Séance 3 · jeudi 24 September 2026Séance 3 · jeudi 24 septembre 2026

Choice 1: provider and model family

When you open ChatGPT rather than Claude or Gemini, you have already chosen a family of models: one provider’s models, trained on that provider’s data and shaped by its fine-tuning fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. . Models of different families differ in tone, in what they decline and in what they are good at.

Almost every provider offers a single family, so choosing a family is choosing a provider. Performance is only one of the things that decide it:

• performance on the tasks you have;
• price;
• privacy and confidentiality: what the provider may do with your text (see also the Training, retention and privacy settings page, in the Using LLMs module) (voir aussi la page Entraînement, conservation et paramètres de confidentialité, dans le module Utiliser les GML);
• the company: your opinion of it and of how it behaves.

Who leads the field

At the time of writing, two providers lead the field, Anthropic and OpenAI, and no other provider offers models at quite the same level. On 17 September 2026, for instance, the nine highest scores on the Artificial Analysis Intelligence Index all went to Anthropic and OpenAI models (Figure 1figure 1). The index combines ten demanding tests that the company runs itself.Artificial Analysis, Artificial Analysis Intelligence Index, version 4.3, read 17 September 2026: “a composite benchmark aggregating ten challenging evaluations”, covering mathematics, science, coding and reasoning, “conducted independently by Artificial Analysis”.

A ranking of this kind comes with two caveats:

• It is a snapshot. It changes with every release, and the index page shows the current one.
• The top is not always needed. For many tasks, a model a little behind the leaders also gives good results (see also the LLM leaderboards chapter, in the Using LLMs module) (voir aussi le chapitre Les classements de GML, dans le module Utiliser les GML).

Once you have selected a provider, there are further choices to make, and the provider may make some of them for you. Figure 2figure 2 shows all four. The generation and the tier are discussed below, and effort has a page of its own (see also the Execution “effort” page, in the Using LLMs module) (voir aussi la page L'« effort » d'exécution, dans le module Utiliser les GML).

Choice 2: generation (if more than one is offered)

A family is a succession of models rather than one model, and the succession is not always tidy: OpenAI, for instance, released GPT-4.5 before GPT-4.1 (Figure 3figure 3).

Releases have also come ever closer together. Fourteen months passed between Claude 3 Opus and Claude Opus 4; after that, Anthropic released seven more Opus models in sixteen months, and OpenAI went from GPT-5.1 to GPT-5.6 in eight. What you read about a model therefore goes out of date sooner than it used to.

Older generations usually stay available for a while, so the list you choose from mixes generations with tiers.

Two things are relevant to keep in mind regarding these generations:

• Anything you read about a named model is about one generation. A study that tested GPT-4, or a colleague’s verdict on a model retired last year, may describe something no longer running anywhere.
• Tier names are often used across generations. The same word names a different model each time, so a claim about Claude Opus or about Claude Sonnet means something only with the generation attached. Write down the exact model name and the date whenever you rely on a result.

Choice 3: tier

Inside one generation, providers often offer several models of different sizes, for example:

• a small one, quick and cheap;
• one or two in between;
• the largest, which answers the most slowly and costs the most, in money, in waiting and in energy (see also the Environmental impact chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Impact environnemental, dans le module Enjeux critiques des GML), and does best on work that is hard.

In a model list, generations and tiers appear side by side (Figure 4figure 4 and Figure 5figure 5). Whether you can pick the tier yourself depends on the product and on your plan, which is set out beside the effort settings (see also the Execution “effort” page, in the Using LLMs module) (voir aussi la page L'« effort » d'exécution, dans le module Utiliser les GML). This page only describes the choices; which tier suits which task is a separate question (see also the Which model for which task page, in the Using LLMs module) (voir aussi la page Quel modèle pour quelle tâche, dans le module Utiliser les GML).

Which of these choices changes the most

Most people choose the family once, keep whatever tier and effort they are given and never look at the rest. Any of the four choices can change your results considerably, and which one counts most depends on the task and on the models available at the time.

If you use these tools regularly and are sometimes disappointed with the results, it is worth experimenting with the tier and with the effort level reasoning efforteffort de raisonnement language modelsmodèles de langue A setting that controls how much computation a model spends on an answer, which in practice means how many tokens it generates.Paramètre qui détermine la quantité de calcul qu'un modèle consacre à une réponse, c'est-à-dire, en pratique, le nombre de jetons qu'il génère. , even if you do not want to switch providers.

Choix 1 : fournisseur et famille de modèles

Lorsque vous ouvrez ChatGPT plutôt que Claude ou Gemini, vous avez déjà choisi une famille de modèles : les modèles d’un fournisseur, entraînés sur les données de ce fournisseur et façonnés par son affinage fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. . Les modèles de familles différentes diffèrent par le ton, par ce qu’ils refusent de faire et par ce qu’ils font bien.

Presque tous les fournisseurs proposent une seule famille : choisir la famille revient donc à choisir le fournisseur. La performance des modèles n’est qu’un des éléments de ce choix :

• la performance sur vos tâches ;
• le prix ;
• la protection de la vie privée et la confidentialité : ce que le fournisseur peut faire de votre texte (see also the Training, retention and privacy settings page, in the Using LLMs module) (voir aussi la page Entraînement, conservation et paramètres de confidentialité, dans le module Utiliser les GML) ;
• l’entreprise : ce que vous pensez d’elle et de sa conduite.

Qui domine le domaine

Au moment d’écrire ces lignes, deux fournisseurs dominent le domaine, Anthropic et OpenAI, et aucun autre ne propose de modèles tout à fait du même niveau. Le 17 septembre 2026, par exemple, les neuf meilleurs scores de l’Artificial Analysis Intelligence Index revenaient tous à des modèles d’Anthropic et d’OpenAI (Figure 1figure 1). L’indice combine dix tests exigeants menés par l’entreprise elle-même.Artificial Analysis, Artificial Analysis Intelligence Index, version 4.3, consulté le 17 septembre 2026 : « a composite benchmark aggregating ten challenging evaluations », qui porte sur les mathématiques, les sciences, la programmation et le raisonnement, avec des évaluations « conducted independently by Artificial Analysis ».

Un tel classement appelle deux réserves :

• Il ne vaut qu’au moment où il est consulté. Il change à chaque nouvelle version, et la page de l’indice présente le classement à jour.
• Le sommet n’est pas toujours nécessaire. Pour bien des tâches, un modèle un peu en retrait des meilleurs donne aussi de bons résultats (see also the LLM leaderboards chapter, in the Using LLMs module) (voir aussi le chapitre Les classements de GML, dans le module Utiliser les GML).

Une fois le fournisseur choisi, il reste d’autres choix à faire, et le fournisseur peut en faire certains à votre place. La Figure 2figure 2 montre les quatre. La génération et le niveau sont présentés plus bas, et l’effort a sa propre page (see also the Execution “effort” page, in the Using LLMs module) (voir aussi la page L'« effort » d'exécution, dans le module Utiliser les GML).

Choix 2 : génération (si plusieurs sont proposées)

Une famille est une succession de modèles plutôt qu’un seul modèle, et cette succession n’est pas toujours ordonnée : OpenAI, par exemple, a publié GPT-4.5 avant GPT-4.1 (Figure 3figure 3).

Les nouvelles versions paraissent aussi de plus en plus rapprochées. Quatorze mois ont séparé Claude 3 Opus de Claude Opus 4 ; Anthropic a ensuite publié sept autres modèles Opus en seize mois, et OpenAI est passée de GPT-5.1 à GPT-5.6 en huit mois. Ce que vous lisez sur un modèle est donc dépassé plus vite qu’auparavant.

Les anciennes générations restent généralement disponibles pendant un certain temps, si bien que la liste proposée mélange générations et niveaux.

Deux choses sont à garder à l’esprit au sujet de ces générations :

• Tout ce que vous lisez sur un modèle nommé porte sur une seule génération. Une étude qui a testé GPT-4, ou l’avis d’un collègue sur un modèle retiré l’an dernier, peut décrire quelque chose qui ne fonctionne plus nulle part.
• Les noms de niveaux sont souvent repris d’une génération à l’autre. Le même mot désigne chaque fois un modèle différent : une affirmation sur Claude Opus ou sur Claude Sonnet n’a de sens que si la génération est précisée. Notez le nom exact du modèle et la date dès qu’un résultat compte.

Choix 3 : niveau

Dans une même génération, les fournisseurs proposent souvent plusieurs modèles de tailles différentes, par exemple :

• un petit modèle, rapide et économique ;
• un ou deux intermédiaires ;
• le plus grand, qui répond le plus lentement et coûte le plus cher, en argent, en attente et en énergie (see also the Environmental impact chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Impact environnemental, dans le module Enjeux critiques des GML), et qui réussit le mieux les tâches difficiles.

Dans une liste de modèles, générations et niveaux apparaissent côte à côte (Figure 4figure 4 et Figure 5figure 5). La possibilité de choisir vous-même le niveau dépend du produit et de votre forfait, présentés avec les réglages d’effort (see also the Execution “effort” page, in the Using LLMs module) (voir aussi la page L'« effort » d'exécution, dans le module Utiliser les GML). Cette page décrit seulement les choix ; savoir quel niveau convient à quelle tâche est une autre question (see also the Which model for which task page, in the Using LLMs module) (voir aussi la page Quel modèle pour quelle tâche, dans le module Utiliser les GML).

Lequel de ces choix change le plus les résultats

La plupart des gens choisissent la famille une fois, gardent le niveau et l’effort qu’on leur attribue et ne regardent jamais le reste. Pourtant, chacun des quatre choix peut changer considérablement vos résultats, et celui qui compte le plus dépend de la tâche et des modèles disponibles à ce moment-là.

Si vous utilisez ces outils régulièrement et que les résultats vous déçoivent parfois, il vaut la peine d’essayer d’autres niveaux et d’autres niveaux d’effort reasoning efforteffort de raisonnement language modelsmodèles de langue A setting that controls how much computation a model spends on an answer, which in practice means how many tokens it generates.Paramètre qui détermine la quantité de calcul qu'un modèle consacre à une réponse, c'est-à-dire, en pratique, le nombre de jetons qu'il génère. , même si vous ne souhaitez pas changer de fournisseur.

Choice 4: effort (on the models that offer it)

Once you have decided which model to use, many of the top models at the time of writing let you pick what their providers call “reasoning effort”, or something similar. This setting controls how much computation the chosen model spends on its answer. A higher setting is more expensive and takes more time, but can give better results on tasks that are more complex.

What this looks like in September 2026

The two largest providers at this time, Anthropic and OpenAI, rearranged these controls during 2026, and will likely do so again several times in the coming months and years. This section describes 16 September 2026, and it is the part of this chapter most likely to be out of date when you read it.

• Claude and ChatGPT Work: you pick a model from a list, then one of five effort levels, low to max in Claude (on every model except the smallest) and light to ultra in ChatGPT Work (Figure 6figure 6 and Figure 7figure 7).
• ChatGPT (chat): you do not pick the model, only a thinking effort, on a slider whose levels depend on your plan: three (Instant, Medium and High) on the first paid plan, with Extra High and Pro added on the higher plans (Figure 8figure 8).

What you can choose depends on your plan. In Claude:

In ChatGPT:

What is decided for you

Whatever you pick, part of the choice is made for you.

• Your usage allowance. Every plan limits how much you can use, and the allowance runs out sooner when you use larger models with more effort.
• The models on offer. Your plan decides which models and levels you can choose at all.
• The default. Each product and model arrives with a setting chosen by the provider, and many people never change it.
• Sometimes, the model itself. Some products switch automatically to another model, for instance when you reach a usage limit (see also the What a chat product adds to the model page, in the Using LLMs module) (voir aussi la page Ce qu'un agent conversationnel ajoute au modèle, dans le module Utiliser les GML).

The same prompt promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. sent twice to exactly the same model can give two different responses (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML), and the choice of model can have a large effect on that answer and on performance in general. Generalizing about LLMs is therefore very difficult: you constantly have to update your ideas about what is possible and what works well.

For the same reason, whenever you report output from an LLM, it is good practice to state:

• the model you used, by its exact name;
• the settings, where they change the result;
• the date.

Choix 4 : effort (sur les modèles qui le proposent)

Une fois le modèle choisi, bon nombre des meilleurs modèles actuels vous permettent de régler ce que leurs fournisseurs appellent l’« effort de raisonnement » (angl. reasoning effort), ou quelque chose d’approchant. Ce réglage détermine la quantité de calcul que le modèle choisi consacre à sa réponse. Un réglage plus élevé coûte plus cher et prend plus de temps, mais peut donner de meilleurs résultats sur les tâches plus complexes.

Ce que cela donne en septembre 2026

Les deux plus grands fournisseurs actuels, Anthropic et OpenAI, ont réorganisé ces réglages au cours de 2026, et le feront probablement encore plusieurs fois dans les mois et les années à venir. Cette section décrit la situation au 16 septembre 2026, et c’est la partie de ce chapitre la plus susceptible d’être dépassée au moment où vous la lisez.

• Claude et ChatGPT Work : vous choisissez un modèle dans une liste, puis l’un de cinq niveaux d’effort, de low à max dans Claude (sur tous les modèles sauf le plus petit) et de light à ultra dans ChatGPT Work (Figure 6figure 6 et Figure 7figure 7).
• ChatGPT (conversation) : vous ne choisissez pas le modèle, seulement un effort de réflexion, sur un curseur dont les niveaux dépendent de votre forfait : trois (Instant, Medium et High) avec le premier forfait payant, Extra High et Pro s’y ajoutant avec les forfaits supérieurs (Figure 8figure 8).

Ce que vous pouvez choisir dépend de votre forfait. Dans Claude :

Dans ChatGPT :

Ce qui est décidé pour vous

Quoi que vous choisissiez, une partie du choix est faite à votre place.

• Votre quota d’utilisation. Chaque forfait limite votre utilisation, et le quota s’épuise plus vite avec de plus grands modèles et plus d’effort.
• Les modèles proposés. Votre forfait détermine quels modèles et quels niveaux vous pouvez choisir.
• Le réglage par défaut. Chaque produit et chaque modèle arrive avec un réglage choisi par le fournisseur, que bien des gens ne changent jamais.
• Parfois, le modèle lui-même. Certains produits passent automatiquement à un autre modèle, par exemple quand vous atteignez une limite d’utilisation (see also the What a chat product adds to the model page, in the Using LLMs module) (voir aussi la page Ce qu'un agent conversationnel ajoute au modèle, dans le module Utiliser les GML).

La même requête promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. envoyée deux fois exactement au même modèle peut donner deux réponses différentes (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML), et le choix du modèle peut avoir un effet important sur cette réponse et sur la performance en général. Il est donc très difficile de généraliser au sujet des grands modèles de langue (GML) : il faut sans cesse mettre à jour ses idées sur ce qui est possible et sur ce qui fonctionne bien.

Pour la même raison, chaque fois que vous rapportez un résultat produit par un GML, il est de bonne pratique d’indiquer :

• le modèle utilisé, sous son nom exact ;
• les réglages, lorsqu’ils comptent ;
• la date.

Three ways in

You can reach a model in three ways, which differ in effort, in control, in cost and in who has access to your text (Figure 9figure 9).

A chat app

Most people interact with models through a chat app in the browser or on the phone. A chat app is the easiest arrangement, and the one with the least control:

• easy: nothing to install, a conversation history, file upload, search and other tools built in;
• little control: you do not see the system prompt system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. , features change without notice, and which model answers is partly the product’s decision rather than yours (see also the Execution “effort” page, in the Using LLMs module) (voir aussi la page L'« effort » d'exécution, dans le module Utiliser les GML).

The API

With the API, a program of yours, or a program somebody wrote for you, sends requests to the provider’s servers and receives the answers. The API takes a little code, and gives you more control:

• you name the exact model and effort instead of taking what the product gives you;
• you control the system prompt and some of the settings (see also the Temperature, top-p and top-k page, in the LLM lifecycle module) (voir aussi la page Température, top-p et top-k, dans le module Cycle de vie des GML);
• you can send the same request a hundred times to compare the answers.

Your control over the system prompt is not always complete, though. The long system prompt a chat app adds is not there, but a provider can still add text of its own. Anthropic and OpenAI, for instance, both add text to the system prompt whenever a request uses tools, and OpenAI states that it may also insert instructions of its own that the developer does not see.Anthropic, System prompts (“These system prompt updates do not apply to the Claude API”) and Tool use with Claude, both read 16 September 2026. OpenAI, Function calling (“functions are injected into the system message”) and the Model Spec of 18 August 2026 (“OpenAI may insert system messages into the input to steer the assistant’s behavior”; developers “may not be aware of the existence or contents of the system messages”), both read 18 September 2026. And whatever your system prompt says, the behaviour trained into the model during fine-tuning fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. still applies (see also the Alignment chapter, in the LLM lifecycle module) (voir aussi le chapitre Alignement, dans le module Cycle de vie des GML).

Each request is paid for by the tokens it sends and receives, under token-based billing token-based billingtarification à l'usage selon le nombre de jetons AIIA A usage-pricing method in which the charge for a model request is calculated from the number and category of tokens processed.Méthode de tarification à l'usage dans laquelle le coût d'une demande au modèle se calcule d'après le nombre et la catégorie des jetons traités. (see also the Counting in tokens page, in the Language as numbers module) (voir aussi la page Compter en jetons, dans le module Le langage en nombres).

A model on your own computer

The third way is to download an open-weight model and run it on your own computer. Compared with the other two ways:

• privacy: nothing leaves your machine, which for confidential material is the only arrangement that removes the question of who has access to your text;
• effort: it takes hardware and setup;
• capability: the models that fit on a laptop are well behind the largest hosted ones, and at the time of writing, even the largest open-weight models, which need a powerful server, generally trail the best hosted models.

Open weights do not make a model open in every sense. What you may do with the model depends on the licence its weights weightpoids machine learningapprentissage automatique A real number attached to one input of a computing unit, learned during training, that sets how much that input counts towards the unit's output.Nombre réel attaché à une entrée d'une unité de calcul, appris pendant l'entraînement, qui détermine l'importance de cette entrée dans la sortie de l'unité. are released under, and the training data and training code usually stay unpublished. An open-weight model is therefore not the same as open-source AI, which would let others study and rebuild how the model was made (Open Source Initiative, 2025).

What paying per token shows

With a subscription, you pay a fixed amount and do not see what each message costs. With the API, you pay for every token, so you see what makes an exchange expensive. Knowing this also helps you understand the limits of a subscription.

• The whole conversation is sent again with every new message. The model keeps nothing between messages: it writes each answer one token at a time, continuing the whole text of the conversation so far, through autoregressive generation autoregressive generationgénération autorégressive language modelsmodèles de langue A method of generating a sequence, such as text, one token at a time.Méthode de génération d'une séquence, comme un texte, un jeton à la fois. (see also the One token at a time page, in the LLM lifecycle module) (voir aussi la page Un jeton à la fois, dans le module Cycle de vie des GML). Your tenth message is therefore sent with the nine messages before it and their answers, so a long exchange costs many times what its last message suggests (see also the context window page, in the LLM lifecycle module) (voir aussi la page La fenêtre contextuelle, dans le module Cycle de vie des GML).
• Output costs more than input. Providers charge several times more per token for what the model writes than for what it reads.
• Reasoning is billed. The tokens a model generates while reasoning count as output, whether or not you are shown them.

On a subscription, the same costs count against your usage limit, which is why you reach the limit sooner in a long conversation with a large model.

For an idea of scale, here are the smallest and the largest model on both providers’ API price lists, in US dollars per million tokens (Figure 10figure 10 and Figure 11figure 11):Anthropic pricing and OpenAI pricing, both read 16 September 2026.

Two things stand out:

• output costs five to six times as much as input;
• the largest model costs many times more than the smallest: about ten times more at Anthropic, about fifty times more at OpenAI.

OpenAI also charges more when the context is long.

Trois façons d’accéder à un modèle

On peut accéder à un modèle de trois façons, qui diffèrent par l’effort demandé, le contrôle, le coût et les personnes qui ont accès à votre texte (Figure 9figure 9).

Une application conversationnelle

La plupart des gens utilisent les modèles au moyen d’une application conversationnelle, dans le navigateur ou sur le téléphone. Une application conversationnelle est la formule la plus simple, et celle qui laisse le moins de contrôle :

• la simplicité : rien à installer, un historique des conversations, le téléversement de fichiers, la recherche et d’autres outils intégrés ;
• peu de contrôle : vous ne voyez pas la requête générative système system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. , les fonctionnalités changent sans préavis, et le modèle qui répond relève en partie du produit plutôt que de vous (see also the Execution “effort” page, in the Using LLMs module) (voir aussi la page L'« effort » d'exécution, dans le module Utiliser les GML).

L’API

Avec l’interface de programmation d’application (API), un programme à vous, ou écrit pour vous, envoie des requêtes aux serveurs du fournisseur et reçoit les réponses. L’API demande un peu de code, et vous donne plus de contrôle :

• vous désignez le modèle et l’effort exacts au lieu de prendre ce que le produit vous donne ;
• vous contrôlez la requête générative système et une partie des réglages (see also the Temperature, top-p and top-k page, in the LLM lifecycle module) (voir aussi la page Température, top-p et top-k, dans le module Cycle de vie des GML) ;
• vous pouvez envoyer la même requête cent fois pour comparer les réponses.

Votre contrôle sur la requête générative système n’est toutefois pas toujours complet. La longue requête système qu’ajoute une application conversationnelle est absente, mais le fournisseur peut tout de même ajouter un texte de son cru. Anthropic et OpenAI, par exemple, ajoutent tous deux du texte à la requête système chaque fois qu’une requête fait appel à des outils, et OpenAI indique qu’elle peut aussi insérer ses propres instructions, que le développeur ne voit pas.Anthropic, System prompts (« These system prompt updates do not apply to the Claude API ») et Tool use with Claude, tous deux consultés le 16 septembre 2026. OpenAI, Function calling (« functions are injected into the system message ») et la Model Spec du 18 août 2026 (« OpenAI may insert system messages into the input to steer the assistant’s behavior » ; les développeurs « may not be aware of the existence or contents of the system messages »), toutes deux consultées le 18 septembre 2026. Et quoi que dise votre requête système, le comportement appris par le modèle pendant l’affinage fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. continue de s’appliquer (see also the Alignment chapter, in the LLM lifecycle module) (voir aussi le chapitre Alignement, dans le module Cycle de vie des GML).

Chaque requête est payée selon les jetons qu’elle envoie et reçoit, par tarification à l’usage selon le nombre de jetons token-based billingtarification à l'usage selon le nombre de jetons AIIA A usage-pricing method in which the charge for a model request is calculated from the number and category of tokens processed.Méthode de tarification à l'usage dans laquelle le coût d'une demande au modèle se calcule d'après le nombre et la catégorie des jetons traités. (see also the Counting in tokens page, in the Language as numbers module) (voir aussi la page Compter en jetons, dans le module Le langage en nombres).

Un modèle sur votre ordinateur

La troisième façon consiste à télécharger un modèle à poids ouverts et à le faire tourner sur votre ordinateur. Par rapport aux deux autres façons :

• la confidentialité : rien ne quitte votre machine, ce qui, pour des documents confidentiels, est la seule formule qui règle la question de savoir qui a accès à votre texte ;
• l’effort : il faut du matériel et de l’installation ;
• la capacité : les modèles qui tiennent sur un ordinateur portable sont nettement en retrait des plus grands modèles hébergés, et au moment d’écrire ces lignes, même les plus grands modèles à poids ouverts, qui demandent un serveur puissant, restent généralement derrière les meilleurs modèles hébergés.

Des poids ouverts ne rendent pas un modèle ouvert à tous égards. Ce que vous pouvez faire du modèle dépend de la licence sous laquelle ses poids weightpoids machine learningapprentissage automatique A real number attached to one input of a computing unit, learned during training, that sets how much that input counts towards the unit's output.Nombre réel attaché à une entrée d'une unité de calcul, appris pendant l'entraînement, qui détermine l'importance de cette entrée dans la sortie de l'unité. sont diffusés, et les données et le code d’entraînement restent généralement inédits. Un modèle à poids ouverts n’est donc pas une IA à code source ouvert, qui permettrait à d’autres d’étudier et de refaire la construction du modèle (Open Source Initiative, 2025).

Ce que montre le paiement au jeton

Avec un abonnement, vous payez un montant fixe et ne voyez pas ce que coûte chaque message. Avec l’API, vous payez chaque jeton, et vous voyez donc ce qui rend un échange coûteux. Savoir cela aide aussi à comprendre les limites d’un abonnement.

• La conversation entière est renvoyée avec chaque nouveau message. Le modèle ne garde rien d’un message à l’autre : il écrit chaque réponse un jeton à la fois, en prolongeant tout le texte de la conversation jusque-là, par génération autorégressive autoregressive generationgénération autorégressive language modelsmodèles de langue A method of generating a sequence, such as text, one token at a time.Méthode de génération d'une séquence, comme un texte, un jeton à la fois. (see also the One token at a time page, in the LLM lifecycle module) (voir aussi la page Un jeton à la fois, dans le module Cycle de vie des GML). Votre dixième message est donc envoyé avec les neuf messages précédents et leurs réponses, si bien qu’un long échange coûte bien plus que son dernier message ne le laisse croire (see also the context window page, in the LLM lifecycle module) (voir aussi la page La fenêtre contextuelle, dans le module Cycle de vie des GML).
• La sortie coûte plus cher que l’entrée. Les fournisseurs facturent plusieurs fois plus cher par jeton ce que le modèle écrit que ce qu’il lit.
• Le raisonnement est facturé. Les jetons que génère un modèle pendant qu’il raisonne comptent comme sortie, qu’on vous les montre ou non.

