute qu'un tel modèle « peut par exemple prédire le mot suivant dans une séquence de mots », et que l'on parle de « Large Language Models » pour les modèles qui possèdent un grand nombre de paramètres.
Le terme français officiel est « grand modèle de langage », abrégé GML. Le Vocabulaire de l'intelligence artificielle, publié au Bulletin officiel de l'enseignement supérieur et de la recherche (2024, n° 36), le définit ainsi : « Modèle génératif qui, à partir de grands volumes de données textuelles, calcule des probabilités des enchaînements de jetons textuels en vue de la génération automatique de texte ou de code informatique. »
Une distinction t'évitera bien des confusions : le LLM n'est pas l'interface de discussion. Le même texte officiel précise que les grands modèles de langage sont « notamment employés dans les dialogueurs » (le terme officiel pour chatbot). Le modèle est le moteur ; l'application de chat, avec son historique, ses réglages et ses outils, est construite autour.
Comment fonctionne un LLM, sans jargon ?
Un LLM fonctionne comme une saisie automatique très poussée : à partir de ce que tu as écrit, il calcule la suite la plus probable, morceau par morceau. Le cours d'apprentissage automatique de Google pour les développeurs, LLM : qu'est-ce qu'un grand modèle de langage ?, le formule ainsi : les LLM sont « essentiellement des mécanismes de saisie automatique » capables de compléter des milliers de jetons.
Trois étapes suffisent pour comprendre le principe :
- Le découpage en jetons. Le texte est découpé en petites unités appelées jetons. D'après le cours de Google, un jeton peut être un mot, un morceau de mot ou un seul caractère.
- L'entraînement. Le modèle apprend sur une très grande quantité de textes en essayant de deviner des mots qu'on lui a cachés. D'après le cours de Google, il apprend ainsi progressivement à détecter les schémas et les structures présents dans les données.
- Les réglages pour suivre des consignes. Une étape d'entraînement supplémentaire, que Google appelle instruction tuning, améliore sa capacité à suivre des instructions. C'est elle qui transforme un compléteur de texte en assistant qui répond à une question.
Ta question devient le début d'un texte, et la réponse est la suite que le modèle juge la plus probable. Le cours de Google le résume par un exemple : un LLM entraîné sur beaucoup de problèmes de mathématiques peut donner l'impression de raisonner, alors qu'il complète l'énoncé.
C'est l'image mentale à garder : une suite probable, pas une connaissance vérifiée.
Que sait-il bien faire pour toi ?
Un LLM est bon dès que la tâche consiste à produire ou transformer du texte : rédiger, reformuler, résumer, classer, extraire, traduire. Le texte officiel français cite parmi ses usages la réponse à une question, le résumé, le rapport et la traduction, ainsi que l'écriture ou la correction de code.
Quelques exemples par métier :
- Coach : reformuler tes notes de séance en plan de suivi clair pour ton client.
- Consultant : résumer un long compte rendu en décisions et points ouverts.
- Freelance : transformer un brief client confus en liste de livrables et de questions.
- Agence solo : décliner un même message en plusieurs formats (mail, post, page).
- Tous : traduire un document, ou extraire d'une série de mails les dates et les engagements.
Le point commun : tu fournis la matière, le modèle la met en forme, et tu relis.
Que ne sait-il pas faire seul ?
Un LLM ne vérifie pas ce qu'il écrit, ne connaît pas tes documents, n'agit pas dans tes outils et ignore ce qui s'est passé après son entraînement. Ce sont quatre limites à connaître avant de lui confier un travail.
- Il ne vérifie pas. Le cours de Google le dit sans détour : les LLM hallucinent, ce qui signifie que leurs prédictions contiennent souvent des erreurs. Une réponse fausse peut avoir exactement le même ton qu'une réponse juste. Les erreurs inventées par un modèle sont l'objet de l'article hallucination IA.
- Il ne connaît pas tes documents. Il répond à partir de ce qu'il a appris et de ce que tu lui donnes dans la conversation. Pour qu'il travaille sur tes contrats ou tes comptes rendus, il faut les lui fournir. La technique qui consiste à faire répondre un modèle à partir de tes documents est traitée dans l'article RAG.