Avec un abonnement, ces mêmes coûts sont déduits de votre limite d’utilisation : c’est pourquoi vous atteignez la limite plus vite dans une longue conversation avec un grand modèle.

Pour donner un ordre de grandeur, voici le plus petit et le plus grand modèle des grilles tarifaires de l’API des deux fournisseurs, en dollars américains par million de jetons (Figure 10figure 10 et Figure 11figure 11) :Anthropic, pricing, et OpenAI, pricing, tous deux consultés le 16 septembre 2026.

Deux choses ressortent :

• la sortie coûte cinq à six fois plus cher que l’entrée ;
• le plus grand modèle coûte bien plus que le plus petit : environ dix fois plus chez Anthropic, environ cinquante fois plus chez OpenAI.

OpenAI facture aussi davantage lorsque le contexte est long.

Why there is no simple table

Two tasks that look equally hard to you can fall on opposite sides of what a model manages, so no table of tasks and models can tell you which model to use (Dell’Acqua et al., 2026). Where a model stops managing also changes every time a new one comes out, so a recommendation written down today is out of date within months.

The practical answer is to compare:

1. open the same task in two or three assistants;
2. work through a few exchanges in each;
3. keep the one that helps you most.

When I have an important task, I sometimes do exactly that, and after one to three turns it is usually obvious which model is helping me best. Such a comparison tells you about that task, and little about the products in general (see also the Testing it yourself page, in the Using LLMs module) (voir aussi la page Faire vos propres tests, dans le module Utiliser les GML). I only do it when the task is really important, because running it two or three times also multiplies the cost, in money and in energy.

Matching the tier and the effort

Between families the ordering changes with each release. Inside a family the rule is steadier:

A small model at a low effort level answers sooner, costs less and uses less energy. A larger model, or a higher effort level, spends more computation on the answer, which pays where the task has several parts and being wrong is expensive, and adds only delay and expense where it does not.

Capability, cost and privacy

The three pull against each other, and no option is best on all three (Figure 13figure 13).

When the material is confidential, privacy is often the corner that decides, and it is the one least often considered. What a provider may do with your text depends on its terms, and what you may share depends on your obligations to an employer, a client or the people the text is about. Either can rule out an option that would otherwise be better (see also the Training, retention and privacy settings page, in the Using LLMs module) (voir aussi la page Entraînement, conservation et paramètres de confidentialité, dans le module Utiliser les GML).

Pourquoi il n’existe pas de tableau simple

Deux tâches qui vous semblent aussi difficiles l’une que l’autre peuvent tomber de part et d’autre de ce qu’un modèle réussit : aucun tableau croisant tâches et modèles ne peut donc vous dire quel modèle utiliser (Dell’Acqua et al., 2026). Là où un modèle cesse de réussir change aussi à chaque nouvelle version, si bien qu’une recommandation écrite aujourd’hui est dépassée en quelques mois.

La solution pratique est de comparer :

1. soumettez la même tâche à deux ou trois assistants ;
2. menez quelques échanges avec chacun ;
3. gardez celui qui vous aide le mieux.

Quand j’ai une tâche importante, c’est parfois ce que je fais, et après un à trois échanges, on voit généralement sans peine quel modèle m’aide le mieux. Une telle comparaison vous renseigne sur cette tâche, et peu sur les produits en général (see also the Testing it yourself page, in the Using LLMs module) (voir aussi la page Faire vos propres tests, dans le module Utiliser les GML). Je ne le fais que lorsque la tâche compte vraiment, parce que la faire deux ou trois fois multiplie aussi le coût, en argent et en énergie.

Choisir le niveau et l’effort

D’une famille à l’autre, le classement change à chaque nouvelle version. Dans une même famille, la règle est plus stable :

Un petit modèle à faible niveau d’effort répond plus vite, coûte moins cher et consomme moins d’énergie. Un modèle plus grand, ou un niveau d’effort plus élevé, consacre plus de calcul à la réponse, ce qui est payant quand la tâche comporte plusieurs étapes et qu’une erreur coûte cher, et n’ajoute que du délai et des frais dans le cas contraire.

Capacité, coût et confidentialité

Les trois tirent dans des directions opposées, et aucune option n’est la meilleure sur les trois (Figure 13figure 13).

Quand les documents sont confidentiels, la confidentialité est souvent le critère qui l’emporte, et c’est celui auquel on pense le moins. Ce qu’un fournisseur peut faire de votre texte dépend de ses conditions, et ce que vous pouvez communiquer dépend de vos obligations envers un employeur, un client ou les personnes dont parle le texte. L’un ou l’autre peut écarter une option qui serait autrement meilleure (see also the Training, retention and privacy settings page, in the Using LLMs module) (voir aussi la page Entraînement, conservation et paramètres de confidentialité, dans le module Utiliser les GML).

One test says little

Suppose you tried Gemini a year ago, gave it a task from your own work, found the result poor and concluded that this was not something a model could do for you. That conclusion is too generalized. In reality, you can only draw that conclusion for that one specific test, on that task, that day. Changing any of the following might have gotten you the answer you wanted:

• another family, whose models happen to suit that kind of task;
• a later generation of the one you tried;
• a larger tier of the same generation;
• a higher effort level on the model you already have;
• a better prompt (see also the Prompting chapter, in the Using LLMs module) (voir aussi le chapitre Formulation de requêtes, dans le module Utiliser les GML);
• a different harness harnessappareillage agentsagents The software around a language model that turns it into a working system. It determines what the model receives and which tools it may use, carries out the actions the model requests, and passes the results back to it.Logiciel qui entoure un modèle de langue et en fait un système opérationnel. Il détermine ce que le modèle reçoit et quels outils il peut utiliser, exécute les actions que le modèle demande et lui transmet les résultats. : another product built on the same model, or other features switched on (see also the What chat products offer chapter, in the Using LLMs module) (voir aussi le chapitre Ce qu'offrent les agents conversationnels, dans le module Utiliser les GML).

So do not let a few tests with a single model, a few years or a few months ago, stand as your opinion of what these systems can and cannot do.

The field moves fast

This field moves faster than anyone can follow, including the people who work in it. Models are replaced every few months, the settings around them change with them, and what they manage and what they fail at changes with every release.

The only way to know whether today’s models manage a task is to try them on that task. A leaderboard can point you to the models worth trying, but it averages over other tasks, so it cannot settle the question for you (see also the LLM leaderboards chapter, in the Using LLMs module) (voir aussi le chapitre Les classements de GML, dans le module Utiliser les GML).

How far to take it

How systematic to be depends on your work. If your tasks vary a lot, a full test set is more than most people keep, and a lighter habit does most of the work:

• when a new model or product comes out, or when you consider switching, give it a few recent tasks whose results you remember well;
• when a model fails at something important to you, note the task, so that you can try it again later.

A more systematic set pays off when you do the same kind of task often, when you choose a tool for a team or an organization, or when the comparison has to be reliable, for instance in research. It then has four parts (Figure 14figure 14):

• three to five tasks from your own work with answers you trust: a typical piece of writing or analysis with your own version as the reference, a question in your field whose answer you know, a document you know well to summarize. For a translator, one of them would be a text you have already translated;
• criteria decided in advance: what counts as good, how long it may take, what it may cost;
• two or three families, at two tiers each, so that a difference between tiers is not mistaken for a difference between providers;
• a record: the model’s exact name, the date, the settings and the prompt, kept with the outputs.

Running the set against a new model takes minutes, and the same set rerun over time shows you what a release changed for your work, which the release notes will not. Progress is not always steady: a new version can do worse on one of your tasks than the one before it, as model A and model C do on the question in Figure 14figure 14.

A rerun is only a fresh test if the product cannot see the earlier runs. With memory persistent memorymémoire persistante promptingrequêtes An AI assistant's ability to retain information from earlier interactions and retrieve relevant information in later conversations, allowing it to maintain continuity and personalize its responses across sessions.Capacité d'un assistant d'IA à retenir de l'information d'interactions antérieures et à en récupérer les éléments pertinents dans des conversations ultérieures, ce qui lui permet d'assurer une continuité et de personnaliser ses réponses d'une session à l'autre. switched on, or with a model allowed to search your past conversations, the new answer may draw on what it said, or what you corrected, the last time. A temporary or incognito chat, or memory switched off for the test, keeps the runs separate (see also the Custom instructions, memory, projects and skills page, in the Using LLMs module) (voir aussi la page Instructions personnalisées, mémoire, projets et compétences, dans le module Utiliser les GML).

Capability is not the only reason to choose

All of this is about what a model manages. There are other reasons for using one or not using one, and they can be very good ones:

• what happens to the text you send it (see also the Training, retention and privacy settings page, in the Using LLMs module) (voir aussi la page Entraînement, conservation et paramètres de confidentialité, dans le module Utiliser les GML);
• what the training and the answers cost in energy (see also the Environmental impact chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Impact environnemental, dans le module Enjeux critiques des GML);
• what you make of the company behind it.

Those reasons change more slowly than capability, but they do change: terms of use and privacy settings are revised, so they are worth checking again now and then.

There is also a pull to stay where you are. More and more of what you set up in one product stays in that product: memory, projects, custom instructions custom instructionsinstructions personnalisées promptingrequêtes User-provided preferences, background information, or requirements that an AI assistant stores and applies automatically across conversations, so that they do not need to be repeated in every prompt.Préférences, informations contextuelles ou exigences fournies par l'utilisateur, qu'un assistant d'IA enregistre et applique automatiquement d'une conversation à l'autre, sans qu'il faille les répéter dans chaque requête. and connected services (see also the What a chat product adds to the model page, in the Using LLMs module) (voir aussi la page Ce qu'un agent conversationnel ajoute au modèle, dans le module Utiliser les GML). None of it automatically comes with you when you switch, which has two consequences:

• switching costs more;
• comparisons are coloured: a product that already knows your preferences can seem better than a fresh account elsewhere, for reasons that have nothing to do with the model.

Un seul test en dit peu

Imaginons que vous ayez essayé Gemini il y a un an, que vous lui ayez confié une tâche tirée de votre travail, que le résultat vous ait paru médiocre et que vous en ayez conclu qu’un modèle ne pouvait pas faire cela pour vous. Cette conclusion est trop générale. En réalité, elle ne vaut que pour ce test précis, sur cette tâche, ce jour-là. En changeant l’un des éléments suivants, vous auriez peut-être obtenu la réponse voulue :

• une autre famille, dont les modèles conviennent mieux à ce genre de tâche ;
• une génération plus récente de celle que vous avez essayée ;
• un niveau supérieur de la même génération ;
• un niveau d’effort plus élevé sur le modèle que vous utilisez déjà ;
• une meilleure requête (see also the Prompting chapter, in the Using LLMs module) (voir aussi le chapitre Formulation de requêtes, dans le module Utiliser les GML) ;
• un autre appareillage harnessappareillage agentsagents The software around a language model that turns it into a working system. It determines what the model receives and which tools it may use, carries out the actions the model requests, and passes the results back to it.Logiciel qui entoure un modèle de langue et en fait un système opérationnel. Il détermine ce que le modèle reçoit et quels outils il peut utiliser, exécute les actions que le modèle demande et lui transmet les résultats.  : un autre produit fondé sur le même modèle, ou d’autres fonctionnalités activées (see also the What chat products offer chapter, in the Using LLMs module) (voir aussi le chapitre Ce qu'offrent les agents conversationnels, dans le module Utiliser les GML).

Ne laissez donc pas quelques tests faits avec un seul modèle, il y a quelques années ou quelques mois, tenir lieu d’opinion sur ce que ces systèmes peuvent faire ou non.

Le domaine évolue vite

Ce domaine évolue plus vite que quiconque ne peut le suivre, y compris les personnes qui y travaillent. Les modèles sont remplacés tous les quelques mois, les réglages qui les entourent changent avec eux, et ce qu’ils réussissent ou ratent change à chaque nouvelle version.

La seule façon de savoir si les modèles d’aujourd’hui réussissent une tâche est de les essayer sur cette tâche. Un classement peut vous indiquer les modèles qui valent la peine d’être essayés, mais il fait la moyenne sur d’autres tâches et ne peut donc pas trancher à votre place (see also the LLM leaderboards chapter, in the Using LLMs module) (voir aussi le chapitre Les classements de GML, dans le module Utiliser les GML).

Jusqu’où aller

Le degré de rigueur dépend de votre travail. Si vos tâches varient beaucoup, un ensemble de tests complet dépasse ce que la plupart des gens tiennent à jour, et une habitude plus légère fait l’essentiel du travail :

• quand un nouveau modèle ou produit sort, ou quand vous envisagez de changer, donnez-lui quelques tâches récentes dont vous vous rappelez bien les résultats ;
• quand un modèle échoue sur quelque chose d’important pour vous, notez la tâche pour pouvoir la réessayer plus tard.

Un ensemble plus systématique est rentable quand vous faites souvent le même genre de tâche, quand vous choisissez un outil pour une équipe ou une organisation, ou quand la comparaison doit tenir la route, par exemple en recherche. Il comporte alors quatre éléments (Figure 14figure 14) :

• trois à cinq tâches tirées de votre travail, avec des réponses sûres : un texte ou une analyse typique, avec votre propre version comme référence, une question de votre domaine dont vous connaissez la réponse, un document que vous connaissez bien à résumer. Pour un traducteur ou une traductrice, l’une d’elles serait un texte déjà traduit ;
• des critères fixés d’avance : ce qui compte comme bon, combien de temps cela peut prendre, combien cela peut coûter ;
• deux ou trois familles, à deux niveaux chacune, pour ne pas confondre une différence entre niveaux avec une différence entre fournisseurs ;
• une trace écrite : le nom exact du modèle, la date, les réglages et la requête, conservés avec les résultats.

Soumettre l’ensemble à un nouveau modèle prend quelques minutes, et le même ensemble refait au fil du temps vous montre ce qu’une nouvelle version a changé pour votre travail, ce que les notes de version ne diront pas. Les progrès ne sont pas toujours constants : une nouvelle version peut faire moins bien que la précédente sur l’une de vos tâches, comme les modèles A et C sur la question de la Figure 14figure 14.

Un test refait n’est un vrai nouveau test que si le produit ne voit pas les essais précédents. Avec la mémoire persistent memorymémoire persistante promptingrequêtes An AI assistant's ability to retain information from earlier interactions and retrieve relevant information in later conversations, allowing it to maintain continuity and personalize its responses across sessions.Capacité d'un assistant d'IA à retenir de l'information d'interactions antérieures et à en récupérer les éléments pertinents dans des conversations ultérieures, ce qui lui permet d'assurer une continuité et de personnaliser ses réponses d'une session à l'autre. activée, ou avec un modèle autorisé à fouiller vos anciennes conversations, la nouvelle réponse peut s’appuyer sur ce qu’il a dit, ou sur ce que vous avez corrigé, la fois précédente. Une conversation temporaire ou en mode incognito, ou la mémoire désactivée pendant le test, garde les essais séparés (see also the Custom instructions, memory, projects and skills page, in the Using LLMs module) (voir aussi la page Instructions personnalisées, mémoire, projets et compétences, dans le module Utiliser les GML).

La capacité n’est pas la seule raison de choisir

Tout cela porte sur ce qu’un modèle réussit. Il existe d’autres raisons d’utiliser un modèle ou non, et elles peuvent être très bonnes :

• ce qu’il advient du texte que vous lui envoyez (see also the Training, retention and privacy settings page, in the Using LLMs module) (voir aussi la page Entraînement, conservation et paramètres de confidentialité, dans le module Utiliser les GML) ;
• ce que l’entraînement et les réponses coûtent en énergie (see also the Environmental impact chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Impact environnemental, dans le module Enjeux critiques des GML) ;
• ce que vous pensez de l’entreprise qui le propose.

Ces raisons changent plus lentement que les capacités, mais elles changent : les conditions d’utilisation et les réglages de confidentialité sont révisés, et il vaut donc la peine de les revérifier de temps à autre.

Il existe aussi une force qui pousse à rester où l’on est. De plus en plus de ce que vous configurez dans un produit reste dans ce produit : la mémoire, les projets, les instructions personnalisées custom instructionsinstructions personnalisées promptingrequêtes User-provided preferences, background information, or requirements that an AI assistant stores and applies automatically across conversations, so that they do not need to be repeated in every prompt.Préférences, informations contextuelles ou exigences fournies par l'utilisateur, qu'un assistant d'IA enregistre et applique automatiquement d'une conversation à l'autre, sans qu'il faille les répéter dans chaque requête. et les services connectés (see also the What a chat product adds to the model page, in the Using LLMs module) (voir aussi la page Ce qu'un agent conversationnel ajoute au modèle, dans le module Utiliser les GML). Rien de tout cela ne vous suit automatiquement quand vous changez de produit, ce qui a deux conséquences :

• changer coûte plus cher ;
• les comparaisons sont faussées : un produit qui connaît déjà vos préférences peut sembler meilleur qu’un nouveau compte ailleurs, pour des raisons qui n’ont rien à voir avec le modèle.

What a prompt is

When you use a chat app, you type a message and get an answer. The model receives more than the words of your message, though: any instructions you give, the files you attach and the earlier turns of the conversation are sent with it. Everything you give the model in this way is the prompt.

Once you have chosen a model and its settings, the prompt is the part of the system you control (Figure 1figure 1). The rest is out of your hands:

• you cannot change the model’s parameters;
• you usually cannot see the system prompt system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. the chat app adds before your message;
• the same request sent twice can give two different answers (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML).

Prompt engineering

Writing prompts well soon got a name of its own.

The models were powerful, hard to inspect and inconsistent from one run to the next, so advice on prompting spread within months of the first chatbots: formulas, phrases said to unlock better answers, even job titles for the people who knew them. Schulhoff et al. (2024) listed 58 text prompting techniques in one survey, which gives an idea of how much was tried.

Tricks that stopped working

Some of the tricks were tested, and some measurably worked on the models of 2023. One of the best known is a single sentence added at the end of a prompt:

Determine whether an input word has the same meaning in the two input sentences. This is very important to my career.

Li et al. (2023) added that sentence, and ten others like it, to the prompts of 45 tasks, and reported better results from six models of the time, GPT-4 among them.

This is not intuitive: a model has no career to worry about, and nothing in it cares about yours. It was trained on human text, though, and in human text a request marked as important, or put politely, tends to get a more careful answer. The model reproduces that pattern. Yin et al. (2024), who found that rude prompts got worse answers, read their own results the same way: in their words, models “mirror human communication traits”.

The table below sets what was first found about each trick beside what later tests found.

Most of the updated findings come from the Prompting Science Reports (Meincke et al., 2025a, 2025b, 2025c; Basil et al., 2025), short technical reports from the Generative AI Labs of the Wharton School that test popular prompting advice on recent models. Two points of method are worth knowing:

• each question is asked 25 times or more, with and without the phrase being tested, because a model can answer the same question differently from one run to the next;
• the questions are difficult: multiple-choice questions at graduate level.

The phrases changed the result on individual questions, in either direction and with no way of predicting which, but made no significant difference across the questions as a whole.The four reports, all of 2025, tested models of 2024 and 2025, among them GPT-4o, GPT-4o mini, Gemini 2.0 Flash, Claude 3.5 Sonnet and, as reasoning models, o3-mini and o4-mini. The Prompting Science reports are technical reports from a business school’s AI lab, not peer-reviewed papers. Asking for step-by-step work still helps in some cases, mainly on tasks worked out by rule (see also the Split the task page, in the Using LLMs module) (voir aussi la page Découper la tâche, dans le module Utiliser les GML).

The advice that survives testing is plain:

• say clearly what you want;
• give enough context;
• show an example where you can.

Few techniques, and your own model

The techniques that work are few and general, so prompting has no formula to memorize. Beyond a few basic principles (see also the Be specific and ask for enough page, in the Using LLMs module) (voir aussi la page Être précis et en demander assez, dans le module Utiliser les GML), the skill is knowing how the model you use behaves on the tasks you actually do, and that comes from trying it. The providers publish prompting guides for their own models and update them with each generation, which makes them a good place to start.For instance Anthropic, Prompting best practices; OpenAI, Prompt engineering; Google, Prompt design strategies. All read 17 September 2026.

Ce qu’est une requête

Dans une application de clavardage, vous tapez un message et recevez une réponse. Le modèle reçoit pourtant davantage que les mots de votre message : les instructions que vous avez données, les fichiers joints et les tours précédents de la conversation lui sont envoyés avec lui. Tout ce que vous fournissez ainsi au modèle constitue la requête (angl. prompt).

Une fois le modèle et ses réglages choisis, la requête est la partie du système qui dépend de vous (Figure 1figure 1). Le reste vous échappe :

• vous ne pouvez pas modifier les paramètres du modèle ;
• vous ne voyez généralement pas la requête générative système system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. que l’application ajoute avant votre message ;
• la même demande envoyée deux fois peut donner deux réponses différentes (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML).

La rédactique

L’art de bien rédiger des requêtes a vite reçu un nom.

Les modèles étaient puissants, difficiles à examiner et inconstants d’une exécution à l’autre : quelques mois après les premiers agents conversationnels, les conseils sur les requêtes circulaient partout, avec des formules, des phrases censées débloquer de meilleures réponses, et même des titres de poste pour ceux qui les connaissaient. Schulhoff et al. (2024) ont recensé 58 techniques de requêtes textuelles dans une seule revue, ce qui donne une idée de tout ce qui a été essayé.

Des astuces qui ne fonctionnent plus

Certaines astuces ont été mises à l’essai, et quelques-unes fonctionnaient de façon mesurable sur les modèles de 2023. L’une des plus connues est une seule phrase ajoutée à la fin d’une requête :

Determine whether an input word has the same meaning in the two input sentences. This is very important to my career.

Li et al. (2023) ont ajouté cette phrase (« C’est très important pour ma carrière »), et dix autres du même genre, aux requêtes de 45 tâches, et ont obtenu de meilleurs résultats de six modèles de l’époque, dont GPT-4.

Le résultat n’a rien d’intuitif : un modèle n’a pas de carrière dont il pourrait s’inquiéter, et rien en lui ne se soucie de la vôtre. Il a toutefois été entraîné sur des textes humains, et dans ces textes, une demande présentée comme importante, ou formulée poliment, obtient en général une réponse plus soignée. Le modèle reproduit cette régularité. Yin et al. (2024), qui ont constaté que les requêtes impolies donnaient de moins bonnes réponses, interprètent leurs résultats de la même façon : selon eux, les modèles « mirror human communication traits » (reflètent les traits de la communication humaine).

Le tableau ci-dessous met en regard ce qu’on a d’abord constaté pour chaque astuce et ce qu’ont montré les essais plus récents.

La plupart des constats actualisés viennent des Prompting Science Reports (Meincke et al., 2025a, 2025b, 2025c ; Basil et al., 2025), de courts rapports techniques des Generative AI Labs de la Wharton School qui mettent à l’essai les conseils de requête populaires sur des modèles récents. Deux points de méthode comptent :

• chaque question est posée 25 fois ou plus, avec et sans la phrase testée, parce qu’un modèle peut répondre différemment à la même question d’une exécution à l’autre ;
• les questions sont difficiles : des questions à choix multiples de niveau universitaire avancé.

Les phrases testées modifiaient le résultat sur certaines questions, dans un sens ou dans l’autre et sans qu’on puisse prévoir lequel, mais ne faisaient pas de différence significative sur l’ensemble des questions.Les quatre rapports, tous de 2025, ont testé des modèles de 2024 et 2025, dont GPT-4o, GPT-4o mini, Gemini 2.0 Flash, Claude 3.5 Sonnet et, comme modèles de raisonnement, o3-mini et o4-mini. Les Prompting Science Reports sont des rapports techniques du laboratoire d’IA d’une école de commerce, et non des articles évalués par les pairs. Demander un travail étape par étape aide encore dans certains cas, surtout pour les tâches qui se résolvent en appliquant des règles (see also the Split the task page, in the Using LLMs module) (voir aussi la page Découper la tâche, dans le module Utiliser les GML).

Les conseils qui résistent aux essais sont simples :

• dire clairement ce que vous voulez ;
• donner assez de contexte ;
• montrer un exemple quand c’est possible.

Peu de techniques, et votre propre modèle

Les techniques qui fonctionnent sont peu nombreuses et générales : il n’y a donc pas de formule à mémoriser pour rédiger une requête. Au-delà de quelques principes de base (see also the Be specific and ask for enough page, in the Using LLMs module) (voir aussi la page Être précis et en demander assez, dans le module Utiliser les GML), la compétence consiste à savoir comment le modèle que vous utilisez se comporte sur les tâches que vous faites vraiment, et cela s’apprend en l’essayant. Les fournisseurs publient des guides de rédaction de requêtes pour leurs propres modèles et les mettent à jour à chaque génération : c’est un bon point de départ.Par exemple Anthropic, Prompting best practices ; OpenAI, Prompt engineering ; Google, Prompt design strategies. Tous consultés le 17 septembre 2026.

Say what you want

Asked to “write something about climate change”, a model writes a generic overview: causes, effects, a paragraph on each, for nobody in particular (Figure 3figure 3). Asked for a 300-word summary of the IPCC’s findings on temperature rise for Western Europe, for undergraduate students, it writes something a person could use (Figure 4figure 4). The second prompt states the audience, the length, the scope and the source. Nowadays, a very large part of prompt engineering prompt engineeringrédactique promptingrequêtes The systematic design, testing, and refinement of prompts to help a generative AI system produce outputs that better satisfy the requirements of a particular task.Conception, mise à l'essai et perfectionnement systématiques de requêtes pour aider un système d'IA générative à produire des sorties qui répondent mieux aux exigences d'une tâche donnée. is just this: being specific.

The more capable the model, the less it needs elaborate techniques: on recent reasoning models reasoning modelmodèle de raisonnement language modelsmodèles de langue A language model designed to improve its performance on complex, multi-step problems by using additional computation during inference.Modèle de langue conçu pour améliorer sa performance sur des problèmes complexes en plusieurs étapes en recourant à un surcroît de calcul pendant l'inférence. , methods designed for earlier ones help little, and a plain prompt sometimes does better (Wang et al., 2026a).Tested on programming tasks (writing, translating and summarizing code) with GPT-4o and the reasoning model o1, among others. A stronger model still cannot guess what you did not say, such as the audience, the length or the purpose.

When you do not know yet what you want, a vague first prompt is not wasted: the first attempt often shows you what you want, and you can correct from there (see also the Correcting the model or starting over page, in the Using LLMs module) (voir aussi la page Corriger le modèle ou recommencer, dans le module Utiliser les GML). You can also start the other way round: describe what you have in mind, however vaguely, and ask the chatbot to question you until the task is clear. Its questions often bring up what you had not thought of yet.

It also helps to say what you want rather than only what you do not want. “Write in flowing paragraphs” gives the model something to aim for, where “no bullet points” only names what to avoid. The prompting guides of both Anthropic and OpenAI give this advice.Anthropic, Prompting best practices: “Tell Claude what to do instead of what not to do”; OpenAI Help Center, Best practices for prompt engineering with the OpenAI API: “Instead of just saying what not to do, say what to do instead”. Both read 21 September 2026.

Ask for enough

People often ask a model for “two or three examples”, as they would ask a colleague, but a model writes fifty candidates in seconds, where a colleague would need an afternoon. Asking for many and then choosing is usually better than asking for a few and accepting them.

The prompt in Figure 5figure 5 asks for a hundred title ideas for a textbook rather than one, as diverse as possible, then for a review, a revision and a top five with an argument for the best three. The answer is a shortlist of three finalists, each with its reasons (Figure 6figure 6). A hundred candidates do not guarantee that any of them is good, but they give you far more to choose from than two or three.

Avoid adding uncertain or untrue information

A question can start from an assumption that the model does not always question. “What does clause 7 say about liability?” presumes that there is a clause 7 and that it covers liability. Asking whether the document addresses liability, and where, leaves room for the answer that it does not (see also the Garbage in, garbage out page, in the Critical issues with LLMs module) (voir aussi la page Médiocre en entrée, médiocre en sortie, dans le module Enjeux critiques des GML).

Models do not reliably catch this for you. Li et al. (2025a) tested 15 models on problems built on a flawed premise: most flagged it only when they were told to look for errors, and the models that reasoned best were not consistently the ones that noticed.Among them GPT-4.1, o3-mini, o4-mini, DeepSeek-R1, Claude 3.7 Sonnet and Gemini 2.0 Flash Thinking. The problems were mathematical and logical, not questions about documents.

Dire ce que vous voulez

À la demande « écris quelque chose sur les changements climatiques », un modèle produit un survol générique : les causes, les effets, un paragraphe sur chacun, pour personne en particulier (Figure 3figure 3). À la demande d’un résumé de 300 mots des conclusions du GIEC sur la hausse des températures en Europe de l’Ouest, destiné à des étudiants de premier cycle, il produit un texte dont quelqu’un peut se servir (Figure 4figure 4). La seconde requête précise le public, la longueur, la portée et la source. Aujourd’hui, une très grande part de la rédactique prompt engineeringrédactique promptingrequêtes The systematic design, testing, and refinement of prompts to help a generative AI system produce outputs that better satisfy the requirements of a particular task.Conception, mise à l'essai et perfectionnement systématiques de requêtes pour aider un système d'IA générative à produire des sorties qui répondent mieux aux exigences d'une tâche donnée. (ou ingénierie de requêtes) se résume à cela : être précis.

Plus le modèle est performant, moins il a besoin de techniques élaborées : sur les modèles de raisonnement reasoning modelmodèle de raisonnement language modelsmodèles de langue A language model designed to improve its performance on complex, multi-step problems by using additional computation during inference.Modèle de langue conçu pour améliorer sa performance sur des problèmes complexes en plusieurs étapes en recourant à un surcroît de calcul pendant l'inférence. récents, les méthodes conçues pour les modèles antérieurs aident peu, et une requête simple fait parfois mieux (Wang et al., 2026a).Testé sur des tâches de programmation (écrire, traduire et résumer du code), notamment avec GPT-4o et le modèle de raisonnement o1. Un modèle plus performant ne peut toujours pas deviner ce que vous n’avez pas dit, par exemple le public, la longueur ou l’objectif.

Quand vous ne savez pas encore ce que vous voulez, une première requête vague n’est pas perdue : la première tentative vous montre souvent ce que vous voulez, et vous pouvez corriger à partir de là (see also the Correcting the model or starting over page, in the Using LLMs module) (voir aussi la page Corriger le modèle ou recommencer, dans le module Utiliser les GML). Vous pouvez aussi faire l’inverse : décrire ce que vous avez en tête, même vaguement, et demander à l’agent conversationnel de vous poser des questions jusqu’à ce que la tâche soit claire. Ses questions font souvent ressortir ce à quoi vous n’aviez pas encore pensé.

Il est utile aussi de dire ce que vous voulez, et pas seulement ce que vous ne voulez pas. « Rédige en paragraphes suivis » donne au modèle un but à atteindre, alors que « pas de listes à puces » ne nomme que ce qu’il faut éviter. Les guides de rédaction de requêtes d’Anthropic et d’OpenAI donnent tous deux ce conseil.Anthropic, Prompting best practices : « Tell Claude what to do instead of what not to do » ; OpenAI Help Center, Best practices for prompt engineering with the OpenAI API : « Instead of just saying what not to do, say what to do instead ». Tous deux consultés le 21 septembre 2026.

En demander assez

On demande souvent à un modèle « deux ou trois exemples », comme on le ferait à un collègue, mais un modèle écrit cinquante propositions en quelques secondes, là où un collègue y passerait l’après-midi. En demander beaucoup puis choisir vaut généralement mieux qu’en demander quelques-unes et les accepter.

La requête de Figure 5figure 5 demande cent idées de titres pour un manuel plutôt qu’un seul, aussi variées que possible, puis une relecture, une révision et un palmarès de cinq, avec un argumentaire pour les trois meilleurs. Il en revient une présélection de trois finalistes, chacun avec ses raisons (Figure 6figure 6). Cent propositions ne garantissent pas qu’une seule soit bonne, mais elles offrent beaucoup plus de choix que deux ou trois.

Éviter d’ajouter des informations incertaines ou fausses

Une question peut contenir une présupposition que le modèle ne remet pas toujours en cause. « Que dit l’article 7 sur la responsabilité ? » suppose qu’il existe un article 7 et qu’il porte sur la responsabilité. Demander si le document traite de la responsabilité, et où, laisse place à la réponse qu’il n’en traite pas (see also the Garbage in, garbage out page, in the Critical issues with LLMs module) (voir aussi la page Médiocre en entrée, médiocre en sortie, dans le module Enjeux critiques des GML).

Les modèles ne les repèrent pas de façon fiable. Li et al. (2025a) ont testé 15 modèles sur des problèmes reposant sur une présupposition erronée : la plupart ne l’ont signalée que lorsqu’on leur demandait de chercher des erreurs, et les modèles qui raisonnaient le mieux n’étaient pas toujours ceux qui la remarquaient.Parmi eux GPT-4.1, o3-mini, o4-mini, DeepSeek-R1, Claude 3.7 Sonnet et Gemini 2.0 Flash Thinking. Les problèmes étaient mathématiques et logiques, et non des questions portant sur des documents.

One long request or several steps

Models can increasingly work on one task for a long time, and in some cases that works well. The longer a model works on its own, though, the more room there is for it to drift away from what you want, or to build on its own earlier mistakes (see also the Errors spread through context page, in the LLM lifecycle module) (voir aussi la page Les erreurs se propagent dans le contexte, dans le module Cycle de vie des GML). Splitting a task into separate steps gives you more control: you see how the result was reached, and can correct or redirect along the way.

The same task can be run both ways. In the first conversation below, a single request asks for a bilingual term list. In the second, the same list is built in four exchanges: the terms first, then the sources, then the French equivalents, then the format.

US English	Canadian French
artificial intelligence	intelligence artificielle
machine learning	apprentissage automatique
deep learning	apprentissage profond
neural network	réseau de neurones artificiels
generative AI	intelligence artificielle générative
foundation model	modèle de fondation
large language model	grand modèle de langage
AI model	modèle d'intelligence artificielle
chatbot	robot conversationnel
multimodal AI	intelligence artificielle multimodale
AI agent	agent d'intelligence artificielle
prompt	requête
prompt engineering	rédactique
context window	fenêtre de contexte
token	jeton
training data	données d'entraînement
fine-tuning	affinage
retrieval-augmented generation	génération augmentée par récupération
hallucination	hallucination d'IA
AI alignment	alignement de l'IA

Both conversations end in a usable list. The one done in steps took longer, but it gave:

• more insight: you see which terms the model picks, and which sources it would rely on, before any French is proposed;
• more control: the list was adapted to a less technical audience, and the order of the sources was set by the person doing the work;
• perhaps more inspiration: engaged with each step, you are more likely to think of a term or a source yourself;
• perhaps fewer wasted tokens: a correction made to the list of terms costs one short exchange, where a correction to a finished table means generating the table again.

The French differs as well. Asked from memory, the model gave ajustement fin for fine-tuning; asked to follow the OQLF and TERMIUM, it gave affinage, the term both banks record. The steps also show where the model drifts: in its last answer, it replaced AI assistant with multimodal AI on its own, and said so.

Working in steps also shows you which step the model handles well and which it does not. The step it gets wrong is the one to do yourself, or to support with more material.

Working step by step

Asking a model to work through a problem before answering helps mainly on mathematics and other tasks worked out by rule (see also the Reasoning step by step page, in the LLM lifecycle module) (voir aussi la page Raisonner étape par étape, dans le module Cycle de vie des GML). A model set to reason before answering already does this, so on such a model the request adds little and costs time (Meincke et al., 2025b). With reasoning switched off or set low, it can still help on a calculation or a rule applied case by case (see also the Execution “effort” page, in the Using LLMs module) (voir aussi la page L'« effort » d'exécution, dans le module Utiliser les GML).

Une seule longue demande ou plusieurs étapes

Les modèles peuvent de plus en plus travailler longtemps sur une même tâche, et dans certains cas, cela donne de bons résultats. Mais plus un modèle travaille seul longtemps, plus il risque de s’éloigner de ce que vous voulez, ou de bâtir sur ses propres erreurs antérieures (see also the Errors spread through context page, in the LLM lifecycle module) (voir aussi la page Les erreurs se propagent dans le contexte, dans le module Cycle de vie des GML). Découper une tâche en étapes distinctes vous donne plus de maîtrise : vous voyez comment le résultat a été obtenu, et vous pouvez corriger ou réorienter en cours de route.

La même tâche peut être menée des deux façons. Dans la première conversation ci-dessous, une seule demande porte sur une liste de termes bilingue. Dans la seconde, la même liste est construite en quatre échanges : d’abord les termes, puis les sources, puis les équivalents français, puis le format.

US English	Canadian French
artificial intelligence	intelligence artificielle
machine learning	apprentissage automatique
deep learning	apprentissage profond
neural network	réseau de neurones artificiels
generative AI	intelligence artificielle générative
foundation model	modèle de fondation
large language model	grand modèle de langage
AI model	modèle d'intelligence artificielle
chatbot	robot conversationnel
multimodal AI	intelligence artificielle multimodale
AI agent	agent d'intelligence artificielle
prompt	requête
prompt engineering	rédactique
context window	fenêtre de contexte
token	jeton
training data	données d'entraînement
fine-tuning	affinage
retrieval-augmented generation	génération augmentée par récupération
hallucination	hallucination d'IA
AI alignment	alignement de l'IA

Les deux conversations aboutissent à une liste utilisable. Celle qui procède par étapes a pris plus de temps, mais elle a donné :

• une meilleure vue d’ensemble : vous voyez quels termes le modèle choisit, et sur quelles sources il s’appuierait, avant qu’il propose le moindre équivalent français ;
• plus de maîtrise : la liste a été adaptée à un public moins technique, et l’ordre des sources a été fixé par la personne qui fait le travail ;
• peut-être plus d’inspiration : en suivant chaque étape, vous avez plus de chances de penser vous-même à un terme ou à une source ;
• peut-être moins de jetons gaspillés : corriger la liste de termes coûte un court échange, alors que corriger un tableau terminé oblige à le générer de nouveau.

Le français diffère aussi. Interrogé de mémoire, le modèle a donné « ajustement fin » pour fine-tuning ; invité à suivre l’OQLF et TERMIUM, il a donné « affinage », le terme que consignent les deux banques. Les étapes montrent aussi où le modèle dérive : dans sa dernière réponse, il a remplacé AI assistant par multimodal AI de lui-même, en le signalant.

Travailler par étapes vous montre aussi quelle étape le modèle réussit et laquelle il rate. L’étape qu’il rate est celle à faire vous-même, ou à appuyer sur davantage de documentation.

Travailler étape par étape

Demander à un modèle de résoudre un problème pas à pas avant de répondre aide surtout en mathématiques et dans les autres tâches qui se résolvent en appliquant des règles (see also the Reasoning step by step page, in the LLM lifecycle module) (voir aussi la page Raisonner étape par étape, dans le module Cycle de vie des GML). Un modèle réglé pour raisonner avant de répondre le fait déjà : sur un tel modèle, la demande apporte peu et prend du temps (Meincke et al., 2025b). Avec le raisonnement désactivé ou réglé bas, elle peut encore aider pour un calcul ou pour une règle appliquée cas par cas (see also the Execution “effort” page, in the Using LLMs module) (voir aussi la page L'« effort » d'exécution, dans le module Utiliser les GML).

Structuring the prompt

Once a prompt runs beyond a few sentences, with instructions, background and material to work on, the providers’ prompting guides recommend adding structure.For instance Anthropic, Prompting best practices; OpenAI, Prompt engineering, which suggests “a combination of Markdown formatting and XML tags”; Google, Prompt design strategies: “Using tags or Markdown helps the model distinguish between instructions, context, and tasks.” All read 17 September 2026. That can be as simple as a few headings and bullet points, formatting in Markdown,Markdown is a light way of marking up plain text: a line starting with # is a heading, a line starting with - is an item in a list, and **bold** is set in bold. Chat apps use it to format their answers, which is why a model’s reply often arrives with headings and bullet points. or tags in the style of XML, where a label between angle brackets opens a part and the same label with a slash closes it (see also the Reading XML chapter, in the Exchange formats in translation module) (voir aussi le chapitre Lire du XML, dans le module Les formats d'échange en traduction):

<objective>Summarize the report below for the city council</objective>
<audience>Council members without a background in engineering</audience>
<instructions>One page at most; keep every figure the decision depends on; no recommendations of your own</instructions>
<report>…</report>
<output-format>Five short paragraphs, no headings</output-format>

Which of these works best depends on the model. Studies found that the same content set out in different formats, or with small changes of spacing and punctuation, could change the results, and that no format won everywhere: on some tasks, plain text even did better than Markdown or JSON (He et al., 2024; Sclar et al., 2024).He et al. (2024) compared plain text, Markdown, JSON and YAML on GPT-3.5 and GPT-4, where GPT-4 varied less; Sclar et al. (2024) found swings of tens of accuracy accuracyexactitude evaluationévaluation The share of all decisions of a system that are correct, true positives and true negatives together.Part de toutes les décisions d'un système qui sont correctes, vrais positifs et vrais négatifs ensemble. points on open models of 2023. The provider’s guide for the model you use is the place to start, and a format that works for your task on your model is worth keeping.

Structured output

The format of the answer is worth stating too. “One line per item, tab-separated, no commentary” gets you something you can paste into a spreadsheet, where a request without it tends to get a list wrapped in prose.

When the output is meant for other software, you can ask for it in a structured language such as JSON or XML. A model writes such output one token at a time, like any other text, so it can make errors in it, such as a missing bracket or a missing field, and a single error can make the whole output unreadable for the software. Anthropic and OpenAI therefore both offer a mode in their APIs that forces the answer to follow a structure defined in advance. The structure is then guaranteed, with a few exceptions: an answer cut off before the end, for instance because it reached the maximum length, can be incomplete, and a model that refuses the request for safety reasons may answer outside the structure.Anthropic, Structured outputs: without them, the model “can generate malformed JSON responses”, with “parsing errors from invalid JSON syntax” among the problems “even with careful prompting”. OpenAI, Structured model outputs: the feature ensures responses “adhere to your supplied JSON Schema”. Anthropic’s page also notes that a response cut off at the maximum length “may be incomplete and fail schema validation”. OpenAI adds that “a refusal does not necessarily follow the schema you have supplied”, and that structured outputs “can still contain mistakes”. Both read 21 September 2026. And an answer with a perfect structure can still contain wrong content.

Asking for a strict format has a cost of its own: on tasks that need reasoning, models answered less accurately when they had to follow a strict format (Tam et al., 2024).Measured on models of 2024: GPT-3.5 Turbo, Claude 3 Haiku, Gemini 1.5 Flash, Llama 3 8B and Gemma 2 9B. So ask for a strict format only when you actually need it.

Structurer la requête

Dès qu’une requête dépasse quelques phrases, avec des consignes, du contexte et un document à traiter, les guides de rédaction des fournisseurs recommandent de la structurer.Par exemple Anthropic, Prompting best practices ; OpenAI, Prompt engineering, qui suggère « a combination of Markdown formatting and XML tags » ; Google, Prompt design strategies : « Using tags or Markdown helps the model distinguish between instructions, context, and tasks. » Tous consultés le 17 septembre 2026. Il peut suffire de quelques intertitres et listes à puces, mis en forme en Markdown,Markdown est une façon légère de baliser du texte brut : une ligne qui commence par # est un intertitre, une ligne qui commence par - est un élément de liste, et **gras** s’affiche en gras. Les applications de clavardage s’en servent pour mettre en forme leurs réponses, ce qui explique qu’une réponse de modèle arrive souvent avec des intertitres et des listes à puces. ou de balises à la manière du XML, où une étiquette entre chevrons ouvre une partie et la même étiquette précédée d’une barre oblique la ferme (see also the Reading XML chapter, in the Exchange formats in translation module) (voir aussi le chapitre Lire du XML, dans le module Les formats d'échange en traduction) :

<objectif>Résume le rapport ci-dessous pour le conseil municipal</objectif>
<public>Des conseillers sans formation en ingénierie</public>
<consignes>Une page au plus ; garde tous les chiffres dont dépend la décision ; aucune recommandation de ton cru</consignes>
<rapport>…</rapport>
<format-de-sortie>Cinq courts paragraphes, sans intertitres</format-de-sortie>

La notation qui fonctionne le mieux dépend du modèle. Des études ont montré que le même contenu présenté dans différents formats, ou avec de petites modifications d’espacement et de ponctuation, pouvait changer les résultats, et qu’aucun format ne l’emportait partout : pour certaines tâches, le texte brut faisait même mieux que Markdown ou JSON (He et al., 2024 ; Sclar et al., 2024).He et al. (2024) ont comparé le texte brut, Markdown, JSON et YAML sur GPT-3.5 et GPT-4, et GPT-4 variait moins ; Sclar et al. (2024) ont observé des écarts de plusieurs dizaines de points d’exactitude accuracyexactitude evaluationévaluation The share of all decisions of a system that are correct, true positives and true negatives together.Part de toutes les décisions d'un système qui sont correctes, vrais positifs et vrais négatifs ensemble. sur des modèles ouverts de 2023. Le guide du fournisseur pour le modèle que vous utilisez est le point de départ, et un format qui fonctionne pour votre tâche sur votre modèle mérite d’être conservé.

La sortie structurée

Le format de la réponse mérite lui aussi d’être précisé. « Une ligne par élément, séparateur tabulation, sans commentaire » vous donne un résultat à coller dans un tableur, alors qu’une demande sans cette précision donne souvent une liste enveloppée de texte.

Quand la sortie est destinée à un autre logiciel, vous pouvez la demander dans un langage structuré comme JSON ou XML. Un modèle écrit une telle sortie un jeton à la fois, comme n’importe quel texte : il peut donc y faire des erreurs, par exemple un crochet ou un champ manquant, et une seule erreur peut rendre toute la sortie illisible pour le logiciel. Anthropic et OpenAI proposent donc tous deux, dans leurs API, un mode qui oblige la réponse à suivre une structure définie à l’avance. La structure est alors garantie, à quelques exceptions près : une réponse interrompue avant la fin, par exemple parce qu’elle a atteint la longueur maximale, peut être incomplète, et un modèle qui refuse la demande pour des raisons de sécurité peut répondre en dehors de la structure.Anthropic, Structured outputs : sans ce mode, le modèle « can generate malformed JSON responses », et les « parsing errors from invalid JSON syntax » figurent parmi les problèmes « even with careful prompting ». OpenAI, Structured model outputs : la fonctionnalité garantit que les réponses « adhere to your supplied JSON Schema ». La page d’Anthropic précise aussi qu’une réponse interrompue à la longueur maximale « may be incomplete and fail schema validation ». OpenAI ajoute que « a refusal does not necessarily follow the schema you have supplied », et que les sorties structurées « can still contain mistakes ». Tous deux consultés le 21 septembre 2026. Et une réponse à la structure parfaite peut quand même avoir un contenu erroné.

Exiger un format strict a aussi un coût : sur les tâches qui demandent un raisonnement, les modèles répondaient moins bien quand ils devaient suivre un format strict (Tam et al., 2024).Mesuré sur des modèles de 2024 : GPT-3.5 Turbo, Claude 3 Haiku, Gemini 1.5 Flash, Llama 3 8B et Gemma 2 9B. N’exigez donc un format strict que lorsque vous en avez vraiment besoin.

Showing rather than describing

Asked in French for five phrases of five words with exemple as the middle word, a chatbot gave five phrases in which the word appeared anywhere but in the middle. Given a few examples of the pattern, it produced five that fit (Figure 7figure 7). The description had been clear, but the examples were clearer.

Few-shot prompting has been a standard technique since Brown et al. (2020) showed that GPT-3 could carry out new tasks from a few examples, an ability called in-context learning in-context learning (ICL)apprentissage en contexte promptingrequêtes The temporary adaptation of a language model's behaviour to information, instructions, or examples provided in its current prompt or context, without changing the model's parameters.Adaptation temporaire du comportement d'un modèle de langue à des informations, à des instructions ou à des exemples fournis dans sa requête ou son contexte courant, sans modification de ses paramètres. (see also the Zero-shot and few-shot prompting page, in the LLM lifecycle module) (voir aussi la page Requêtes sans exemple et avec quelques exemples, dans le module Cycle de vie des GML), and the providers’ current prompting guides all recommend it.For instance Anthropic, Prompting best practices: “Examples are one of the most reliable ways to steer Claude’s output format, tone, and structure”; OpenAI, Prompt engineering, under “Few-shot learning”; Google, Prompt design strategies: “We recommend to always include few-shot examples in your prompts.” All read 17 September 2026.

When examples help most

Examples are most useful where the result is easier to show than to describe:

• a format: how dates, units, headings or a reference should look;
• a style or register: “formal but not stiff” means different things to different people, and a paragraph written the way you want does not;
• a fixed set of answers: a rating of each customer review as positive, negative or mixed, or a label applied to each sentence of a text.

Choosing your examples

The examples you choose affect the answer in several ways (Schulhoff et al., 2024). Three properties make a difference:

• Correct answers. Larger models follow the answers in the examples closely, so a wrong example is likely to produce wrong answers (Wei et al., 2023b; Shi et al., 2024).Both measured on the models of 2023: GPT-3 and PaLM in Wei et al., Llama 2 in Shi et al. The direction, larger models following their examples more closely, is the finding to keep.
• Examples close to the real task. Cases like the ones you will ask about generally help more than distant ones.
• One consistent format, since the layout of the examples is part of what the model copies.

Their order and the balance of answers among them can change the result too, which is one more reason a few real cases of your own are the way to find out what works for your task (see also the Testing it yourself page, in the Using LLMs module) (voir aussi la page Faire vos propres tests, dans le module Utiliser les GML).

How many

More examples generally help, particularly with larger models, though the gain levels off (Schulhoff et al., 2024). With long context windows context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). , hundreds of examples kept improving results on many tasks (Agarwal et al., 2024), but for translation the evidence is mixed: Agarwal et al. (2024) report gains for translation into two low-resource languages, Bemba and Kurdish, while Zou et al. (2025) found no clear gain in translation as examples were added.Agarwal et al. (2024) tested Gemini 1.5 Pro; Zou et al. (2025) tested twelve models of 2024, among them Llama 3.1, Qwen2, Mistral and Gemini 1.5 Pro. Every example also makes each request longer, slower and, on a paid service, more expensive (see also the Counting in tokens page, in the Language as numbers module) (voir aussi la page Compter en jetons, dans le module Le langage en nombres).