- Il n'agit pas sans outils. Un modèle produit du texte. Envoyer un mail, remplir un tableau ou consulter une page demande des outils branchés autour de lui : c'est ce qui définit un agent IA.
- Ses connaissances s'arrêtent à une date. Il a été entraîné sur des textes réunis jusqu'à un certain moment. Sans recherche web, il ignore ce qui a suivi.
Le cours de Google ajoute que, comme tous les modèles d'apprentissage automatique, les LLM peuvent présenter toutes sortes de biais.
LLM, IA générative, agent : quelle différence ?
Le LLM est le modèle, l'IA générative est la famille de technologies qui produisent du contenu, et l'agent est un système qui utilise un modèle pour agir. Le texte officiel français définit l'IA générative comme la branche de l'IA qui met en œuvre des modèles génératifs pour produire des contenus textuels, graphiques ou audiovisuels : le LLM en est la partie qui produit du texte.
| Niveau | Ce que c'est | Ce qu'il fait |
|---|---|---|
| Modèle (LLM) | Le moteur statistique entraîné sur du texte | Calcule la suite la plus probable d'un texte |
| Application | L'outil que tu utilises, construit sur un ou plusieurs modèles | Ajoute l'interface, l'historique, les réglages, parfois la recherche web |
| Agent | Un système qui utilise un modèle pour décider des étapes et se servir d'outils | Enchaîne des actions : chercher, remplir, envoyer, selon ce que tu autorises |
La logique de l'IA qui agit est détaillée dans IA agentique.
Scénario type, pas un résultat : une coach colle ses notes de séance anonymisées dans un assistant et demande un plan de suivi pour son client. Le modèle propose une structure et des formulations. Elle corrige ce qui ne correspond pas à la séance, retire une recommandation qu'elle n'a jamais faite, et décide du plan final. Le modèle a mis en forme ; la coach a décidé.
Faut-il choisir un LLM précis ?
Pour la plupart des usages d'un indépendant, tu choisis un outil plus qu'un modèle, et ce choix se fait sur ta tâche, pas sur un classement. Les classements de modèles changent vite et mesurent des tests qui ne ressemblent pas forcément à ton travail.
Quatre critères suffisent :
- La tâche. Rédaction, résumé, analyse de documents, recherche avec sources : teste l'outil sur un vrai cas de ton travail, avec un document que tu connais déjà.
- La langue. Si tu travailles en français, vérifie la qualité des réponses en français sur ton vocabulaire métier.
- Les données. Avant d'y coller des informations client, lis ce que l'éditeur fait de tes contenus et quels réglages existent. La confidentialité dans ChatGPT est détaillée dans l'article ChatGPT confidentialité.
- Le coût d'usage. Vérifie les forfaits et leurs limites sur la page de l'éditeur, le jour où tu décides. Le texte officiel français rappelle que le nombre de jetons sert aussi à estimer et facturer le coût des modèles commerciaux.
Il n'y a pas de « meilleur LLM » en général : il y a l'outil qui fait correctement ta tâche, avec tes données, à un coût que tu as vérifié.
LLM, ça veut aussi dire autre chose ?
Oui. En droit, LLM désigne le master of laws, un diplôme de master en droit. Cet article traite uniquement du grand modèle de langage.
Un LLM apprend-il de ce que je lui écris ?
Ça dépend de l'éditeur, de ton type de compte et de tes réglages. Il n'y a pas de règle générale : avant d'y mettre des informations sensibles, lis la page de confidentialité de l'outil que tu utilises et vérifie ses options d'entraînement.
Peut-on faire tourner un LLM sur son ordinateur ?
Oui, avec des modèles ouverts que l'on télécharge et que l'on exécute en local, à condition d'avoir une machine assez puissante. Ce cas est traité dans l'article agent IA local.
Que dit le règlement européen sur l'IA ?
Le règlement (UE) 2024/1689 ne parle pas de LLM mais de « modèle d'IA à usage général », défini à l'article 3, point 63, comme un modèle qui « présente une généralité significative et est capable d'exécuter de manière compétente un large éventail de tâches distinctes ». Le texte consolidé est consultable sur l'AI Act Service Desk de la Commission européenne et sur EUR-Lex. Ce guide n'est pas un avis juridique.