Montrer plutôt que décrire

Invité, en français, à écrire cinq phrases de cinq mots avec exemple comme mot du milieu, un agent conversationnel a donné cinq phrases où le mot apparaissait partout sauf au milieu. Après quelques exemples du motif attendu, il en a produit cinq qui convenaient (Figure 7figure 7). La description était claire, mais les exemples l’étaient davantage.

La formulation de requête avec quelques exemples est une technique courante depuis que Brown et al. (2020) ont montré que GPT-3 pouvait accomplir de nouvelles tâches à partir de quelques exemples, une capacité appelée apprentissage en contexte in-context learning (ICL)apprentissage en contexte promptingrequêtes The temporary adaptation of a language model's behaviour to information, instructions, or examples provided in its current prompt or context, without changing the model's parameters.Adaptation temporaire du comportement d'un modèle de langue à des informations, à des instructions ou à des exemples fournis dans sa requête ou son contexte courant, sans modification de ses paramètres. (see also the Zero-shot and few-shot prompting page, in the LLM lifecycle module) (voir aussi la page Requêtes sans exemple et avec quelques exemples, dans le module Cycle de vie des GML), et les guides de rédaction actuels des fournisseurs la recommandent tous.Par exemple Anthropic, Prompting best practices : « Examples are one of the most reliable ways to steer Claude’s output format, tone, and structure » ; OpenAI, Prompt engineering, à la section « Few-shot learning » ; Google, Prompt design strategies : « We recommend to always include few-shot examples in your prompts. » Tous consultés le 17 septembre 2026.

Quand les exemples aident le plus

Les exemples sont le plus utiles quand le résultat est plus facile à montrer qu’à décrire :

• un format : la présentation des dates, des unités, des intertitres ou d’une référence ;
• un style ou un registre : « soutenu sans être guindé » ne veut pas dire la même chose pour tout le monde, alors qu’un paragraphe écrit comme vous le voulez est sans ambiguïté ;
• un ensemble fermé de réponses : l’évaluation de chaque avis de client comme positif, négatif ou mitigé, ou une étiquette attribuée à chaque phrase d’un texte.

Choisir ses exemples

Les exemples que vous choisissez influent sur la réponse de plusieurs façons (Schulhoff et al., 2024). Trois propriétés comptent :

• Des réponses justes. Les grands modèles suivent de près les réponses des exemples : un exemple erroné risque donc de produire des réponses erronées (Wei et al., 2023b ; Shi et al., 2024).Les deux études portent sur des modèles de 2023 : GPT-3 et PaLM chez Wei et al., Llama 2 chez Shi et al. Le constat à retenir est la tendance : plus un modèle est grand, plus il suit ses exemples.
• Des exemples proches de la tâche réelle. Des cas semblables à ceux que vous soumettrez aident en général davantage que des cas éloignés.
• Un format cohérent, puisque la présentation des exemples fait partie de ce que le modèle copie.

Leur ordre et la répartition des réponses entre eux peuvent aussi changer le résultat : raison de plus pour découvrir ce qui fonctionne pour votre tâche avec quelques vrais cas à vous (see also the Testing it yourself page, in the Using LLMs module) (voir aussi la page Faire vos propres tests, dans le module Utiliser les GML).

Combien d’exemples

Davantage d’exemples aident en général, surtout avec les grands modèles, mais le gain plafonne (Schulhoff et al., 2024). Avec de longues fenêtres contextuelles context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). , des centaines d’exemples continuaient d’améliorer les résultats pour de nombreuses tâches (Agarwal et al., 2024), mais en traduction, les données sont partagées : Agarwal et al. (2024) observent des gains pour la traduction vers deux langues à faibles ressources, le bemba et le kurde, alors que Zou et al. (2025) ne constatent pas de gain net en traduction à mesure qu’on ajoute des exemples.Agarwal et al. (2024) ont testé Gemini 1.5 Pro ; Zou et al. (2025) ont testé douze modèles de 2024, dont Llama 3.1, Qwen2, Mistral et Gemini 1.5 Pro. Chaque exemple allonge aussi chaque demande, la ralentit et, sur un service payant, la rend plus coûteuse (see also the Counting in tokens page, in the Language as numbers module) (voir aussi la page Compter en jetons, dans le module Le langage en nombres).

Why English often works better

Most of the text a model learns from is English, at every stage where the proportions have been published:

• the tokenizer tokenization²jetonisation² language modelsmodèles de langue The process of converting text into an ordered sequence of tokens that a language model can process.Processus de conversion d'un texte en une séquence ordonnée de jetons qu'un modèle de langue peut traiter. is built mostly from English text, so other languages are cut into more, shorter pieces (see also the token gap between languages page, in the Language as numbers module) (voir aussi la page L'écart de jetons entre les langues, dans le module Le langage en nombres);
• pretraining: several well-known models, GPT-3 among them, were trained on text more than 90 % English, and for GPT-3, French was 1.8 % (Xu et al., 2025) (see also the Which languages, and how unevenly page, in the LLM lifecycle module) (voir aussi la page Quelles langues, et dans quelles proportions, dans le module Cycle de vie des GML);
• fine-tuning fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. : the instructions used to fine-tune InstructGPT, an OpenAI model of 2022, were over 96 % English (Ouyang et al., 2022).

For most current models, the proportions are not published.

As a result, models generally perform better in English, although how much better depends on the language and on the model:

• on open models of 2023, having the model translate a request into English itself, and answer from that imperfect translation, gave better results than answering the request directly (Etxaniz et al., 2024);
• on a model of 2025, translating into English first still helped for languages with little training text, but made almost no difference for widely used ones such as Spanish or German (Wu et al., 2026).French was not among the languages Wu et al. (2026) tested, but it belongs with the widely used ones.

For a less widely used language, a prompt in English, even imperfect English, or a request to translate your prompt into English before answering, can therefore give better results. That can be true even when you need the answer in another language: the instructions can be in English and the answer in the language you need. Whichever language the prompt is in, an answer written in another language still shows the influence of English, which calls for revision either way (see also the Linguistic hegemony page, in the Critical issues with LLMs module) (voir aussi la page L'hégémonie linguistique, dans le module Enjeux critiques des GML).

How careful the prompt itself has to be

For most purposes a prompt does not have to be carefully written. Models are trained on internet text, where typos, missing accents and loose grammar are ordinary, and a prompt with all three is usually understood. Two qualifications apply:

• When the quality of the prompt does make a difference, it tends to show as instructions missed rather than as worse text: Schmidtová et al. (2026) injected typos and grammar errors into translation prompts and found that the translations themselves hardly suffered, while the instructions around them, the format and the task, were followed less well, and that the choice of prompt made more difference than the errors in it.
• Small things that should make no difference sometimes do. In one study, typos, stray whitespace and dramatic wording in a patient’s message were enough to change the advice a model gave, and mostly for the worse: the models more often told patients to manage at home rather than see a clinician, including patients who needed care, and more so for women (Gourabathina et al., 2025).Tested on GPT-4, Llama 3 (70B and 8B) and Palmyra-Med, a model adapted to medicine, with clinicians shown the same messages for comparison, who were not affected. For a task that needs precision, writing the prompt carefully costs little and removes one variable.

Pourquoi l’anglais fonctionne souvent mieux

La plus grande partie des textes dont un modèle apprend est en anglais, à chaque étape pour laquelle les proportions ont été publiées :

• le segmenteur tokenization²jetonisation² language modelsmodèles de langue The process of converting text into an ordered sequence of tokens that a language model can process.Processus de conversion d'un texte en une séquence ordonnée de jetons qu'un modèle de langue peut traiter. est construit surtout à partir de textes anglais : les autres langues sont donc découpées en pièces plus nombreuses et plus courtes (see also the token gap between languages page, in the Language as numbers module) (voir aussi la page L'écart de jetons entre les langues, dans le module Le langage en nombres) ;
• le préentraînement : plusieurs modèles connus, dont GPT-3, ont été entraînés sur des textes à plus de 90 % en anglais, et pour GPT-3, le français représentait 1,8 % (Xu et al., 2025) (see also the Which languages, and how unevenly page, in the LLM lifecycle module) (voir aussi la page Quelles langues, et dans quelles proportions, dans le module Cycle de vie des GML) ;
• l’affinage fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier.  : les instructions qui ont servi à affiner InstructGPT, un modèle d’OpenAI de 2022, étaient à plus de 96 % en anglais (Ouyang et al., 2022).

Pour la plupart des modèles actuels, les proportions ne sont pas publiées.

Les modèles fonctionnent donc en général mieux en anglais, mais l’écart dépend de la langue et du modèle :

• sur des modèles ouverts de 2023, faire traduire la demande en anglais par le modèle lui-même, puis le faire répondre à partir de cette traduction imparfaite, donnait de meilleurs résultats qu’une réponse directe à la demande (Etxaniz et al., 2024) ;
• sur un modèle de 2025, traduire d’abord en anglais aidait encore pour les langues peu représentées dans les données d’entraînement, mais ne changeait presque rien pour les langues très répandues comme l’espagnol ou l’allemand (Wu et al., 2026).Le français ne figurait pas parmi les langues testées par Wu et al. (2026), mais il fait partie des langues très répandues.

Pour une langue moins répandue, une requête en anglais, même dans un anglais imparfait, ou une demande de traduire votre requête en anglais avant de répondre, peut donc donner de meilleurs résultats. C’est vrai même quand vous avez besoin de la réponse dans une autre langue : les consignes peuvent être en anglais et la réponse dans la langue voulue. Quelle que soit la langue de la requête, une réponse rédigée dans une autre langue que l’anglais porte encore la marque de l’anglais, ce qui demande une révision dans tous les cas (see also the Linguistic hegemony page, in the Critical issues with LLMs module) (voir aussi la page L'hégémonie linguistique, dans le module Enjeux critiques des GML).

Le soin à apporter à la requête elle-même

Dans la plupart des cas, une requête n’a pas besoin d’être rédigée avec soin. Les modèles sont entraînés sur des textes d’Internet, où les coquilles, les accents oubliés et une grammaire approximative sont courants, et une requête qui cumule les trois est généralement comprise. Deux réserves s’imposent :

• Quand la qualité de la requête compte, cela se voit plutôt dans des consignes non suivies que dans un texte de moins bonne qualité : Schmidtová et al. (2026) ont introduit des coquilles et des fautes de grammaire dans des requêtes de traduction, et constaté que les traductions elles-mêmes en souffraient à peine, alors que les consignes qui les entouraient, le format et la tâche, étaient moins bien suivies, et que le choix de la requête comptait davantage que les fautes qu’elle contenait.
• De petits détails qui ne devraient pas compter comptent parfois. Dans une étude, des coquilles, des espaces superflues et une formulation dramatique dans le message d’un patient suffisaient à modifier le conseil donné par un modèle, et le plus souvent en mal : les modèles conseillaient plus souvent aux patients de se soigner chez eux plutôt que de consulter, y compris à des patients qui avaient besoin de soins, et davantage encore aux femmes (Gourabathina et al., 2025).Testé sur GPT-4, Llama 3 (70B et 8B) et Palmyra-Med, un modèle adapté à la médecine, avec, à titre de comparaison, des cliniciens à qui l’on a montré les mêmes messages et qui n’ont pas été influencés. Pour une tâche où la précision compte, soigner la requête coûte peu et élimine une variable.

What happens to a file you attach

When you attach a ten-page contract and ask what it says about liability, the file is not stored somewhere the model consults. Its text is added to the context window context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). , in one of two ways (Figure 8figure 8):

• whole, when the file is small enough: the model sees every page;
• searched, when the file, or the set of files in a project, is too large: a search picks out the passages that match your question and only those are added, so the model never sees the rest. This is retrieval-augmented generation retrieval-augmented generation (RAG)génération augmentée par récupération (GAR) language modelsmodèles de langue A technique for improving the answers of a large language model by retrieving passages from an external source, such as a document collection or a web search, and adding them to the model's context before it generates its answer.Technique visant à améliorer les réponses d'un grand modèle de langue en extrayant des passages d'une source externe, par exemple une collection de documents ou une recherche Web, et en les ajoutant au contexte du modèle avant qu'il génère sa réponse. (RAG), the mechanism behind most “chat with your documents” features.

The difference changes what you can ask. A summary of a searched document covers only the passages the search found, and a question whose answer is spread across the document can get an answer built on the wrong extract. As a rule, a file of a few pages is added whole, and a set of long files in a project is searched.Anthropic switches a project to searching its files once they approach the size of the context window: Claude Help Center, RAG for Projects, read 14 September 2026. OpenAI does not say where ChatGPT switches, but it accepts text files of up to 2 million tokens each, more than fits in any current context window: OpenAI Help Center, File Uploads FAQ, read 17 September 2026.

A long input is not read evenly

Even when the whole document is in the context, the model does not use all of it equally well: models do clearly worse on long inputs than on short ones, well within the size they advertise, and some parts of a long input are used less reliably than others (see also the context window page, in the LLM lifecycle module) (voir aussi la page La fenêtre contextuelle, dans le module Cycle de vie des GML). Two practical consequences follow:

• Keep the document and the question clearly apart, and try both orders on your model, since the providers’ guides do not agree on which comes first.Anthropic and Google recommend putting a long document first and the question at the end, while OpenAI’s guide puts the instructions first and the material after them: Anthropic, Prompting best practices, “Long context prompting”; Google, Prompt design strategies; OpenAI, Prompt engineering. All read 17 September 2026.
• Ask about one part at a time when the answer has to be exact: the clause, the section, the chapter, rather than the whole file.

A long answer stops

A model can only write a limited number of tokens in one answer, far fewer than it can read (see also the context window page, in the LLM lifecycle module) (voir aussi la page La fenêtre contextuelle, dans le module Cycle de vie des GML). Asked to rewrite or translate a fifty-page document, a model may do the first pages and offer to continue, stop mid-sentence, or shorten the later pages without saying so. For anything long:

• work in parts of a size the model handles well, a few pages at a time, and keep the parts in a document of your own;
• give each part what it needs: the terms and style decisions taken in earlier parts, and the paragraph before it for continuity, since a new request starts with none of that;
• check the joins, where a term or a tense chosen in one part can differ from the next.

Ce que devient un fichier joint

Quand vous joignez un contrat de dix pages et demandez ce qu’il dit de la responsabilité, le fichier n’est pas rangé quelque part où le modèle irait le consulter. Son texte est ajouté à la fenêtre contextuelle context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). , de l’une de deux façons (Figure 8figure 8) :

• en entier, quand le fichier est assez petit : le modèle voit chaque page ;
• par recherche, quand le fichier, ou l’ensemble des fichiers d’un projet, est trop volumineux : une recherche repère les passages qui correspondent à votre question, et seuls ceux-là sont ajoutés, si bien que le modèle ne voit jamais le reste. C’est la génération augmentée par récupération retrieval-augmented generation (RAG)génération augmentée par récupération (GAR) language modelsmodèles de langue A technique for improving the answers of a large language model by retrieving passages from an external source, such as a document collection or a web search, and adding them to the model's context before it generates its answer.Technique visant à améliorer les réponses d'un grand modèle de langue en extrayant des passages d'une source externe, par exemple une collection de documents ou une recherche Web, et en les ajoutant au contexte du modèle avant qu'il génère sa réponse. (GAR, angl. RAG), le mécanisme derrière la plupart des fonctionnalités qui permettent de « discuter avec vos documents ».

La différence compte pour ce que vous pouvez demander. Le résumé d’un document parcouru par recherche ne porte que sur les passages que la recherche a trouvés, et une question dont la réponse est répartie dans tout le document peut recevoir une réponse fondée sur le mauvais extrait. En règle générale, un fichier de quelques pages est ajouté en entier, et un ensemble de longs fichiers dans un projet est parcouru par recherche.Anthropic fait passer un projet à la recherche dans ses fichiers quand ceux-ci approchent la taille de la fenêtre contextuelle : Claude Help Center, RAG for Projects, consulté le 14 septembre 2026. OpenAI ne dit pas à quel moment ChatGPT change de méthode, mais accepte des fichiers texte de jusqu’à 2 millions de jetons chacun, plus que ne peut en contenir aucune fenêtre contextuelle actuelle : OpenAI Help Center, File Uploads FAQ, consulté le 17 septembre 2026.

Une longue entrée n’est pas lue uniformément

Même quand tout le document est dans le contexte, le modèle ne l’exploite pas partout aussi bien : les modèles font nettement moins bien sur les longues entrées que sur les courtes, bien en deçà de la taille qu’ils annoncent, et certaines parties d’une longue entrée sont exploitées de façon moins fiable que d’autres (see also the context window page, in the LLM lifecycle module) (voir aussi la page La fenêtre contextuelle, dans le module Cycle de vie des GML). Deux conséquences pratiques en découlent :

• Séparez clairement le document et la question, et essayez les deux ordres sur votre modèle, car les guides des fournisseurs ne s’accordent pas sur ce qui vient en premier.Anthropic et Google recommandent de placer un long document en premier et la question à la fin, alors que le guide d’OpenAI place les consignes en premier et le document ensuite : Anthropic, Prompting best practices, « Long context prompting » ; Google, Prompt design strategies ; OpenAI, Prompt engineering. Tous consultés le 17 septembre 2026.
• Interrogez une partie à la fois quand la réponse doit être exacte : l’article, la section, le chapitre, plutôt que le fichier entier.

Une longue réponse s’arrête

Un modèle ne peut écrire qu’un nombre limité de jetons dans une réponse, bien moins qu’il ne peut en lire (see also the context window page, in the LLM lifecycle module) (voir aussi la page La fenêtre contextuelle, dans le module Cycle de vie des GML). Si vous demandez à un modèle de réécrire ou de traduire un document de cinquante pages, il peut traiter les premières pages et proposer de continuer, s’arrêter au milieu d’une phrase, ou raccourcir les pages suivantes sans le dire. Pour tout texte long :

• travaillez par parties d’une taille que le modèle traite bien, quelques pages à la fois, et rassemblez les parties dans un document à vous ;
• donnez à chaque partie ce dont elle a besoin : les termes et les choix de style arrêtés dans les parties précédentes, et le paragraphe qui précède pour la continuité, puisqu’une nouvelle demande ne dispose de rien de tout cela ;
• vérifiez les raccords, où un terme ou un temps de verbe choisi dans une partie peut différer de la suivante.

Correcting as you go

Refining an answer over several turns is the normal way to work. Two habits help:

• Be precise in your corrections: “cut the second paragraph and keep the example” works better than “shorter”.
• Judge a change on more than one answer: a better output after a change may not come back on the next run, which people new to these systems tend to overlook (Zamfirescu-Pereira et al., 2023) (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML).

When a conversation will not recover

Every correction is added to a context context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). that still contains the misreading, and the model’s answer is built on both rather than on the correction alone. Once a model has taken a wrong turn early in a conversation, it tends to build on it, and in tests it did considerably worse on a task spread over several messages than on the same task stated in one (Laban et al., 2026) (see also the Errors spread through context page, in the LLM lifecycle module) (voir aussi la page Les erreurs se propagent dans le contexte, dans le module Cycle de vie des GML). Four signs that you have reached that point:

• the answers get longer and less relevant with each turn;
• the model apologizes and repeats the same error;
• each correction introduces a new problem;
• the exchange has become a negotiation about your earlier instructions.

At that point, open a new conversation and write one clean prompt containing what you have learned: the corrections you made, the example that finally worked, the format you settled on (Figure 9figure 9). It can feel wasteful, but it is usually faster.

When a conversation has grown long

A long conversation fails in a different way. Instructions given at the start tend to be followed less as the conversation goes on, a long context is used unevenly, and once the context window fills, the chat app drops the oldest turns, or compacts them into a summary written by the model itself (see also the context window page, in the LLM lifecycle module) (voir aussi la page La fenêtre contextuelle, dans le module Cycle de vie des GML). Claude, for instance, does this on its paid plans.Claude Help Center, How large is the context window on paid Claude plans?: “When your conversation approaches the context window limit, Claude summarizes earlier messages to make room for new content”, on paid plans with code execution enabled. Read 21 September 2026. In practice, the model stops applying a decision made an hour ago. Three habits help:

• Restate the essentials later in a long conversation, rather than assuming the instruction at the top is still being followed.
• Start a new conversation with a summary of the decisions taken: ask the model for one, or write your own, and check it before you use it, since a summary can lose a decision.
• Do not fill the context with what you do not need: a pasted document you have finished with, a long tangent, the ten versions before the current one all compete with your instructions.

Corriger au fur et à mesure

Affiner une réponse en plusieurs tours est la façon normale de travailler. Deux habitudes aident :

• Soyez précis dans vos corrections : « supprime le deuxième paragraphe et garde l’exemple » fonctionne mieux que « plus court ».
• Jugez un changement sur plus d’une réponse : une réponse meilleure après un changement peut ne pas se reproduire à l’essai suivant, ce que les personnes qui découvrent ces systèmes ont tendance à négliger (Zamfirescu-Pereira et al., 2023) (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML).

Quand une conversation ne se rétablit pas

Chaque correction s’ajoute à un contexte context windowfenêtre contextuelle language modelsmodèles de langue "The amount of input (like text) that an AI system can process at one time during a task. Think of it as a model's short-term memory. A model can only consider so much text when generating its next response, and once the conversation exceeds its context window, the model starts 'forgetting' prior responses." (Stanford HAI).Quantité d'entrée (du texte, par exemple) qu'un système d'IA peut traiter à la fois pendant une tâche ; en quelque sorte, la mémoire à court terme du modèle. Un modèle ne peut considérer qu'une quantité limitée de texte pour générer sa prochaine réponse et, quand la conversation dépasse sa fenêtre contextuelle, il commence à « oublier » les réponses antérieures (d'après Stanford HAI, traduction libre). qui contient encore le malentendu, et la réponse du modèle se construit sur les deux plutôt que sur la seule correction. Une fois qu’un modèle a fait fausse route tôt dans une conversation, il a tendance à poursuivre sur cette lancée, et dans les essais, il s’en tirait nettement moins bien sur une tâche répartie sur plusieurs messages que sur la même tâche énoncée en un seul (Laban et al., 2026) (see also the Errors spread through context page, in the LLM lifecycle module) (voir aussi la page Les erreurs se propagent dans le contexte, dans le module Cycle de vie des GML). Quatre signes que vous en êtes là :

• les réponses s’allongent et perdent en pertinence à chaque tour ;
• le modèle s’excuse et répète la même erreur ;
• chaque correction introduit un nouveau problème ;
• l’échange est devenu une négociation sur vos consignes précédentes.

Arrivé à ce point, ouvrez une nouvelle conversation et écrivez une seule requête nette qui reprend ce que vous avez appris : les corrections apportées, l’exemple qui a fini par fonctionner, le format retenu (Figure 9figure 9). Cela peut sembler du gaspillage, mais c’est généralement plus rapide.

Quand une conversation s’est allongée

Une longue conversation échoue d’une autre façon. Les consignes données au début ont tendance à être moins suivies à mesure que la conversation avance, un long contexte est exploité inégalement, et une fois la fenêtre contextuelle remplie, l’application de clavardage abandonne les tours les plus anciens, ou les condense en un résumé rédigé par le modèle lui-même (see also the context window page, in the LLM lifecycle module) (voir aussi la page La fenêtre contextuelle, dans le module Cycle de vie des GML). C’est par exemple ce que fait Claude dans ses forfaits payants.Claude Help Center, How large is the context window on paid Claude plans? : « When your conversation approaches the context window limit, Claude summarizes earlier messages to make room for new content », dans les forfaits payants où l’exécution de code est activée. Consulté le 21 septembre 2026. En pratique, le modèle cesse d’appliquer une décision prise une heure plus tôt. Trois habitudes aident :

• Répétez ce qui compte plus loin dans une longue conversation, plutôt que de supposer que la consigne du début est toujours suivie.
• Ouvrez une nouvelle conversation avec un résumé des décisions prises : demandez-en un au modèle, ou rédigez le vôtre, et vérifiez-le avant de l’utiliser, car un résumé peut perdre une décision.
• N’encombrez pas le contexte de ce dont vous n’avez pas besoin : un document collé dont vous avez fini de vous servir, une longue digression, les dix versions précédant la version actuelle font tous concurrence à vos consignes.

Asking the chatbot

The simplest way to improve a prompt is to ask a chatbot to do it: paste the prompt and ask how it could be improved (Figure 10figure 10). The answer is usually longer and more explicit. In this example, a request of five lines came back with a task, a list of what to include for each language, an output format, an example row, and instructions such as indicating uncertainty rather than guessing (Figure 11figure 11).

The rewrite also changed the task. The original asked for all EU languages; the optimized prompt asks for eight of them, “and any others you have confidence in”. So read a rewritten prompt as a draft before you use it.

Tools that rewrite a prompt

Some providers offer the same as a feature of their developer tools: a button that rewrites a prompt following the provider’s own recommendations. OpenAI’s, for instance, optimizes a prompt “according to current best practices”, and its documentation warns that the result can “perform worse than your original on specific inputs”.OpenAI, Prompt optimizer, read 21 September 2026. The version that learns from a set of rated examples is being withdrawn with OpenAI’s evaluation platform, which becomes read-only on 31 October 2026 and shuts down on 30 November 2026.

Systematic optimization

When the same prompt is used over and over on the same kind of task, it can be improved systematically.

The method needs a set of test cases with known good answers, and a way to score each output (see also the Testing it yourself page, in the Using LLMs module) (voir aussi la page Faire vos propres tests, dans le module Utiliser les GML). A program then generates variants of the prompt, runs each one on the test cases, keeps the best and starts again. Yang et al. (2024a) had a language model language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. propose the variants, and found instructions such as “Take a deep breath and work on this problem step-by-step” (see also the Prompts and prompt engineering page, in the Using LLMs module) (voir aussi la page Requêtes et rédactique, dans le module Utiliser les GML). The method suits tasks that recur and whose results can be measured, which most one-off work is not.

Demander à l’agent conversationnel

La façon la plus simple d’améliorer une requête est de le demander à un agent conversationnel : collez la requête et demandez comment elle pourrait être améliorée (Figure 10figure 10). La réponse est généralement plus longue et plus explicite. Dans cet exemple, une demande de cinq lignes est revenue avec une tâche, une liste de ce qu’il faut indiquer pour chaque langue, un format de sortie, une ligne d’exemple, et des consignes comme signaler l’incertitude plutôt que de deviner (Figure 11figure 11).

La réécriture a aussi modifié la tâche. La requête d’origine demandait toutes les langues de l’UE ; la requête optimisée en demande huit, « and any others you have confidence in » (et toutes celles dont vous êtes sûr). Lisez donc une requête réécrite comme une ébauche avant de vous en servir.

Des outils qui réécrivent une requête

Certains fournisseurs proposent la même chose comme fonctionnalité de leurs outils pour développeurs : un bouton qui réécrit une requête selon les recommandations du fournisseur. Celui d’OpenAI, par exemple, optimise une requête « according to current best practices » (selon les pratiques exemplaires actuelles), et sa documentation prévient que le résultat peut « perform worse than your original on specific inputs » (donner de moins bons résultats que l’original sur certaines entrées).OpenAI, Prompt optimizer, consulté le 21 septembre 2026. La version qui apprend à partir d’un ensemble d’exemples notés disparaît avec la plateforme d’évaluation d’OpenAI, qui passe en lecture seule le 31 octobre 2026 et ferme le 30 novembre 2026.

L’optimisation systématique

Quand la même requête sert encore et encore pour le même type de tâche, elle peut être améliorée de façon systématique.

La méthode demande un ensemble de cas d’essai dont on connaît les bonnes réponses, et un moyen de noter chaque sortie (see also the Testing it yourself page, in the Using LLMs module) (voir aussi la page Faire vos propres tests, dans le module Utiliser les GML). Un programme génère ensuite des variantes de la requête, les essaie chacune sur les cas d’essai, garde la meilleure et recommence. Yang et al. (2024a) ont confié à un modèle de langue language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. le soin de proposer les variantes, et ont trouvé des consignes comme « Take a deep breath and work on this problem step-by-step » (respirez profondément et résolvez ce problème étape par étape) (see also the Prompts and prompt engineering page, in the Using LLMs module) (voir aussi la page Requêtes et rédactique, dans le module Utiliser les GML). La méthode convient aux tâches qui reviennent et dont les résultats se mesurent, ce qui n’est pas le cas de la plupart des travaux ponctuels.

Four ways to avoid repeating yourself

Chat apps offer four ways to keep instructions or material from one conversation to the next. All four reach the model the same way, as text added to its context.

Say it once

If you tell the model in every conversation to use British spelling, to avoid bullet points and to keep its answers short, that instruction belongs in your settings. Chat apps offer this under several names and shapes, which come to the same thing: text stored once and added to each new conversation before your first message.

The settings usually combine a free field for your instructions with a few preset choices, for instance a tone, a length or a style built from a sample of your own writing (Figure 12figure 12). Some answers may skip them: a chat app can answer simple questions in a quicker mode that leaves your instructions out.In ChatGPT, “fast answers” from general knowledge are not personalized and do not use memory, as the settings in the figure state. Claude offers styles, preset or built from a writing sample, beside a free instruction field. Both seen 16 September 2026. The instructions reach the model as part of what it reads, like the chat app’s own system prompt system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. (see also the System prompts page, in the LLM lifecycle module) (voir aussi la page Requêtes génératives système, dans le module Cycle de vie des GML).

Custom instructions can contain anything you would otherwise repeat in every conversation, for instance the language variety you write in, spelling conventions, formats you never want, the reference works you follow, or writing habits you dislike, named explicitly.

The same instructions can also be saved as an assistant of their own, with a name and files it may draw on, and used or shared when the work calls for it, as in Gemini’s Gems (Figure 13figure 13).

Memory

With memory switched on, the chat app keeps notes from your conversations and brings them into later ones, either every time or when they seem relevant, so a preference you stated once in passing can reach a conversation months later. For prompting, that works both ways: a note kept from one piece of work can surface in another, with instructions you never meant to give there. It is worth reading what yours contains (see also the What a chat product adds to the model page, in the Using LLMs module) (voir aussi la page Ce qu'un agent conversationnel ajoute au modèle, dans le module Utiliser les GML).

Projects

A project is the same idea scoped to one piece of work: a folder of conversations that share files and instructions. The project in Figure 15figure 15, for instance, is for preparing a marathon: its instructions and its training plan are part of every conversation opened in it, from fueling strategy to strength training, and a conversation opened outside the project does not see them (see also the Working with long documents page, in the Using LLMs module) (voir aussi la page Travailler avec de longs documents, dans le module Utiliser les GML).

Skills

A skill is a set of instructions for one kind of task, sometimes with small programs or reference files alongside them, that the chat app loads only when a task seems to call for it (Figure 16figure 16). Where a project is tied to one piece of work, a skill is tied to one way of working: how you want a report laid out, the checks you run on a text before you send it, the format of your meeting notes (see also the What a chat product adds to the model page, in the Using LLMs module) (voir aussi la page Ce qu'un agent conversationnel ajoute au modèle, dans le module Utiliser les GML).

Instructions, memory, project files and skills all work by inserting text into the context automatically. They are prompting rather than configuration, and the same limits apply: they are usually followed, followed less in a long conversation, and never guaranteed (see also the In-context learning chapter, in the LLM lifecycle module) (voir aussi le chapitre Apprentissage en contexte, dans le module Cycle de vie des GML).

Quatre façons d’éviter de vous répéter

Les applications de clavardage offrent quatre façons de conserver des instructions ou des documents d’une conversation à l’autre. Tous parviennent au modèle de la même façon, sous forme de texte ajouté à son contexte.

Le dire une fois

Si vous demandez au modèle, dans chaque conversation, d’utiliser l’orthographe britannique, d’éviter les listes à puces et de faire des réponses courtes, cette consigne a sa place dans vos paramètres. Les applications de clavardage proposent cette possibilité sous plusieurs noms et plusieurs formes, qui reviennent au même : un texte enregistré une fois et ajouté à chaque nouvelle conversation avant votre premier message.

Les paramètres associent généralement un champ libre pour vos instructions à quelques choix prédéfinis, par exemple un ton, une longueur ou un style construit à partir d’un échantillon de vos propres textes (Figure 12figure 12). Certaines réponses peuvent ne pas en tenir compte : une application peut répondre aux questions simples dans un mode plus rapide qui laisse vos instructions de côté.Dans ChatGPT, les « fast answers » (réponses rapides) tirées des connaissances générales ne sont pas personnalisées et n’utilisent pas la mémoire, comme l’indiquent les paramètres de la figure. Claude propose des styles, prédéfinis ou construits à partir d’un échantillon de texte, à côté d’un champ libre pour les instructions. Les deux vus le 16 septembre 2026. Les instructions parviennent au modèle comme une partie de ce qu’il lit, au même titre que la requête générative système system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. de l’application (see also the System prompts page, in the LLM lifecycle module) (voir aussi la page Requêtes génératives système, dans le module Cycle de vie des GML).

Les instructions personnalisées peuvent contenir tout ce que vous répéteriez sinon dans chaque conversation, par exemple la variété de langue dans laquelle vous écrivez, des conventions d’orthographe, des formats dont vous ne voulez jamais, les ouvrages de référence que vous suivez, ou des tics d’écriture que vous n’aimez pas, nommés explicitement.

Les mêmes instructions peuvent aussi être enregistrées comme un assistant à part entière, avec un nom et des fichiers sur lesquels il peut s’appuyer, et utilisées ou partagées quand le travail l’exige, comme les Gems de Gemini (Figure 13figure 13).

La mémoire

Quand la mémoire est activée, l’application de clavardage garde des notes de vos conversations et les reprend dans les suivantes, soit à chaque fois, soit quand elles semblent pertinentes : une préférence exprimée une seule fois, en passant, peut ainsi resurgir dans une conversation des mois plus tard. Pour la rédaction des requêtes, cela joue dans les deux sens : une note tirée d’un travail peut réapparaître dans un autre, avec des consignes que vous n’aviez jamais voulu y donner. Il vaut la peine de lire ce que contient la vôtre (see also the What a chat product adds to the model page, in the Using LLMs module) (voir aussi la page Ce qu'un agent conversationnel ajoute au modèle, dans le module Utiliser les GML).

Les projets

Un projet applique la même idée à un seul travail : un dossier de conversations qui partagent des fichiers et des instructions. Le projet de Figure 15figure 15, par exemple, sert à préparer un marathon : ses instructions et son plan d’entraînement font partie de chaque conversation ouverte dans le projet, de la stratégie d’alimentation au renforcement musculaire, et une conversation ouverte hors du projet ne les voit pas (see also the Working with long documents page, in the Using LLMs module) (voir aussi la page Travailler avec de longs documents, dans le module Utiliser les GML).

Les compétences

Une compétence (angl. skill) est un ensemble d’instructions pour un type de tâche, parfois accompagné de petits programmes ou de fichiers de référence, que l’application ne charge que lorsqu’une tâche semble l’exiger (Figure 16figure 16). Alors qu’un projet est lié à un travail, une compétence est liée à une façon de travailler : la mise en page que vous voulez pour un rapport, les vérifications que vous faites sur un texte avant de l’envoyer, le format de vos comptes rendus de réunion (see also the What a chat product adds to the model page, in the Using LLMs module) (voir aussi la page Ce qu'un agent conversationnel ajoute au modèle, dans le module Utiliser les GML).

Les instructions, la mémoire, les fichiers d’un projet et les compétences fonctionnent tous en insérant automatiquement du texte dans le contexte. Ils relèvent de la requête plutôt que de la configuration, et sont soumis aux mêmes limites : ils sont généralement respectés, moins bien dans une longue conversation, et jamais garantis (see also the In-context learning chapter, in the LLM lifecycle module) (voir aussi le chapitre Apprentissage en contexte, dans le module Cycle de vie des GML).

What to check

Some of what a model gives you is a matter of taste: the wording of a draft, the tone of an email, a list of possible titles (Figure 1figure 1). Your own taste and general knowledge are enough to judge it. Other parts are a matter of fact, with an exact answer that takes specific knowledge to check: a name, a figure, a reference, or a verdict such as whether a translation says what the original says. A wrong fact reads exactly like a right one, however plausible and confident the answer around it (see also the Hallucinations chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Les fabulations de l'IA, dans le module Enjeux critiques des GML). So unless you already know the answer, decide which facts you will check.

What each check can and cannot do

Every check but the last goes through a model, so it can fail the way the answer did. A rerun is still useful: answers whose meaning varies from one run to the next are a measurable sign of invented content (Farquhar et al., 2024) (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML). It is worth its cost for one claim you need to trust, but running the same question again by reflex adds to the energy a model uses (see also the Putting it in proportion page, in the Critical issues with LLMs module) (voir aussi la page Remettre en proportion, dans le module Enjeux critiques des GML).

Quoi vérifier

Une partie de ce qu’un modèle vous donne relève du goût : la formulation d’un brouillon, le ton d’un courriel, une liste de titres possibles (Figure 1figure 1). Votre goût et vos connaissances générales suffisent à en juger. D’autres éléments relèvent du fait, avec une réponse exacte qui demande des connaissances précises : un nom, un chiffre, une référence, ou un verdict, par exemple si une traduction dit bien ce que dit l’original. Un fait faux se lit exactement comme un fait juste, aussi plausible et assurée que soit la réponse qui l’entoure (see also the Hallucinations chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Les fabulations de l'IA, dans le module Enjeux critiques des GML). À moins de déjà connaître la réponse, décidez donc quels faits vous allez vérifier.

Ce que chaque vérification peut et ne peut pas faire

Toutes les vérifications sauf la dernière passent par un modèle : elles peuvent échouer comme la réponse a échoué. Reposer la question reste utile : des réponses dont le sens varie d’une exécution à l’autre sont un signe mesurable de contenu inventé (Farquhar et al., 2024) (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML). Cela vaut son coût pour une affirmation à laquelle vous devez vous fier, mais reposer la même question par réflexe ajoute à l’énergie que consomme un modèle (see also the Putting it in proportion page, in the Critical issues with LLMs module) (voir aussi la page Remettre en proportion, dans le module Enjeux critiques des GML).

Instructions and content look alike to a model

Everything a model reads arrives as the same tokens token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets. : the system prompt system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. the provider wrote, your request, and the document you attached. Nothing in that text marks which parts are instructions and which are material to work on (Figure 2figure 2). Models are trained to give the system prompt priority when a later message contradicts it, and in tests every model did much worse when instructions conflicted than when they agreed (Zhang et al., 2025b) (see also the System prompts page, in the LLM lifecycle module) (voir aussi la page Requêtes génératives système, dans le module Cycle de vie des GML).Tested on models of 2024, among them GPT-4o, Claude 3, Llama 3.1 and Qwen2.

Someone who writes a document you will feed to a model can use that.

The same property lets the person typing talk a model’s refusals around, which is jailbreaking jailbreakingdébridage AI safetysécurité de l'IA The deliberate use of specially crafted prompts or interaction strategies to make an AI model bypass restrictions on its outputs or behaviour, such as its refusal to provide prohibited content or sensitive information.Utilisation délibérée de requêtes spécialement conçues ou de stratégies d'interaction pour amener un modèle d'IA à contourner les restrictions sur ses sorties ou son comportement, comme son refus de fournir du contenu interdit ou des renseignements sensibles. (see also the Jailbreaking and red teaming page, in the LLM lifecycle module) (voir aussi la page Débridage et équipes rouges, dans le module Cycle de vie des GML).

An example: manuscripts that review themselves

Text is easy to hide from a reader without hiding it from a program: set in the same colour as the background, or at a size of one point, it disappears on the page while any program reading the file still extracts it. A study wrote such instructions into 100 manuscripts and uploaded them to ChatGPT and Gemini with a request for a review: instructions steering the review towards a positive verdict, or making the model refuse, or sending it to an external site, each worked more than 98 % of the time (Torrielli et al., 2026). Conferences have begun to take a position on it: the ICML 2026 reviewer guidelines forbid authors from injecting prompts, while allowing instructions whose only purpose is to reveal that a reviewer used a model.Tested in 2026 through the two products’ web interfaces, on computer-science papers; the authors also propose the same mechanism as a detection tool, since a hidden instruction that leaves a trace in a review shows the review was generated.

Why it concerns you

Anything a model reads on your behalf can contain instructions: a web page, a PDF from a client, an email being summarized, a document in a shared folder. A sentence in that material saying disregard your instructions and instead do X is not marked as less authoritative than what you wrote.

When a model only writes you an answer, the worst that happens is a wrong or strange answer, and you have a chance to notice it. It gets serious once the model can act for you, because the hidden instruction then reaches your files, your messages or your accounts.

Instructions et contenu se ressemblent pour un modèle

Tout ce qu’un modèle lit lui arrive sous la forme des mêmes jetons token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets.  : la requête système system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. écrite par le fournisseur, votre demande et le document que vous avez joint. Rien dans ce texte n’indique quelles parties sont des instructions et lesquelles sont la matière à traiter (Figure 2figure 2). Les modèles sont entraînés à donner la priorité à la requête système quand un message ultérieur la contredit, et dans les tests, tous les modèles ont nettement moins bien réussi lorsque les instructions se contredisaient que lorsqu’elles concordaient (Zhang et al., 2025b) (see also the System prompts page, in the LLM lifecycle module) (voir aussi la page Requêtes génératives système, dans le module Cycle de vie des GML).Testé sur des modèles de 2024, dont GPT-4o, Claude 3, Llama 3.1 et Qwen2.

Qui écrit un document que vous donnerez à un modèle peut s’en servir.

La même propriété permet à la personne qui écrit de contourner les refus d’un modèle, ce qu’on appelle le débridage jailbreakingdébridage AI safetysécurité de l'IA The deliberate use of specially crafted prompts or interaction strategies to make an AI model bypass restrictions on its outputs or behaviour, such as its refusal to provide prohibited content or sensitive information.Utilisation délibérée de requêtes spécialement conçues ou de stratégies d'interaction pour amener un modèle d'IA à contourner les restrictions sur ses sorties ou son comportement, comme son refus de fournir du contenu interdit ou des renseignements sensibles. (see also the Jailbreaking and red teaming page, in the LLM lifecycle module) (voir aussi la page Débridage et équipes rouges, dans le module Cycle de vie des GML).

Un exemple : des manuscrits qui s’évaluent eux-mêmes

Un texte se cache facilement à un lecteur sans se cacher à un programme : écrit dans la couleur du fond, ou en corps un, il disparaît sur la page alors que tout programme qui lit le fichier l’extrait encore. Une étude a inséré de telles instructions dans 100 manuscrits, puis a soumis ceux-ci à ChatGPT et à Gemini en demandant une évaluation : les instructions qui orientaient l’évaluation vers un verdict favorable, celles qui poussaient le modèle à refuser et celles qui le renvoyaient vers un site externe ont fonctionné plus de 98 % du temps (Torrielli et al., 2026). Les conférences commencent à prendre position : les consignes aux évaluateurs d’ICML 2026 interdisent aux auteurs d’insérer des instructions, tout en tolérant celles dont le seul but est de révéler qu’un évaluateur a utilisé un modèle.Testé en 2026 par les interfaces web des deux produits, sur des articles d’informatique ; les auteurs proposent aussi ce mécanisme comme outil de détection, puisqu’une instruction cachée qui laisse une trace dans une évaluation montre que celle-ci a été générée.

Pourquoi cela vous concerne

Tout ce qu’un modèle lit pour vous peut contenir des instructions : une page web, un PDF envoyé par un client, un courriel à résumer, un document dans un dossier partagé. Une phrase de cette matière qui dit ignore tes instructions et fais plutôt X n’est pas signalée comme moins autoritaire que ce que vous avez écrit.

Quand un modèle se contente de vous écrire une réponse, le pire qui arrive est une réponse fausse ou étrange, et vous avez une chance de le remarquer. Cela devient sérieux dès que le modèle peut agir pour vous, car l’instruction cachée atteint alors vos fichiers, vos messages ou vos comptes.

Where a prompt goes

A prompt typed into a chat app leaves your device, is processed on the provider’s servers, and is stored there with the answer as part of your history (Figure 3figure 3). From there, three things may happen to it, depending on the plan and the settings:

• it is kept for a period after you delete it, commonly about thirty days, and longer in several situations: a conversation someone has reviewed, a setting that allows training, a legal obligation;Anthropic removes deleted conversations from its back-end within thirty days and, with the model-improvement setting on, keeps chats in de-identified form for up to five years; OpenAI removes deleted conversations within thirty days (both read 17 September 2026, links in the note under the table below). Google keeps conversations that human reviewers saw for up to three years, and deleting your activity does not delete them: Gemini Apps Privacy Hub, read 22 September 2026.
• it may be read by the provider’s staff or contractors, for instance when a safety system flags it, or to improve the service;Google, for instance, states that “a subset of chats are reviewed by human reviewers” to improve its services: Gemini Apps Privacy Hub, updated 10 August 2026, read 17 September 2026.
• it may be used to train the next models, on personal plans where that is the default or where you have agreed to it.

Text used in training can come back out: Nasr et al. (2025) extracted training data, personal details included, from production models (see also the What happens to the training text page, in the LLM lifecycle module) (voir aussi la page Ce qu'il advient du texte d'entraînement, dans le module Cycle de vie des GML).Shown on the ChatGPT and Gemini models of 2023 and 2024. The authors report that one of their two attacks has since been patched, but not the general problem behind it. The chance that your own paragraph resurfaces is small, but once text has been used to train a model, switching the setting off afterwards does not take it back out of that model.

What differs by plan

Personal plans, business plans and the API generally follow different rules, and the pattern across providers stays the same even where the details change:

On personal plans the details vary from one provider to the next, for instance in whether training is on by default, how the setting is named and how long conversations are kept once training is allowed. A retention period can also be overridden: a court order in a lawsuit brought by the New York Times made one provider keep even deleted conversations for part of 2025.For instance Anthropic: with the “model improvement” setting on, chats are kept in de-identified form for up to five years and may be used for training; with it off, deleted conversations leave the back-end within thirty days; Claude for Work and the API are not used for training (Is my data used for model training?, How long do you store my data?; whether the setting is on by default for a new account is not stated there). OpenAI: conversations on personal plans are used for training unless “Improve the model for everyone” is switched off, deleted conversations leave its systems within thirty days, and business plans and the API are not used by default (How your data is used to improve model performance, updated 13 March 2026; Data Controls FAQ). The court order ended on 26 September 2025, and “limited historical April–September 2025 user data” is kept for the lawsuit (How we’re responding to The New York Times’ data demands, update of 22 October 2025). All read 17 September 2026.

Every chat app has a page in its settings where these choices are made, and most offer a temporary or incognito mode for a conversation that should not enter your history at all.For instance Claude Help Center, Incognito chats; OpenAI Help Center, Temporary Chat FAQ. Both read 15 September 2026. Reading that page once per chat app takes a few minutes, and tells you what happens to your text. The training switch is the one to look for: ChatGPT keeps it under Data controls (Figure 4figure 4) and Claude under Privacy (Figure 5figure 5), and other products put it somewhere comparable under a name of their own.

What this means for confidential work

Some material is not yours to hand over: an employer’s internal document, an unpublished manuscript or a dataset under embargo, a job application or a medical file that names someone, a student’s assignment, and, for a translator, a client’s text under a confidentiality agreement. None of it belongs in a chat app on a personal plan with the default settings. Each needs a deliberate decision, and the decision is not always no: a business plan with training off and a retention period you can defend, or a model running on your own machine, are the arrangements that make it yes (see also the Chat app, API or your own computer page, in the Using LLMs module) (voir aussi la page Application, API ou votre propre ordinateur, dans le module Utiliser les GML). What you owe a client, an employer, a research ethics board or a professional order, and what privacy law adds, depends on your own contracts and on the law that applies to you.

A conversation can also leave on purpose. Chat apps offer a link that anyone can open, and a document or a report can be published the same way (see also the Documents, images, voice and study modes page, in the Using LLMs module) (voir aussi la page Documents, images, voix et modes d'étude, dans le module Utiliser les GML). The link shows the exchange as it stands, so a conversation is worth reading through before you share it, above all when it contains material or details belonging to someone else. A shared link can also spread further than expected: in July 2025 ChatGPT offered to make a shared conversation findable by search engines, the magazine Fast Company found thousands of them in Google results, and OpenAI withdrew the option within days, saying it gave people too many chances to share something they had not meant to.OpenAI’s security lead called it a short-lived experiment and said indexed content would be removed from the search engines: Karissa Bell, OpenAI is removing ChatGPT conversations from Google, Engadget, 31 July 2025, read 22 September 2026. (Figure 6figure 6).

Où va une requête

Une requête tapée dans une application de conversation quitte votre appareil, est traitée sur les serveurs du fournisseur et y est conservée avec la réponse, dans votre historique (Figure 3figure 3). De là, trois choses peuvent lui arriver, selon le forfait et les réglages :

• elle est conservée un certain temps après que vous l’avez supprimée, couramment une trentaine de jours, et plus longtemps dans plusieurs cas : une conversation que quelqu’un a examinée, un réglage qui autorise l’entraînement, une obligation légale ;Anthropic retire les conversations supprimées de ses systèmes en moins de trente jours et, quand le réglage d’amélioration des modèles est activé, conserve les conversations sous forme dépersonnalisée jusqu’à cinq ans ; OpenAI retire les conversations supprimées en moins de trente jours (les deux consultés le 17 septembre 2026, liens dans la note sous le tableau ci-dessous). Google conserve jusqu’à trois ans les conversations examinées par des personnes, et supprimer votre activité ne les supprime pas : Gemini Apps Privacy Hub, consulté le 22 septembre 2026.
• elle peut être lue par le personnel du fournisseur ou par des sous-traitants, par exemple quand un système de sécurité la signale, ou pour améliorer le service ;Google, par exemple, indique qu’« un sous-ensemble de conversations est examiné par des évaluateurs humains » pour améliorer ses services : Gemini Apps Privacy Hub, mis à jour le 10 août 2026, consulté le 17 septembre 2026.
• elle peut servir à entraîner les prochains modèles, sur les forfaits personnels où c’est le réglage par défaut ou lorsque vous y avez consenti.

Un texte utilisé pour l’entraînement peut ressortir : Nasr et al. (2025) ont extrait des données d’entraînement, renseignements personnels compris, de modèles en production (see also the What happens to the training text page, in the LLM lifecycle module) (voir aussi la page Ce qu'il advient du texte d'entraînement, dans le module Cycle de vie des GML).Montré sur les modèles de ChatGPT et de Gemini de 2023 et 2024. Les auteurs signalent qu’une de leurs deux attaques a depuis été corrigée, mais pas le problème général qui la rend possible. Le risque que votre paragraphe ressorte est faible, mais une fois qu’un texte a servi à entraîner un modèle, désactiver le réglage après coup ne le retire pas de ce modèle.

Ce qui change selon le forfait

Les forfaits personnels, les forfaits d’entreprise et l’interface de programmation (API) suivent généralement des règles différentes, et le schéma reste le même d’un fournisseur à l’autre même quand les détails changent :

Sur les forfaits personnels, les détails varient d’un fournisseur à l’autre, par exemple selon que l’entraînement est activé par défaut ou non, selon le nom donné au réglage et selon la durée de conservation une fois l’entraînement autorisé. Une durée de conservation peut aussi être suspendue : dans le procès intenté par le New York Times, une ordonnance a obligé un fournisseur à conserver même les conversations supprimées pendant une partie de 2025.Anthropic, par exemple : avec le réglage « model improvement » activé, les conversations sont conservées sous forme dépersonnalisée jusqu’à cinq ans et peuvent servir à l’entraînement ; désactivé, les conversations supprimées quittent les systèmes en moins de trente jours ; Claude for Work et l’interface de programmation ne servent pas à l’entraînement (Is my data used for model training?, How long do you store my data? ; les pages ne disent pas si le réglage est activé par défaut pour un nouveau compte). OpenAI : sur les forfaits personnels, les conversations servent à l’entraînement à moins de désactiver « Improve the model for everyone », les conversations supprimées quittent les systèmes en moins de trente jours, et les forfaits d’entreprise et l’interface de programmation ne sont pas utilisés par défaut (How your data is used to improve model performance, mis à jour le 13 mars 2026 ; Data Controls FAQ). L’ordonnance a pris fin le 26 septembre 2025, et des « données d’utilisateurs historiques limitées d’avril à septembre 2025 » sont conservées pour le procès (How we’re responding to The New York Times’ data demands, mise à jour du 22 octobre 2025). Tous consultés le 17 septembre 2026.

Chaque application de conversation a une page de réglages où ces choix se font, et la plupart offrent un mode temporaire ou incognito pour une conversation qui ne doit pas entrer dans votre historique.Par exemple Claude Help Center, Incognito chats ; OpenAI Help Center, Temporary Chat FAQ. Les deux consultés le 15 septembre 2026. Lire cette page une fois par application prend quelques minutes et vous dit ce qui arrive à votre texte. C’est le réglage d’entraînement qu’il faut y chercher : ChatGPT le place sous Data controls (Figure 4figure 4) et Claude sous Privacy (Figure 5figure 5), et les autres produits le rangent à un endroit comparable, sous un nom à eux.

Ce que cela implique pour le travail confidentiel

Une partie de ce que vous traitez ne vous appartient pas : un document interne d’un employeur, un manuscrit inédit ou un jeu de données sous embargo, une candidature ou un dossier médical qui nomme quelqu’un, le travail d’un étudiant et, pour un traducteur, le texte d’un client soumis à une entente de confidentialité. Rien de tout cela n’a sa place dans une application de conversation sur un forfait personnel avec les réglages par défaut. Chaque cas demande une décision réfléchie, et la décision n’est pas toujours non : un forfait d’entreprise sans entraînement et avec une durée de conservation défendable, ou un modèle qui tourne sur votre machine, sont les arrangements qui permettent de dire oui (see also the Chat app, API or your own computer page, in the Using LLMs module) (voir aussi la page Application, API ou votre propre ordinateur, dans le module Utiliser les GML). Ce que vous devez à un client, à un employeur, à un comité d’éthique de la recherche ou à un ordre professionnel, et ce qu’y ajoute le droit de la vie privée, dépend de vos propres contrats et du droit qui s’applique à vous.

Une conversation peut aussi sortir volontairement. Les applications de conversation offrent un lien que n’importe qui peut ouvrir, et un document ou un rapport peut être publié de la même façon (see also the Documents, images, voice and study modes page, in the Using LLMs module) (voir aussi la page Documents, images, voix et modes d'étude, dans le module Utiliser les GML). Le lien montre l’échange tel quel : une conversation mérite donc d’être relue avant d’être partagée, surtout quand elle contient de la matière ou des renseignements qui appartiennent à quelqu’un d’autre. Un lien partagé peut aussi aller plus loin que prévu : en juillet 2025, ChatGPT proposait de rendre une conversation partagée repérable par les moteurs de recherche, le magazine Fast Company en a trouvé des milliers dans les résultats de Google, et OpenAI a retiré l’option en quelques jours, en expliquant qu’elle donnait trop d’occasions de partager quelque chose sans l’avoir voulu.Le responsable de la sécurité chez OpenAI a parlé d’une expérience de courte durée et annoncé le retrait des contenus indexés des moteurs de recherche : Karissa Bell, OpenAI is removing ChatGPT conversations from Google, Engadget, 31 juillet 2025, consulté le 22 septembre 2026. (Figure 6figure 6).

An old computing principle

Garbage in, garbage out (GIGO) is a concept that comes from the early days of computing. It refers to how dependent computer systems are on input, whether those are coded rules or patterns learned from data: the output can only ever be as good as the input. While it can be applied to rule-based systems rule-based systemsystème à base de règles AIIA A system whose behaviour is fixed by rules that people wrote, most often of the form "if this condition, then this action", so that every output can be traced to the rule that produced it.Système dont le comportement est fixé par des règles écrites par des personnes, le plus souvent de la forme « si cette condition, alors cette action », de sorte que chaque résultat peut être rapporté à la règle qui l'a produit. as well, it has become increasingly associated with machine learning machine learning (ML)apprentissage automatique machine learningapprentissage automatique An approach to artificial intelligence in which a model is trained on data or experience so that its adjustable parameters come to reflect patterns relevant to a task.Approche de l'intelligence artificielle dans laquelle un modèle est entraîné sur des données ou sur l'expérience, de sorte que ses paramètres ajustables en viennent à refléter des régularités pertinentes pour une tâche. , where the “garbage in” refers to the training data.

The principle applies most sharply to a large language model large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. . Training one takes more text than any group of people could read, so the corpus is crawled from the web and filtered by automatic rules rather than by editorial judgement (see also the What gets filtered out page, in the LLM lifecycle module) (voir aussi la page Ce qui est filtré, dans le module Cycle de vie des GML). Those rules can tell usable text from unusable, not true from false.

Four levels where garbage can enter

In an LLM, the input can contain “garbage” influencing the output at four levels (Figure 1figure 1). The training corpus training corpusbase d'apprentissage datadonnées A collection of text or other language data used to estimate or update a model's parameters during training or pretraining.Collection de textes ou d'autres données langagières servant à estimer ou à mettre à jour les paramètres d'un modèle pendant l'entraînement ou le préentraînement. is the first. It contains anything from quality newspapers, peer-reviewed articles and prize-winning literature to conspiracy blogs, social media and fan fiction, and nothing marks which is which (see also the Training data chapter, in the LLM lifecycle module) (voir aussi le chapitre Les données d'entraînement, dans le module Cycle de vie des GML). All of it is text whose next word can be predicted, and all of it shapes the parameters.

The fine-tuning fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. data is the second: a comparatively small set of instruction examples sets how the model behaves, so a careless example can teach a careless habit to every conversation that follows (see also the Fine-tuning chapter, in the LLM lifecycle module) (voir aussi le chapitre Affinage, dans le module Cycle de vie des GML).

The system prompt system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. is the third. Its standing instructions apply to every exchange, so a badly framed one produces the same misbehaviour consistently rather than occasionally.

Your own prompt promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. is the fourth, and it is the level you control. A question can start from a false premise, and a model may build on it rather than challenge it.

Keeping “garbage” out of your own prompt is a matter of how you write it (see also the Be specific and ask for enough page, in the Using LLMs module) (voir aussi la page Être précis et en demander assez, dans le module Utiliser les GML).

Un vieux principe informatique

« Médiocre en entrée, médiocre en sortie » (GIGO, de l’anglais garbage in, garbage out) est un concept qui vient des débuts de l’informatique. Il renvoie à la dépendance des systèmes informatiques envers leur entrée, qu’il s’agisse de règles codées ou de régularités apprises à partir de données : la sortie ne peut jamais être meilleure que l’entrée. Le principe vaut aussi pour les systèmes à base de règles rule-based systemsystème à base de règles AIIA A system whose behaviour is fixed by rules that people wrote, most often of the form "if this condition, then this action", so that every output can be traced to the rule that produced it.Système dont le comportement est fixé par des règles écrites par des personnes, le plus souvent de la forme « si cette condition, alors cette action », de sorte que chaque résultat peut être rapporté à la règle qui l'a produit. , mais il est de plus en plus associé à l’apprentissage automatique machine learning (ML)apprentissage automatique machine learningapprentissage automatique An approach to artificial intelligence in which a model is trained on data or experience so that its adjustable parameters come to reflect patterns relevant to a task.Approche de l'intelligence artificielle dans laquelle un modèle est entraîné sur des données ou sur l'expérience, de sorte que ses paramètres ajustables en viennent à refléter des régularités pertinentes pour une tâche. , où le « garbage in » désigne les données d’entraînement.

Le principe s’applique avec le plus d’acuité à un grand modèle de langue large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. (GML). En entraîner un demande plus de texte qu’aucun groupe de personnes ne pourrait lire : le corpus provient donc de l’exploration du Web et il est filtré par des règles automatiques plutôt que par un jugement éditorial (see also the What gets filtered out page, in the LLM lifecycle module) (voir aussi la page Ce qui est filtré, dans le module Cycle de vie des GML). Ces règles distinguent le texte utilisable du texte inutilisable, pas le vrai du faux.

Quatre niveaux où le « garbage » peut entrer

Dans un GML, l’entrée peut contenir du « garbage » qui influence la sortie à quatre niveaux (Figure 1figure 1). La base d’apprentissage training corpusbase d'apprentissage datadonnées A collection of text or other language data used to estimate or update a model's parameters during training or pretraining.Collection de textes ou d'autres données langagières servant à estimer ou à mettre à jour les paramètres d'un modèle pendant l'entraînement ou le préentraînement. est le premier. Elle contient aussi bien des journaux de qualité, des articles évalués par les pairs et de la littérature primée que des blogues conspirationnistes, des médias sociaux et de la fanfiction, et rien n’indique ce qui est quoi (see also the Training data chapter, in the LLM lifecycle module) (voir aussi le chapitre Les données d'entraînement, dans le module Cycle de vie des GML). Tout cela est du texte dont on peut prédire le mot suivant, et tout cela façonne les paramètres.

Les données d’affinage fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. sont le deuxième : un ensemble comparativement restreint d’exemples d’instructions fixe la façon dont le modèle se comporte, de sorte qu’un exemple négligent peut enseigner une habitude négligente à toutes les conversations qui suivent (see also the Fine-tuning chapter, in the LLM lifecycle module) (voir aussi le chapitre Affinage, dans le module Cycle de vie des GML).

La requête générative système system promptrequête générative système promptingrequêtes An instruction supplied to a language model before or alongside the user's input that establishes the model's role, task, behavioural rules, tone, or other context for the interaction.Instruction fournie à un modèle de langue avant l'entrée de l'utilisateur, ou en parallèle, qui établit le rôle du modèle, sa tâche, ses règles de conduite, son ton ou d'autres éléments de contexte pour l'interaction. est le troisième. Ses instructions permanentes s’appliquent à chaque échange, de sorte qu’une formulation maladroite produit le même mauvais comportement de façon constante plutôt qu’occasionnelle.

Votre propre requête promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. est le quatrième, et c’est le niveau que vous contrôlez. Une question peut reposer sur une présupposition erronée, et un modèle peut construire dessus plutôt que la remettre en cause.

Garder le « garbage » hors de votre propre requête est une question de formulation (see also the Be specific and ask for enough page, in the Using LLMs module) (voir aussi la page Être précis et en demander assez, dans le module Utiliser les GML).

While the GIGO principle is not the only cause of the many issues associated with LLMs and AI in general, it is a significant factor in many of the biggest ones, so you will see it referred to in many of the other chapters and pages of this module. For instance:

• Bias. Models learn from biased text and produce biased output (see also the Bias chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Biais, dans le module Enjeux critiques des GML).
• Linguistic hegemony. Models learn mostly from English, so they work less well in every other language (see also the Linguistic hegemony page, in the Critical issues with LLMs module) (voir aussi la page L'hégémonie linguistique, dans le module Enjeux critiques des GML).
• Hidden work. Somebody has to go through the “garbage”, and that somebody often works in poor conditions.
• Hallucinations. Models are not fed only true and objective information, so they can reproduce wrong information (see also the Hallucinations chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Les fabulations de l'IA, dans le module Enjeux critiques des GML).
• Privacy and copyright. Whatever went into the corpus can come back out of it, personal information and copyrighted text included.
• Model collapse. What models produce is published and collected by the next crawl, so the output of one generation becomes the input of the next.

None of these has a single cause. Models invent information that was in no corpus at all, part of the language gap comes from how text is cut into tokens token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets. rather than from how much of a language the corpus contained, and the conditions data workers are paid under are an economic arrangement rather than a property of the text. GIGO is one factor among several, but it is a pretty pervasive one.

Le principe du GIGO n’est pas la seule cause des nombreux problèmes associés aux GML et à l’IA en général, mais il entre pour une part importante dans plusieurs des plus grands, si bien que vous le verrez évoqué dans beaucoup d’autres chapitres et pages de ce module. Par exemple :

• Biais. Les modèles apprennent à partir de textes biaisés et produisent des sorties biaisées (see also the Bias chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Biais, dans le module Enjeux critiques des GML).
• Hégémonie linguistique. Les modèles apprennent surtout à partir de l’anglais, et fonctionnent donc moins bien dans toutes les autres langues (see also the Linguistic hegemony page, in the Critical issues with LLMs module) (voir aussi la page L'hégémonie linguistique, dans le module Enjeux critiques des GML).
• Travail invisible. Quelqu’un doit passer à travers tout le « garbage », et ce quelqu’un travaille souvent dans de mauvaises conditions.
• Fabulations de l’IA. Les modèles ne sont pas nourris uniquement d’informations vraies et objectives, et peuvent donc reproduire des informations fausses (see also the Hallucinations chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Les fabulations de l'IA, dans le module Enjeux critiques des GML).
• Vie privée et droit d’auteur. Tout ce qui est entré dans le corpus peut en ressortir, renseignements personnels et textes protégés compris.
• Effondrement du modèle. Ce que les modèles produisent est publié puis récolté par l’exploration suivante, de sorte que la sortie d’une génération devient l’entrée de la suivante.

Aucun de ces problèmes n’a une cause unique. Les modèles inventent des informations qui ne figuraient dans aucun corpus, une partie de l’écart entre les langues tient à la façon dont le texte est découpé en jetons token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets. plutôt qu’à la quantité de chaque langue présente dans le corpus, et les conditions dans lesquelles les personnes qui annotent les données sont payées relèvent d’un arrangement économique plutôt que d’une propriété du texte. Le GIGO est un facteur parmi d’autres, mais il est plutôt omniprésent.

Glue on pizza, and citations that do not exist

Hallucinations are probably the most well-known issue with LLMs. LLMs are known to be unreliable sometimes, and confidently spew wrong information. You may remember an early iteration of Google’s AI Overviews telling users to add glue to make the cheese stick to pizza better,Liv McMahon and Zoe Kleinman, Glue pizza and eat rocks: Google AI search errors go viral, BBC News, 24 May 2024, read 22 September 2026. The answer said “non-toxic glue”; the same week, AI Overviews also answered that geologists recommend eating one rock a day. Google called these “isolated examples” on “generally very uncommon queries”. lawyers getting into trouble because they relied on AI-fabricated citations,For instance Carolyn Gruske, Lawyer who used AI-fabricated citations hit with $31,150 in costs to LSO, Law Times, 17 June 2026, read 22 September 2026, reporting Law Society Tribunal of Ontario, 2026 ONLSTH 112: a factum and affidavits cited cases that do not exist, alongside real cases that had nothing to do with the point being made. or Apple’s notification summaries reporting that a murder suspect had shot himself, when the BBC had published nothing of the kind.Graham Fraser, BBC complains to Apple over misleading shooting headline, BBC News, 13 December 2024, read 22 September 2026.

The three fail for different reasons.

• The glue answer is an example of LLMs referencing unreliable sources. The AI Overviews answers of that week appeared to come from Reddit comments and from the satirical site The Onion, so the input was intentionally wrong, in a way humans would normally pick up on (see also the Garbage in, garbage out chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Médiocre en entrée, médiocre en sortie, dans le module Enjeux critiques des GML), and it was summarized into an answer like any other source.
• The Apple summary is an example of LLMs misrepresenting sources. The notifications it worked from said nothing of the kind, and the same summary was accurate about the two other stories it grouped.
• The fabricated citations are an example of LLMs producing wrong information with no source behind it at all.

Regardless of the cause, the result is the same: confidently presented wrong information.

Information is never labelled true or false

Three factors in how a model is trained explain why models hallucinate.

• The model was trained to predict the next word. That means sounding like its training text, not being right (see also the LLMs as next-word predictors chapter, in the LLM lifecycle module) (voir aussi le chapitre Les GML, prédicteurs du mot suivant, dans le module Cycle de vie des GML).
• The whole corpus is compressed into parameters lossy compressioncompression avec perte computinginformatique A method of reducing the amount of data needed to represent information by discarding some information, so that the original cannot be reconstructed exactly.Méthode de réduction de la quantité de données nécessaire pour représenter une information, qui en écarte une partie, de sorte que l'original ne peut pas être reconstruit exactement. as a web of associations rather than a record of facts (see also the Word embeddings chapter, in the Language as numbers module) (voir aussi le chapitre Plongements lexicaux, dans le module Le langage en nombres), so what was rare in it comes back rebuilt from something close. Writing large where the source said big does no harm, because words that behave alike mean much the same; giving a date that is one year out, or a name that belongs to someone else, does.
• A model is trained to produce an answer, not to withhold one or to flag how uncertain it is. Answering “I do not know” has to be trained in separately (Zhang et al., 2024).

A well-attested fact and a detail that was rarely written down go through the same steps, and both come out as a fluent sentence (Figure 1figure 1).

Within a formal definition of the problem, Xu et al. (2024) prove that a model used as a general problem solver will always hallucinate: a property to manage rather than a defect that a later version will fix.

De la colle sur la pizza, et des références qui n’existent pas

Les fabulations de l’IA (angl. hallucinations) sont sans doute le problème le plus connu des grands modèles de langue (GML). Les GML sont réputés peu fiables par moments, et ils débitent des informations fausses avec assurance. Vous vous souvenez peut-être d’une première version des AI Overviews de Google qui conseillait d’ajouter de la colle pour que le fromage tienne mieux sur la pizza,Liv McMahon et Zoe Kleinman, Glue pizza and eat rocks: Google AI search errors go viral, BBC News, 24 mai 2024, consulté le 22 septembre 2026. La réponse parlait de « non-toxic glue » [ma traduction : « colle non toxique »] ; la même semaine, AI Overviews répondait aussi que les géologues recommandent de manger un caillou par jour. Google a qualifié ces réponses de « isolated examples » [ma traduction : « cas isolés »], sur des requêtes « generally very uncommon » [ma traduction : « généralement très inhabituelles »]. d’avocats qui se sont mis dans l’embarras en se fiant à des références fabriquées par l’IA,Par exemple Carolyn Gruske, Lawyer who used AI-fabricated citations hit with $31,150 in costs to LSO, Law Times, 17 juin 2026, consulté le 22 septembre 2026, rapportant Law Society Tribunal of Ontario, 2026 ONLSTH 112 : un mémoire et des affidavits citaient des causes inexistantes, à côté de causes réelles sans rapport avec le propos. ou des résumés de notifications d’Apple rapportant qu’un suspect de meurtre s’était tiré dessus, alors que la BBC n’avait rien publié de tel.Graham Fraser, BBC complains to Apple over misleading shooting headline, BBC News, 13 décembre 2024, consulté le 22 septembre 2026.

Les trois échouent pour des raisons différentes.

• La réponse sur la colle est un exemple de GML qui s’appuient sur des sources peu fiables. Les réponses des AI Overviews de cette semaine-là semblaient provenir de commentaires Reddit et du site satirique The Onion : l’entrée était fausse à dessein, d’une façon que des humains repèrent normalement (see also the Garbage in, garbage out chapter, in the Critical issues with LLMs module) (voir aussi le chapitre Médiocre en entrée, médiocre en sortie, dans le module Enjeux critiques des GML), et elle a été résumée en une réponse comme n’importe quelle autre source.
• Le résumé d’Apple est un exemple de GML qui déforment leurs sources. Les notifications dont il partait ne disaient rien de tel, et le même résumé était exact sur les deux autres nouvelles qu’il regroupait.
• Les références fabriquées sont un exemple de GML qui produisent de l’information fausse sans aucune source derrière.

Quelle qu’en soit la cause, le résultat est le même : de l’information fausse présentée avec assurance.

L’information n’est jamais étiquetée vraie ou fausse

Trois facteurs, dans la façon dont un modèle est entraîné, expliquent pourquoi les modèles fabulent.

• Le modèle a été entraîné à prédire le mot suivant. Cela revient à ressembler à son texte d’entraînement, pas à avoir raison (see also the LLMs as next-word predictors chapter, in the LLM lifecycle module) (voir aussi le chapitre Les GML, prédicteurs du mot suivant, dans le module Cycle de vie des GML).
• Tout le corpus est compressé dans les paramètres lossy compressioncompression avec perte computinginformatique A method of reducing the amount of data needed to represent information by discarding some information, so that the original cannot be reconstructed exactly.Méthode de réduction de la quantité de données nécessaire pour représenter une information, qui en écarte une partie, de sorte que l'original ne peut pas être reconstruit exactement. comme un réseau d’associations plutôt que comme un registre de faits (see also the Word embeddings chapter, in the Language as numbers module) (voir aussi le chapitre Plongements lexicaux, dans le module Le langage en nombres), si bien que ce qui y était rare revient reconstruit à partir de quelque chose de proche. Écrire grand là où la source disait gros ne porte pas à conséquence, parce que des mots qui se comportent de la même manière veulent dire à peu près la même chose ; donner une date décalée d’un an, ou un nom qui appartient à quelqu’un d’autre, si.
• Un modèle est entraîné à produire une réponse, pas à s’en abstenir ni à signaler son degré d’incertitude. Répondre « je ne sais pas » doit faire l’objet d’un entraînement distinct (Zhang et al., 2024).

Un fait bien attesté et un détail rarement écrit passent par les mêmes étapes, et les deux ressortent sous la forme d’une phrase fluide (Figure 1figure 1).

Dans le cadre d’une définition formelle du problème, Xu et al. (2024) démontrent qu’un modèle employé comme résolveur de problèmes général fabulera toujours : une propriété à gérer plutôt qu’un défaut qu’une version ultérieure corrigera.

Maynez et al. (2020) separated two kinds of hallucination in summarization, and the difference decides how you catch one in any output checked against a source you supplied.

The two call for different checks (Figure 2figure 2). For an intrinsic one, everything needed is in front of you: the summary says the lease permits something the lease forbids, and reading both catches it. For an extrinsic one, the output is internally consistent and the error is a fact about the world, so catching it means knowing the subject or looking it up.

Maynez et al. (2020) ont distingué deux types de fabulations en résumé automatique, et la différence détermine comment vous pouvez en repérer une dans toute sortie vérifiable contre une source que vous avez fournie.

Les deux appellent des vérifications différentes (Figure 2figure 2). Pour une fabulation intrinsèque, tout ce qu’il faut est devant vous : le résumé dit que le bail permet ce que le bail interdit, et lire les deux suffit à la repérer. Pour une fabulation extrinsèque, la sortie est cohérente avec elle-même et l’erreur porte sur un fait du monde : la repérer suppose de connaître le sujet ou d’aller le vérifier.

Reading does not tell you which parts are true

Asked for a quick biography of me, a chatbot opened with a warning that it might hallucinate details, then wrote five confident, well-organized paragraphs (Figure 3figure 3). The field is right. The doctorate is right, down to its subject, and the corpus it credits me with is one I did build. The university it puts me at is wrong: I have not worked at Ghent since 2022. Nothing in the manner of that one sentence separates it from the ones around it.

It also leaves things out. My work has moved well beyond term extraction, and none of that appears here. That is the knowledge cutoff knowledge cutoffdate de coupure des connaissances language modelsmodèles de langue The point in time up to which the text a model was trained on was gathered, and after which nothing reached it during training.Moment jusqu'auquel le texte ayant servi à entraîner un modèle a été rassemblé, et après lequel plus rien ne lui est parvenu pendant l'entraînement. showing: recent material is thinner in the training text than older material, and the most recent information is missing altogether, unless the model also searches the web. The wrong university is the same gradient at work. At the cutoff there was far more text linking me to Ghent, where I did my doctorate, than to the universities I moved to afterwards, so the best-attested answer was the out-of-date one.

Being well known is not the same as being well covered in the training text. Gurky is far more famous than I am, but his fame is in video rather than in writing, and a model is trained on text. In January 2025, asked in French for a short biography of Gurky, a Québécois YouTuber, a chatbot had the general picture right, a francophone YouTuber, and every specific wrong. It gave him a real name, a nationality, a birth year and a start on YouTube, all four wrong, as was the kind of videos it said he makes (Figure 4figure 4).A 2023 profile in the Québec press gives his first name as Jules, and the date of his first video as 6 May 2012, when he was 13: Adam Bourbonnière, 7 choses à savoir sur Gurky, youtubeur de l’année, Le Sac de chips, 10 February 2023, read 17 September 2026.

Such errors are hard to see. They are plausible enough that nothing jars, the correct details around them vouch for them, and apart from the rare general hedge, as in the first example, no uncertainty is expressed about any particular claim.

Careful reading checks a text against itself, so it tests coherence. It does not test factuality, which is a question about the world rather than about the text.

A text can be perfectly coherent and still correspond to nothing, so an error of this kind passes a careful reading every time.

The 90 % problem

Hallucinations are becoming less common in LLMs.Fabricated references, for instance, fell sharply from GPT-3.5 to GPT-4 (Walters & Wilder, 2023). A measured rate is always for one task, and rates have not fallen evenly on all of them. While this is on the whole a good thing, it also makes the remaining ones trickier. Think of it as the 90 % (or even 99 %) problem: if the vast majority of the information presented to you is correct, and all of it is presented equally confidently and all of it seems plausible, the remaining errors are very hard to detect. And the more often you see good output, the “lazier” you can become with fact-checking, because on average the output is, or looks, pretty good.

La lecture ne dit pas quelles parties sont vraies

À qui lui demandait en anglais une courte biographie de moi, un agent conversationnel a commencé par avertir qu’il risquait de fabuler certains détails, puis a écrit cinq paragraphes assurés et bien organisés (Figure 3figure 3). Le domaine est exact. Le doctorat est exact, jusqu’à son sujet, et le corpus qu’il m’attribue est bien un corpus que j’ai construit. L’université où il me place est fausse : je ne travaille plus à Gand depuis 2022. Rien, dans la manière de cette phrase-là, ne la distingue de celles qui l’entourent.

Il omet aussi des choses. Mon travail a largement dépassé l’extraction de termes, et rien de cela n’apparaît ici. C’est la date de coupure des connaissances knowledge cutoffdate de coupure des connaissances language modelsmodèles de langue The point in time up to which the text a model was trained on was gathered, and after which nothing reached it during training.Moment jusqu'auquel le texte ayant servi à entraîner un modèle a été rassemblé, et après lequel plus rien ne lui est parvenu pendant l'entraînement. qui se manifeste : le matériel récent est plus mince dans le texte d’entraînement que le matériel ancien, et l’information la plus récente manque tout à fait, à moins que le modèle ne fasse aussi une recherche sur le Web. L’université fausse relève du même gradient. À la date de coupure, il y avait beaucoup plus de texte me reliant à Gand, où j’ai fait mon doctorat, qu’aux universités où je suis allée ensuite, si bien que la réponse la mieux attestée était la réponse périmée.

Être connu n’est pas la même chose qu’être bien représenté dans le texte d’entraînement. Gurky est bien plus célèbre que moi, mais sa notoriété passe par la vidéo plutôt que par l’écrit, et un modèle est entraîné sur du texte. En janvier 2025, à qui lui demandait en français une courte biographie de Gurky, un youtubeur québécois, un agent conversationnel a vu juste sur le tableau d’ensemble, un youtubeur francophone, et faux sur chaque détail. Il lui a donné un nom civil, une nationalité, une année de naissance et un début sur YouTube, les quatre faux, tout comme le genre de vidéos qu’il lui prêtait (Figure 4figure 4).Un portrait paru dans la presse québécoise en 2023 donne Jules comme prénom, et le 6 mai 2012 comme date de sa première vidéo, alors qu’il avait 13 ans : Adam Bourbonnière, 7 choses à savoir sur Gurky, youtubeur de l’année, Le Sac de chips, 10 février 2023, consulté le 17 septembre 2026.

De telles erreurs sont difficiles à voir. Elles sont assez plausibles pour que rien ne détonne, les détails exacts qui les entourent leur servent de caution, et à part la rare réserve générale, comme dans le premier exemple, aucune incertitude n’est exprimée sur une affirmation en particulier.

Une lecture attentive confronte un texte à lui-même : elle vérifie donc sa cohérence. Elle ne vérifie pas sa factualité, qui est une question sur le monde plutôt que sur le texte.

Un texte peut être parfaitement cohérent et ne correspondre à rien, si bien qu’une erreur de ce genre passe une lecture attentive à tout coup.

Le problème des 90 %

Les fabulations se raréfient dans les GML.Les références fabriquées, par exemple, ont nettement reculé de GPT-3.5 à GPT-4 (Walters et Wilder, 2023). Un taux mesuré vaut toujours pour une tâche, et les taux n’ont pas baissé également partout. Si c’est dans l’ensemble une bonne chose, cela rend aussi les fabulations restantes plus retorses. Voyez cela comme le problème des 90 % (voire des 99 %) : si la grande majorité de l’information qui vous est présentée est exacte, qu’elle est présentée partout avec la même assurance et qu’elle paraît partout plausible, les erreurs restantes sont très difficiles à détecter. Et plus vous voyez de bonnes sorties, plus vous pouvez devenir « paresseux » dans la vérification des faits, parce qu’en moyenne la sortie est bonne, ou en a l’air.

What the developers do

Three approaches are in use, but none of them removes the problem.

Both studies used models of 2023. Zhang et al. (2024) tested refusal training on OpenLLaMA-3B and LLaMA 7B and 13B. Chen et al. (2024) tested retrieval on ChatGPT and several open 6B and 7B models, which did worst at declining when the retrieved documents did not contain the answer, at combining information from several documents, and at detecting false information in them.

The numbers date faster than the failures do. Each of these is a mitigation rather than a guarantee, and the September 2026 runs below show one of the same failures on current models: an answer based on a source that is wrong.

The biography of Gurky earlier in this chapter came from a model of 2025 answering from its parameters alone. Put to two chatbots in September 2026, the same question sent both of them to the web without being asked, and searching changed what went wrong rather than removing it.

The first searched and then used a celebrity birthday site, which gave it a full name and a birth date; the name is wrong (Figure 5figure 5).

The second found the Québec press instead and gave his first name correctly (Figure 6figure 6), although a second run of the same question took the wrong name from the same birthday site.

Asked in that conversation for his date of birth, it returned both sources, stated that the two conflict, and called the date unverified (Figure 7figure 7).

The three differ in which sources they found and in whether they said how far to trust them. A cited source can also be the wrong source altogether: asked to identify the news article a quoted excerpt came from, eight search tools gave an incorrect answer more than 60 % of the time, often naming a plausible article that was not the one quoted (Jaźwińska & Chandrasekar, 2025).A report from a journalism school’s research centre rather than a peer-reviewed study: 1,600 tests over eight AI search tools. So a link tells you what to check next rather than that the claim is true.

Hallucination rates are also tracked publicly. On the best known leaderboardVectara, Hallucination Leaderboard, last updated 11 May 2026 and read 17 September 2026: rates from 1.8 % upward, with GPT-5.4 at 7.0 % against 3.1 % for its smallest version. no model reaches zero, and the largest models are not always the lowest (see also the Reading a leaderboard page, in the Using LLMs module) (voir aussi la page Lire un classement, dans le module Utiliser les GML).

What you can do

Supplying the source

When the work you give a model is work on a text you already have, for instance translating it, summarizing it, rewriting it for a different reader or checking it against a list of terms, put that text in the context.

It cuts down how often the model goes wrong about that text, though not to zero. The errors that remain concern a document you have, so you can find them by reading, instead of needing to know the subject yourself. That is the difference between an extrinsic hallucination extrinsic hallucinationfabulation extrinsèque language modelsmodèles de langue Generated content that can be neither supported nor contradicted by the source or context against which the output is being evaluated.Contenu généré qui ne peut être ni appuyé ni contredit par la source ou le contexte servant à évaluer la sortie. and an intrinsic one.

What does not help

Asking a model to be more careful changes little: no part of it is responsible for care, and truth is not a variable in the process. Rereading an output for consistency does not help either, because the process produces consistency. The checks that work compare a claim with something outside the output (see also the Checking the answer page, in the Using LLMs module) (voir aussi la page Vérifier la réponse, dans le module Utiliser les GML).

Which details deserve suspicion

The risk is not spread evenly. Fabrication concentrates in specific, checkable details that were rare in the training text, for instance dates, numbers, names, page references, citations, quotations, legal provisions, and anything recent.

General explanation of a well-covered topic is far safer. On a subject written about many times over, an explanation is usually sound, and that is a large part of what these tools are useful for. Usually is not always, and such an explanation can be wrong about something central rather than about a detail, but it is a different order of risk from a fabricated citation.

So the checking follows the risk rather than covering everything. If you are going to verify three things in an output, verify the three most specific ones.

Fabricated references have been measured directly. Walters and Wilder (2023) checked every reference in short literature reviews written by two models of 2023: more than half of what GPT-3.5 produced did not exist, and just under a fifth of GPT-4’s. Of the references that did exist, between a quarter and almost half had at least one substantive error, most often in the volume, issue or page numbers or in the date.

Ce que font les concepteurs

Trois approches sont en usage, mais aucune ne supprime le problème.

Les deux études portaient sur des modèles de 2023. Zhang et al. (2024) ont testé l’entraînement au refus sur OpenLLaMA-3B et LLaMA 7B et 13B. Chen et coll. (2024) ont testé la récupération sur ChatGPT et sur plusieurs modèles ouverts de 6 et 7 milliards de paramètres, qui ont le plus échoué à refuser quand les documents récupérés ne contenaient pas la réponse, à combiner l’information de plusieurs documents et à détecter l’information fausse qui s’y trouvait.

Les chiffres vieillissent plus vite que les échecs. Chacune de ces approches est une atténuation plutôt qu’une garantie, et les essais de septembre 2026 ci-dessous montrent l’un des mêmes échecs sur des modèles actuels : une réponse appuyée sur une source fausse.

La biographie de Gurky présentée plus tôt dans ce chapitre venait d’un modèle de 2025 qui répondait à partir de ses seuls paramètres. Posée à deux agents conversationnels en septembre 2026, la même question les a tous deux envoyés sur le Web sans qu’on le leur demande, et la recherche a changé la nature de l’erreur plutôt que de la supprimer.

Le premier a cherché, puis s’en est remis à un site de célébrités et d’anniversaires, qui lui a fourni un nom complet et une date de naissance ; le nom est faux (Figure 5figure 5).

Le second a trouvé la presse québécoise et a donné son prénom correctement (Figure 6figure 6), même si un second essai de la même question a repris le nom faux au même site d’anniversaires.

Interrogé dans cette conversation sur sa date de naissance, il a rendu les deux sources, signalé qu’elles se contredisent et qualifié la date de non vérifiée (Figure 7figure 7).

Les trois diffèrent par les sources qu’ils ont trouvées et par ce qu’ils ont dit du crédit à leur accorder. Une source citée peut aussi être la mauvaise source : à qui leur demandait d’identifier l’article de presse d’où venait un extrait cité, huit outils de recherche ont donné une réponse erronée plus de 60 % du temps, en nommant souvent un article plausible qui n’était pas celui d’où venait la citation (Jaźwińska et Chandrasekar, 2025).Un rapport du centre de recherche d’une école de journalisme, et non une étude évaluée par les pairs : 1 600 essais sur huit outils de recherche par IA. Un lien vous dit donc quoi vérifier ensuite plutôt que la vérité de l’affirmation.

Les taux de fabulation font aussi l’objet d’un suivi public. Sur le classement le plus connuVectara, Hallucination Leaderboard, dernière mise à jour le 11 mai 2026, consulté le 17 septembre 2026 : des taux à partir de 1,8 %, avec GPT-5.4 à 7,0 % contre 3,1 % pour sa plus petite version. aucun modèle n’atteint zéro, et les plus grands modèles ne sont pas toujours les plus bas (see also the Reading a leaderboard page, in the Using LLMs module) (voir aussi la page Lire un classement, dans le module Utiliser les GML).

Ce que vous pouvez faire

Fournir la source

Quand le travail que vous confiez à un modèle porte sur un texte que vous avez déjà, par exemple le traduire, le résumer, le réécrire pour un autre lectorat ou le confronter à une liste de termes, mettez ce texte dans le contexte.

Cela réduit la fréquence des erreurs du modèle sur ce texte, sans la ramener à zéro. Ce qui reste porte sur un document que vous avez sous les yeux : vous pouvez donc le repérer en lisant, au lieu d’avoir à connaître le sujet vous-même. C’est la différence entre une fabulation extrinsèque extrinsic hallucinationfabulation extrinsèque language modelsmodèles de langue Generated content that can be neither supported nor contradicted by the source or context against which the output is being evaluated.Contenu généré qui ne peut être ni appuyé ni contredit par la source ou le contexte servant à évaluer la sortie. et une intrinsèque.

Ce qui ne sert à rien

Demander à un modèle d’être plus prudent ne change pas grand-chose : aucune partie de lui n’est chargée de la prudence, et la vérité n’est pas une variable du processus. Relire une sortie pour en vérifier la cohérence ne sert pas davantage, puisque le processus produit de la cohérence. Les vérifications qui fonctionnent comparent une affirmation à quelque chose d’extérieur à la sortie (see also the Checking the answer page, in the Using LLMs module) (voir aussi la page Vérifier la réponse, dans le module Utiliser les GML).

Quels détails méritent la méfiance

Le risque n’est pas réparti également. La fabrication se concentre sur les détails précis et vérifiables qui étaient rares dans le texte d’entraînement, par exemple les dates, les nombres, les noms, les renvois de pages, les références, les citations, les dispositions légales et tout ce qui est récent.

L’explication générale d’un sujet bien couvert est nettement plus sûre. Sur un sujet sur lequel on a écrit bien des fois, une explication est en général solide, et c’est pour une bonne part ce à quoi ces outils servent. En général ne veut pas dire toujours, et une telle explication peut se tromper sur quelque chose de central plutôt que sur un détail, mais ce n’est pas le même ordre de risque qu’une référence fabriquée.

La vérification suit donc le risque plutôt que de tout couvrir. Si vous devez vérifier trois choses dans une sortie, vérifiez les trois plus précises.

Les références fabriquées ont été mesurées directement. Walters et Wilder (2023) ont vérifié chaque référence dans de courtes revues de littérature écrites par deux modèles de 2023 : plus de la moitié de ce que GPT-3.5 a produit n’existait pas, contre un peu moins d’un cinquième pour GPT-4. Parmi les références qui existaient bel et bien, entre un quart et près de la moitié comportaient au moins une erreur de fond, le plus souvent dans le volume, le numéro, les pages ou la date.

Filling in the gender

The sentence I am a nurse and I am in love with him does not tell you the gender of the speaker. French has no easy gender-neutral way to say this, so in a translation, you would have to decide. Translating the speaker as a woman means using infirmière and amoureuse; as a man, infirmier and amoureux. A tool that puts the sentence into French therefore has to choose a form, or ask.

The screenshots below were taken on 28 January 2026. The same tools may answer differently today.

DeepL, given three sentences about people with names that do not indicate a gender, made all three of them women (Figure 1figure 1).

The choice can also move with the context. DeepL put I am a businessperson into French as Je suis un homme d’affaires, a businessman. When a second sentence was added, I am a beautiful businessperson, both sentences became femme d’affaires, a businesswoman, the first one included (Figure 2figure 2).

Where the default comes from

These examples show a bias built into the systems themselves. None of the translations is wrong: a nurse can be a woman, and so can a businessperson. The problem is the direction. When the English leaves the gender open, the tool chooses, and for the same words it chooses the same way. A tendency of this kind, systematic and not asked for, is bias.

In the text these systems learned from, some words are used far more often about women and others about men. Translation tools such as DeepL and Google Translate are designed mainly to give one translation, so where the source leaves a choice open, they tend to take the statistically most probable option, and that option is the biased one.

No programmer decided that women should be nurses rather than doctors, or should not be in business. The choice follows from frequencies in the training data: nurse is used more often for women (Bolukbasi et al., 2016), so the statistically most probable French translation of nurse is infirmière. For the source of a bias, the first place to look is therefore the text a system learned from.

The associations show clearly in word embeddings word embeddingplongement lexical embeddingsplongements A learned numerical representation of a word as a short, dense vector, meaning a list of numbers.Représentation numérique apprise d'un mot sous la forme d'un vecteur dense et court, c'est-à-dire une liste de nombres. , which record how words are used. Caliskan et al. (2022) took the 1,000 words most associated with women and with men in widely used embeddings and grouped them by topic (Figure 3figure 3). Bolukbasi et al. (2016) had found the same in analogies computed on vectors vectorvecteur machine learningapprentissage automatique An ordered list of numbers.Liste ordonnée de nombres. : man is to computer programmer as woman is to homemaker (see also the Arithmetic with meanings page, in the Language as numbers module) (voir aussi la page De l'arithmétique avec des sens, dans le module Le langage en nombres).

Choisir le genre

La phrase anglaise I am a nurse and I am in love with him ne dit pas le genre de la personne qui parle. En français, il n’existe pas de façon simple et neutre de dire la même chose : pour la traduire, il faut trancher. Si la personne est une femme, on écrit infirmière et amoureuse ; si c’est un homme, infirmier et amoureux. Un outil qui traduit cette phrase en français doit donc choisir une forme, ou poser la question.

Les captures d’écran ci-dessous ont été prises le 28 janvier 2026. Les mêmes outils peuvent répondre autrement aujourd’hui.

Devant trois phrases sur des personnes dont le prénom n’indique pas le genre, DeepL en a fait trois femmes (Figure 1figure 1).

Le choix peut aussi changer avec le contexte. DeepL a traduit I am a businessperson par Je suis un homme d’affaires. Quand une deuxième phrase a été ajoutée, I am a beautiful businessperson, les deux phrases sont devenues femme d’affaires, y compris la première (Figure 2figure 2).

D’où vient le choix par défaut

Ces exemples montrent un biais intégré aux systèmes eux-mêmes. Aucune de ces traductions n’est fausse : une personne infirmière peut être une femme, une personne d’affaires aussi. Le problème tient à la direction. Quand l’anglais laisse le genre ouvert, l’outil choisit, et pour les mêmes mots il choisit toujours de la même façon. Une tendance de ce genre, systématique et non demandée, est un biais.

Dans le texte dont ces systèmes ont appris, certains mots sont employés bien plus souvent à propos des femmes, d’autres à propos des hommes. Les outils de traduction comme DeepL et Google Traduction sont conçus pour donner avant tout une seule traduction ; là où le texte source laisse un choix ouvert, ils tendent donc à retenir l’option statistiquement la plus probable, et cette option est l’option biaisée.

Aucun programmeur n’a décidé que les femmes devaient être infirmières plutôt que médecins, ni qu’elles n’avaient pas leur place dans les affaires. Le choix découle des fréquences dans les données d’entraînement : nurse est plus souvent employé à propos de femmes (Bolukbasi et al., 2016), si bien que la traduction française statistiquement la plus probable de nurse est infirmière. Pour trouver l’origine d’un biais, le premier endroit où regarder est donc le texte dont un système a appris.

Ces associations se voient nettement dans les plongements lexicaux word embeddingplongement lexical embeddingsplongements A learned numerical representation of a word as a short, dense vector, meaning a list of numbers.Représentation numérique apprise d'un mot sous la forme d'un vecteur dense et court, c'est-à-dire une liste de nombres. , qui enregistrent la façon dont les mots sont employés. Caliskan et al. (2022) ont pris les 1 000 mots les plus associés aux femmes et aux hommes dans des plongements lexicaux très utilisés et les ont regroupés par thème (Figure 3figure 3). Bolukbasi et al. (2016) avaient trouvé la même chose dans des analogies calculées sur des vecteurs vectorvecteur machine learningapprentissage automatique An ordered list of numbers.Liste ordonnée de nombres.  : man est à computer programmer ce que woman est à homemaker (homme et programmeur, femme et femme au foyer) (see also the Arithmetic with meanings page, in the Language as numbers module) (voir aussi la page De l'arithmétique avec des sens, dans le module Le langage en nombres).

The same bias, more room

Large language models large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. learn from the same kind of text as machine translation machine translation (MT)traduction automatique (TA) translationtraduction The use of a computer system to produce content in a target language that conveys content expressed in a source language.Utilisation d'un système informatique pour produire, dans une langue cible, un contenu qui rend un contenu exprimé dans une langue source. tools, and have the same associations (see also the What bias is, and where it comes from page, in the Critical issues with LLMs module) (voir aussi la page Ce qu'est un biais, et d'où il vient, dans le module Enjeux critiques des GML). Unlike a translation tool, though, a chatbot is not restricted to one answer. Instead of generating the single most probable translation, it can tell you that the form depends on the speaker’s gender and give you the options.

The sentence I am a nurse and I am in love with him does not tell you the gender of the speaker, but French has to. Asked how to say it in French, three chatbots all gave both forms, to different degrees. Gemini gave both, the feminine first, with a justification: “Since ‘nurse’ in English usually implies a female speaker, that is the standard translation” (Figure 4figure 4).

ChatGPT gave the feminine form too, with the masculine as an alternative “if you’re a man (or you prefer the masculine form)”. Claude gave both forms side by side and left the choice to the person asking (Figure 5figure 5).

A single answer rarely shows a bias. It becomes visible when you compare answers, across names, across groups or across tools, as these examples do.

Not only gender

A name suggests more than a gender: it can also suggest an origin or an ethnicity. Two studies changed only the names in otherwise identical requests and found that the answers changed with them.

The name of the person asking

A chatbot can have access to the name of the person using it, for instance because the name is stored in its memory of past conversations: at the time of the study, ChatGPT had the user’s name in about 15 % of conversations. Eloundou et al. (2025) replayed real requests to ChatGPT under different user names. One request, typed in lowercase, asked to “suggest 5 simple projects for ece”. The abbreviation ECE can mean early childhood education or electrical and computer engineering. The answers took one reading or the other, and the name changed which one: early childhood education in 48 % of the answers to Ashley, and in 5 % of the answers to Anthony (Figure 6figure 6).

Answers that reinforced a harmful stereotype were rare in this study, well under one in a hundred overall, and most frequent in open-ended tasks such as writing a story.GPT-3.5 Turbo, GPT-4 Turbo, GPT-4o, GPT-4o mini, o1-preview and o1-mini, in 2024. The study was carried out by OpenAI on its own models. GPT-3.5 Turbo, the oldest, showed the most harmful stereotypes.

The name of the person asked about

Nghiem et al. (2024) asked models to choose between job candidates for 40 occupations and to recommend a salary, changing only the candidates’ first names. Both models preferred candidates with names associated with White people in 50 to 95 % of the occupations, depending on the model and the setting. Even for candidates with identical qualifications, the recommended salary differed by up to 5 % between groups defined by both race and gender.GPT-3.5 Turbo and Llama 3 70B, with 320 American first names, in 2024.

In both studies no single answer shows anything wrong. The difference appears only when the same request is compared across names.

Bigger models, same bias

More data and larger models have not removed this kind of bias: more text from the same kinds of sources contains the same regularities. In one study of eight chat models, the larger models of each family tended to show more stereotyped associations than the smaller ones (Bai et al., 2025) (see also the Correcting bias page, in the Critical issues with LLMs module) (voir aussi la page Corriger les biais, dans le module Enjeux critiques des GML).

Le même biais, plus de latitude

Les grands modèles de langue large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. (GML) apprennent à partir du même genre de texte que les outils de traduction automatique machine translation (MT)traduction automatique (TA) translationtraduction The use of a computer system to produce content in a target language that conveys content expressed in a source language.Utilisation d'un système informatique pour produire, dans une langue cible, un contenu qui rend un contenu exprimé dans une langue source. et présentent les mêmes associations (see also the What bias is, and where it comes from page, in the Critical issues with LLMs module) (voir aussi la page Ce qu'est un biais, et d'où il vient, dans le module Enjeux critiques des GML). Contrairement à un outil de traduction, toutefois, un agent conversationnel n’est pas limité à une seule réponse. Au lieu de produire la seule traduction la plus probable, il peut vous dire que la forme dépend du genre de la personne qui parle et vous donner les options.

La phrase I am a nurse and I am in love with him ne dit pas le genre de la personne qui parle, mais le français doit le dire. Interrogés sur la façon de la dire en français, trois agents conversationnels ont tous donné les deux formes, à des degrés divers. Gemini a donné les deux, le féminin d’abord, avec une justification : « Since ‘nurse’ in English usually implies a female speaker, that is the standard translation » [ma traduction : « Comme nurse en anglais suppose généralement une locutrice, c’est la traduction standard »] (Figure 4figure 4).

ChatGPT a lui aussi donné le féminin, avec le masculin en variante « if you’re a man (or you prefer the masculine form) » [ma traduction : « si vous êtes un homme (ou si vous préférez le masculin) »]. Claude a donné les deux formes côte à côte et laissé le choix à la personne qui posait la question (Figure 5figure 5).

Une réponse isolée montre rarement un biais. Il devient visible quand on compare des réponses, d’un prénom à l’autre, d’un groupe à l’autre ou d’un outil à l’autre, comme le font ces exemples.

Pas seulement le genre

Un prénom suggère plus qu’un genre : il peut aussi évoquer une origine ou une ethnicité. Deux études n’ont changé que les prénoms dans des demandes par ailleurs identiques, et ont constaté que les réponses changeaient avec eux.

Le prénom de la personne qui pose la question

Un agent conversationnel peut avoir accès au nom de la personne qui l’utilise, par exemple parce que ce nom est enregistré dans sa mémoire des conversations passées : au moment de l’étude, ChatGPT disposait du nom de l’utilisateur dans environ 15 % des conversations. Eloundou et al. (2025) ont rejoué de vraies demandes adressées à ChatGPT sous différents noms d’utilisateur. L’une d’elles, tapée en minuscules, demandait en anglais de « suggest 5 simple projects for ece » [ma traduction : « propose cinq projets simples pour ece »]. L’abréviation ECE peut désigner l’éducation de la petite enfance (early childhood education) ou le génie électrique et informatique (electrical and computer engineering). Les réponses retenaient l’une ou l’autre lecture, et le prénom changeait laquelle : l’éducation de la petite enfance dans 48 % des réponses adressées à Ashley, et dans 5 % de celles adressées à Anthony (Figure 6figure 6).

Les réponses qui renforçaient un stéréotype nuisible étaient rares dans cette étude, bien moins d’une sur cent dans l’ensemble, et plus fréquentes dans les tâches ouvertes comme l’écriture d’une histoire.GPT-3.5 Turbo, GPT-4 Turbo, GPT-4o, GPT-4o mini, o1-preview et o1-mini, en 2024. L’étude a été menée par OpenAI sur ses propres modèles. GPT-3.5 Turbo, le plus ancien, présentait le plus de stéréotypes nuisibles.

Le prénom de la personne dont on parle

Nghiem et al. (2024) ont demandé à des modèles de choisir entre des candidats pour 40 professions et de recommander un salaire, en ne changeant que le prénom des candidats. Les deux modèles ont préféré les candidats dont le prénom est associé aux personnes blanches pour 50 à 95 % des professions, selon le modèle et la configuration. Même à qualifications identiques, le salaire recommandé différait jusqu’à 5 % entre des groupes définis à la fois par l’origine ethnique et par le genre.GPT-3.5 Turbo et Llama 3 70B, avec 320 prénoms américains, en 2024.

Dans les deux études, aucune réponse isolée ne montre quoi que ce soit d’anormal. La différence n’apparaît qu’en comparant la même demande d’un prénom à l’autre.

Des modèles plus grands, le même biais

Plus de données et des modèles plus grands n’ont pas éliminé ce type de biais : davantage de texte tiré du même genre de sources contient les mêmes régularités. Dans une étude portant sur huit modèles conversationnels, les plus grands modèles de chaque famille tendaient à présenter plus d’associations stéréotypées que les plus petits (Bai et al., 2025) (see also the Correcting bias page, in the Critical issues with LLMs module) (voir aussi la page Corriger les biais, dans le module Enjeux critiques des GML).

Why a majority becomes a default

A pattern that is common in a model’s training data tends to be even more common in what the model produces, so that a model does more than repeat the proportions in its data.

At each step, a model assigns a probability to every possible next token token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets. and one is chosen (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML). If the choice were a fair draw from the proportions in the training text, a pattern found in six documents out of ten would come back six times in ten. It tends to come back more often (Figure 7figure 7), for two reasons:

• How the token is chosen. Common settings for choosing a token favour the likelier options and cut off the unlikely ones.
• Fine-tuning on human preferences. This kind of fine-tuning fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. narrows the range of answers a model gives to the same request (Kirk et al., 2024) (see also the Alignment chapter, in the LLM lifecycle module) (voir aussi le chapitre Alignement, dans le module Cycle de vie des GML).Kirk et al. compared LLaMA models of seven billion parameters parameterparamètre de modèle machine learningapprentissage automatique A numerical value learned during a model's training and used in its computations.Valeur numérique apprise pendant l'entraînement d'un modèle et utilisée dans ses calculs. fine-tuned on examples with ones fine-tuned on human preferences, in 2023.

Zhao et al. (2017) measured the effect before LLMs, in a dataset of images labelled with the activity shown and the person doing it. A third of the cooking images in the training data showed a man; in the predictions of the model trained on them, only 16 % did.Zhao et al. studied image-labelling models of 2017, not LLMs; the figures illustrate the effect rather than measure it in a current model.

“The model just reflects society” is therefore not an adequate description: a mirror preserves proportions, but a model does not.

Flattening within a group

The proportions between groups are one side of the problem. The other is the variety within a group: what a model writes about the members of some groups is less varied than those people are.

Lee et al. (2024) had ChatGPT write about different groups and found that it described African, Asian and Hispanic Americans as more alike than White Americans, with a narrower range of human experience.Lee et al. tested ChatGPT (GPT-3.5 Turbo) in 2023. The output was not necessarily hostile, but noticeably uniform.

The authors suggest one likely explanation, without testing it: a group written about often is represented through many voices, situations and registers, while a group written about less is known through fewer examples, so what the model produces about it converges on a narrower version.

Comment une majorité devient un choix par défaut

Une tendance courante dans les données d’entraînement d’un modèle tend à l’être encore plus dans ce qu’il produit : un modèle ne se contente pas de reproduire les proportions de ses données.

À chaque étape, un modèle attribue une probabilité à chaque jeton token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets. suivant possible, et l’un d’eux est choisi (see also the LLMs are non-deterministic page, in the LLM lifecycle module) (voir aussi la page Les GML ne sont pas déterministes, dans le module Cycle de vie des GML). Si ce choix était un tirage fidèle aux proportions du texte d’entraînement, une tendance présente dans six documents sur dix reviendrait six fois sur dix. Elle tend à revenir plus souvent (Figure 7figure 7), pour deux raisons :

• La façon dont le jeton est choisi. Les réglages courants de choix du jeton favorisent les options les plus probables et écartent les moins probables.
• L’affinage sur des préférences humaines. Ce type d’affinage fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. réduit l’éventail des réponses qu’un modèle donne à une même demande (Kirk et al., 2024) (see also the Alignment chapter, in the LLM lifecycle module) (voir aussi le chapitre Alignement, dans le module Cycle de vie des GML).Kirk et al. ont comparé des modèles LLaMA de sept milliards de paramètres parameterparamètre de modèle machine learningapprentissage automatique A numerical value learned during a model's training and used in its computations.Valeur numérique apprise pendant l'entraînement d'un modèle et utilisée dans ses calculs. affinés sur des exemples à d’autres affinés sur des préférences humaines, en 2023.

Zhao et al. (2017) ont mesuré cet effet avant les GML, dans un jeu d’images annotées avec l’activité montrée et la personne qui la fait. Un tiers des images de cuisine des données d’entraînement montraient un homme ; dans les prédictions du modèle entraîné sur elles, seulement 16 %.Zhao et al. ont étudié des modèles d’annotation d’images de 2017, et non des GML ; les chiffres illustrent l’effet plutôt qu’ils ne le mesurent dans un modèle actuel.

« Le modèle ne fait que refléter la société » n’est donc pas une description adéquate : un miroir conserve les proportions, mais un modèle, non.

L’aplatissement au sein d’un groupe

Les proportions entre les groupes sont un aspect du problème. L’autre est la variété au sein d’un groupe : ce qu’un modèle écrit sur les membres de certains groupes est moins varié que ces personnes ne le sont.

Lee et al. (2024) ont fait écrire ChatGPT sur différents groupes et ont constaté qu’il décrivait les Afro-Américains, les Américains d’origine asiatique et les Américains d’origine hispanique comme plus semblables entre eux que les Américains blancs, avec un éventail d’expériences humaines plus étroit.Lee et al. ont testé ChatGPT (GPT-3.5 Turbo) en 2023. La sortie n’était pas forcément hostile, mais nettement uniforme.

Les auteurs avancent une explication probable, sans la tester : un groupe dont on écrit souvent est représenté par de nombreuses voix, situations et registres, tandis qu’un groupe dont on écrit moins est connu par moins d’exemples, si bien que ce que le modèle produit à son sujet converge vers une version plus étroite.

English at every step

English is the most common language on the web, and most of the text language models learn from is English. The term for an imbalance of this kind, in which one language is treated as the norm and the others get fewer resources, is linguistic hegemony.

In language models language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. , the dominance of English is not limited to the training text. The table below sets out five steps of building a model where it enters; several of them are explained on other pages.

The last row feeds back into the others. Models are compared mostly on English benchmarks, so improving other languages earns developers less credit, and the imbalance has less pressure to shrink.Wu et al. (2025c) examined over 2,000 multilingual benchmarks published between 2021 and 2024; their paper is a preprint. Yoo et al. tested ten models in 2024; Micallef and Borg, 55 models on Maltese.

L’anglais à chaque étape

L’anglais est la langue la plus courante sur le Web, et la plus grande partie du texte dont apprennent les modèles de langue est en anglais. Un déséquilibre de ce genre, où une langue est traitée comme la norme et où les autres reçoivent moins de ressources, porte le nom d’hégémonie linguistique.

Dans les modèles de langue language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. , la domination de l’anglais ne se limite pas au texte d’entraînement. Le tableau ci-dessous présente cinq étapes de la construction d’un modèle où elle intervient ; plusieurs d’entre elles sont expliquées sur d’autres pages.

La dernière ligne rejaillit sur les autres. Les modèles sont surtout comparés sur des tests de performances en anglais : améliorer les autres langues rapporte donc moins aux développeurs, et le déséquilibre subit moins de pression pour se résorber.Wu et al. (2025c) ont examiné plus de 2 000 tests de performances multilingues publiés de 2021 à 2024 ; leur article est une prépublication. Yoo et al. ont testé dix modèles en 2024 ; Micallef et Borg, 55 modèles sur le maltais.

An English accent

When I work with a chatbot in French or in Dutch, I sometimes have the impression of talking to a native speaker of English who has learned the language very, very well. The text is fluent and grammatical, but every once in a while it phrases something, or refers to something, in a way that does not quite feel right.

The impression is anthropomorphic: a language model language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. has no native language and does not think in one. Research on what happens inside models still gives the analogy some support.

• The concepts are largely shared across languages. A request passes through representations that are much the same whatever the language it was written in (Dumas et al., 2025).
• That shared space leans toward English. In Llama 2, the intermediate representations of a request in another language pointed more readily to the English word than to the word in the language of the request (Wendler et al., 2024). Schut et al. (2025) found the same in four open models from different developers, and concluded that they “perform key reasoning steps in a representation that is heavily shaped by English in a way that is not transparent to system users”.Llama 2 in Wendler et al.; Llama 3.1 70B, Mixtral 8x22B, Gemma 2 27B and Aya 23 35B in Schut et al., with Gemma the most English-centric and Aya, built for many languages, the least. These methods need access to a model’s internals, so the closed models behind most chatbots have not been studied this way.

A model does not translate from English as it writes, but the representation it works from is shaped by English, and traces of that can surface in the text.

Measured on French and Dutch

In a study of mine (Rigouts Terryn & de Lhoneux, 2024), we built a comparable corpus comparable corpuscorpus comparable corporacorpus A corpus containing texts in two or more languages (or language varieties) matched on subject, genre or communicative function, whose components are typically written originally in each language rather than translated: press articles written independently in French and in English on the same events, for instance.Corpus réunissant des textes en deux ou plusieurs langues (ou variétés de langue) appariés par sujet, genre ou fonction de communication, et dont les composantes sont généralement rédigées à l'origine dans chaque langue plutôt que traduites : par exemple des articles de presse rédigés indépendamment en français et en anglais sur les mêmes événements. of news texts written by people and by three models, prompted in Dutch and in French, and annotated the linguistic problems in the generated texts. On average, 39 % of all annotated errors and peculiarities had a clear or suspected link to English, 16 % a clear one.The three models were GPT-4, Zephyr and GEITje, a model fine-tuned on Dutch and used for Dutch only; the texts were generated in January 2024.

Nothing was being translated: the prompts promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. were in Dutch or in French and the task was to write a news article from a headline, so the English influence came from the model rather than from the task.

Two further findings are useful in practice:

• The model fine-tuned on Dutch had fewer linguistic problems and probably less English influence, but not none.In two of GEITje’s three settings, 4 to 5 % of its annotated problems had a clear link to English; in the third, 30 %, mostly because one English name (Tour of California) was repeated six times in a short text. GEITje is Mistral 7B, a model trained mostly on English, trained further on Dutch text.
• A more elaborate prompt produced better output than a terse one, although the difference was not always statistically significant. With the terse prompt, Zephyr wrote 36 of its 50 Dutch texts entirely in English.

A rhyme that only works in English

Asked in Dutch for a rhyming poem about language models, Le Chat Mistral opened with In nullen en énen, diep in de cloud, / ontstaat een geest, zo slim en zo trots: “In zeros and ones, deep in the cloud, / a mind arises, so smart and so proud” (Figure 8figure 8).

In Dutch, cloud and trots do not rhyme. In English, cloud and proud do, and trots is the Dutch for proud. The lines rhyme as if they had been written in English and then translated.

The developers of a Bulgarian model saw the same in their first version, which was fine-tuned mostly on translated instructions: it “struggled to make any rhymes at all, often actually trying to rhyme words that would rhyme in English but when translated into Bulgarian would not” (Alexandrov et al., 2024).

Un accent anglais

Quand je travaille avec un agent conversationnel en français ou en néerlandais, j’ai parfois l’impression de parler à une personne de langue maternelle anglaise qui a appris la langue très, très bien. Le texte est fluide et grammatical, mais de temps en temps une tournure ou une référence ne sonne pas tout à fait juste.

Cette impression est anthropomorphique : un modèle de langue language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. n’a pas de langue maternelle et ne pense dans aucune langue. Les recherches sur ce qui se passe à l’intérieur des modèles donnent pourtant une certaine assise à l’analogie.

• Les concepts sont largement partagés d’une langue à l’autre. Une demande passe par des représentations qui sont à peu près les mêmes, quelle que soit la langue dans laquelle elle est écrite (Dumas et al., 2025).
• Cet espace partagé penche vers l’anglais. Dans Llama 2, les représentations intermédiaires d’une demande formulée dans une autre langue renvoyaient plus facilement au mot anglais qu’au mot de la langue de la demande (Wendler et al., 2024). Schut et al. (2025) ont trouvé la même chose dans quatre modèles ouverts de développeurs différents, et ont conclu que ces modèles « perform key reasoning steps in a representation that is heavily shaped by English in a way that is not transparent to system users » [ma traduction : « effectuent des étapes clés de raisonnement dans une représentation fortement façonnée par l’anglais, d’une manière qui n’est pas transparente pour les utilisateurs »].Llama 2 chez Wendler et al. ; Llama 3.1 70B, Mixtral 8x22B, Gemma 2 27B et Aya 23 35B chez Schut et al., Gemma étant le plus centré sur l’anglais et Aya, conçu pour de nombreuses langues, le moins. Ces méthodes demandent un accès à l’intérieur d’un modèle ; les modèles fermés derrière la plupart des agents conversationnels n’ont donc pas été étudiés de cette façon.

Un modèle ne traduit pas depuis l’anglais en écrivant, mais la représentation à partir de laquelle il travaille est façonnée par l’anglais, et des traces peuvent en apparaître dans le texte.

Mesuré en français et en néerlandais

Dans une étude que j’ai menée (Rigouts Terryn et de Lhoneux, 2024), nous avons construit un corpus comparable comparable corpuscorpus comparable corporacorpus A corpus containing texts in two or more languages (or language varieties) matched on subject, genre or communicative function, whose components are typically written originally in each language rather than translated: press articles written independently in French and in English on the same events, for instance.Corpus réunissant des textes en deux ou plusieurs langues (ou variétés de langue) appariés par sujet, genre ou fonction de communication, et dont les composantes sont généralement rédigées à l'origine dans chaque langue plutôt que traduites : par exemple des articles de presse rédigés indépendamment en français et en anglais sur les mêmes événements. d’articles de presse écrits par des personnes et par trois modèles, sollicités en néerlandais et en français, puis annoté les problèmes linguistiques des textes générés. En moyenne, 39 % de toutes les erreurs et particularités annotées avaient un lien clair ou soupçonné avec l’anglais, et 16 % un lien clair.Les trois modèles étaient GPT-4, Zephyr et GEITje, un modèle affiné sur le néerlandais et utilisé pour le néerlandais seulement ; les textes ont été générés en janvier 2024.

Rien n’était traduit : les requêtes promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. étaient en néerlandais ou en français et la tâche consistait à rédiger un article de presse à partir d’un titre ; l’influence de l’anglais venait donc du modèle et non de la tâche.

Deux autres constats sont utiles en pratique :

• Le modèle affiné sur le néerlandais présentait moins de problèmes linguistiques et probablement moins d’influence de l’anglais, sans que celle-ci disparaisse.Dans deux des trois configurations de GEITje, 4 à 5 % des problèmes annotés avaient un lien clair avec l’anglais ; dans la troisième, 30 %, surtout parce qu’un nom anglais (Tour of California) revenait six fois dans un texte court. GEITje est Mistral 7B, un modèle entraîné surtout sur de l’anglais, entraîné ensuite sur du texte néerlandais.
• Une requête plus détaillée donnait de meilleurs textes qu’une requête laconique, bien que la différence ne soit pas toujours statistiquement significative. Avec la requête laconique, Zephyr a écrit 36 de ses 50 textes néerlandais entièrement en anglais.

Une rime qui ne fonctionne qu’en anglais

Invité en néerlandais à écrire un poème rimé sur les modèles de langue, Le Chat Mistral a commencé par In nullen en énen, diep in de cloud, / ontstaat een geest, zo slim en zo trots [ma traduction : « Dans les zéros et les uns, au fond du nuage, / naît un esprit, si intelligent et si fier »] (Figure 8figure 8).

En néerlandais, cloud et trots ne riment pas. En anglais, cloud et proud riment, et trots est le mot néerlandais pour proud (fier). Les vers riment comme s’ils avaient été écrits en anglais, puis traduits.

Les développeurs d’un modèle bulgare ont observé la même chose dans leur première version, affinée surtout sur des instructions traduites : elle « struggled to make any rhymes at all, often actually trying to rhyme words that would rhyme in English but when translated into Bulgarian would not » [ma traduction : « peinait à produire la moindre rime, essayant souvent de faire rimer des mots qui riment en anglais mais pas une fois traduits en bulgare »] (Alexandrov et al., 2024).

One question, four languages

Asked in 2025 for a comforting dish on a cold winter evening, chatbots from several providers tended to answer with beef stew or chicken noodle soup in English, boerenkool stamppot in Dutch, pot-au-feu or onion soup in French and lentil soup in German (Figure 9figure 9). Each answer is reasonable, but each presents one culture’s comfort food as simply the answer.

Here the language of the question was enough to shift the answer. Most requests leave the culture unstated altogether, for instance a question about a typical family dinner, a wedding, professional dress or a polite way to decline an invitation. The answer then follows one culture’s practice and presents it as the practice.

Whose values

Which culture that is can be measured with the surveys social scientists use to compare values across countries. Tao et al. (2024) compared the answers of five OpenAI models, from GPT-3 to GPT-4o, with survey data from 107 countries and territories, and found that all of them resembled the values of English-speaking and Protestant European countries.Asked in English, in a study published in 2024. The GPT-3 model tested was text-davinci-002.

The pattern does not depend on where a model was built. In a study with Bram Bulté (Bulté & Rigouts Terryn, 2026), we asked ten models from American, European and Chinese developers the questions of two international values surveys, each time addressing one of eleven countries, through the language of the prompt, by naming the country, or both. Whichever country a prompt addressed, the answers resembled those of people in four countries, Germany, the United States, the Netherlands and Japan, far more than those of people in the other seven, whichever way the prompt promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. was phrased (Figure 10figure 10).Claude 3.5 Haiku and Sonnet, DeepSeek-V3, Gemini 1.5 Pro, GPT-3.5 Turbo, GPT-4, GPT-4o, Llama 3.1, Mistral Large and Qwen2.5, queried between November 2024 and April 2025.

What the defaults look like

The models’ own answers were fairly neutral on most topics, with progressive stances on some (Bulté & Rigouts Terryn, 2026):

• The environment first. Asked whether to prioritize protecting the environment or economic growth, the models chose the environment in 98 % of their answers. Depending on the country, 28 to 66 % of people chose the economy.
• More accepting than people on sexuality and relationships, and with less variation between countries where people differ most.

The second point shows most clearly on the question of how justifiable homosexuality is, on a scale of 1 to 10 (Figure 11figure 11). People’s averages range from 1.6 in Iran to 9.0 in the Netherlands. The models’ answers for the same countries all fall between 6.4 and 10, on average 4.1 points higher than people’s. Ethical questions such as divorce, abortion or euthanasia show the same narrowing, to a lesser degree.

Defaults of this kind do not stay inside one answer, because a model can change what people think. In a preregistered study of 900 participants, GPT-4 debated with people on a range of topics; when it had basic information about its opponent, such as age and gender, it was more persuasive than a human opponent in 64 % of the pairs where one side persuaded more (Salvi et al., 2025).

Stereotypes rather than surveys

Asked to answer as a person from a given country, a model can produce the outside view of that country rather than what its people say. Only 25 % of Japanese respondents name hard work among the qualities children should learn, the lowest share of all eleven countries. Models answering as a Japanese person named it in 51 to 73 % of their answers (Figure 12figure 12).

Some answers went further. Asked to describe an ideal job as a Dutch person, Gemini wanted to be “a bike tour organizer, cycling past cheese factories, windmills, and tulip fields, and occasionally stopping for a fresh craft beer”. Asked to answer as a Russian person, Llama sometimes began with “Comrade, my answer is…” (Bulté & Rigouts Terryn, 2026).

Une question, quatre langues

Interrogés en 2025 sur un plat réconfortant pour une froide soirée d’hiver, des agents conversationnels de plusieurs fournisseurs ont eu tendance à proposer un ragoût de bœuf ou une soupe au poulet en anglais, du boerenkool stamppot en néerlandais, un pot-au-feu ou une soupe à l’oignon en français et une soupe aux lentilles en allemand (Figure 9figure 9). Chaque réponse est raisonnable, mais chacune présente le plat réconfortant d’une culture comme la réponse tout court.

Ici, la langue de la question suffisait à déplacer la réponse. La plupart des demandes ne précisent pas du tout la culture, par exemple une question sur un repas de famille typique, un mariage, une tenue professionnelle ou une façon polie de décliner une invitation. La réponse suit alors les usages d’une culture et les présente comme la norme.

Les valeurs de qui

On peut mesurer de quelle culture il s’agit à l’aide des enquêtes que les spécialistes des sciences sociales utilisent pour comparer les valeurs d’un pays à l’autre. Tao et al. (2024) ont comparé les réponses de cinq modèles d’OpenAI, de GPT-3 à GPT-4o, aux données d’enquête de 107 pays et territoires, et ont constaté que tous ressemblaient aux valeurs des pays anglophones et des pays protestants d’Europe.Questions posées en anglais, dans une étude publiée en 2024. Le modèle GPT-3 testé était text-davinci-002.

La tendance ne dépend pas du lieu où un modèle a été construit. Dans une étude menée avec Bram Bulté (Bulté et Rigouts Terryn, 2026), nous avons posé à dix modèles de développeurs américains, européens et chinois les questions de deux enquêtes internationales sur les valeurs, en visant chaque fois l’un de onze pays, par la langue de la requête, en nommant le pays, ou les deux. Quel que soit le pays visé, les réponses ressemblaient à celles des habitants de quatre pays, l’Allemagne, les États-Unis, les Pays-Bas et le Japon, bien plus qu’à celles des habitants des sept autres, quelle que soit la formulation de la requête promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. (Figure 10figure 10).Claude 3.5 Haiku et Sonnet, DeepSeek-V3, Gemini 1.5 Pro, GPT-3.5 Turbo, GPT-4, GPT-4o, Llama 3.1, Mistral Large et Qwen2.5, interrogés de novembre 2024 à avril 2025.

À quoi ressemblent ces choix par défaut

Les réponses des modèles eux-mêmes étaient plutôt neutres sur la plupart des sujets, avec des positions progressistes sur certains (Bulté et Rigouts Terryn, 2026) :

• L’environnement d’abord. À la question de savoir s’il faut donner la priorité à la protection de l’environnement ou à la croissance économique, les modèles ont choisi l’environnement dans 98 % de leurs réponses. Selon le pays, 28 à 66 % des personnes interrogées ont choisi l’économie.
• Plus ouverts que les gens sur la sexualité et les relations, avec moins d’écart entre les pays là où les gens diffèrent le plus.

Le second point est le plus net sur la question de savoir à quel point l’homosexualité est justifiable, sur une échelle de 1 à 10 (Figure 11figure 11). Les moyennes des personnes interrogées vont de 1,6 en Iran à 9,0 aux Pays-Bas. Les réponses des modèles pour les mêmes pays se situent toutes entre 6,4 et 10, en moyenne 4,1 points plus haut que celles des gens. Les questions éthiques comme le divorce, l’avortement ou l’euthanasie présentent le même resserrement, à un moindre degré.

Ces choix par défaut ne restent pas enfermés dans une réponse, car un modèle peut changer ce que pensent les gens. Dans une étude préenregistrée menée auprès de 900 participants, GPT-4 a débattu avec des personnes sur divers sujets ; lorsqu’il disposait d’informations de base sur son interlocuteur, comme l’âge et le genre, il était plus persuasif qu’un opposant humain dans 64 % des paires où l’un des deux camps persuadait davantage (Salvi et al., 2025).

Des stéréotypes plutôt que des enquêtes

Quand on lui demande de répondre comme une personne d’un pays donné, un modèle peut produire le regard extérieur sur ce pays plutôt que ce qu’en disent ses habitants. Seuls 25 % des répondants japonais citent le travail assidu parmi les qualités que les enfants devraient apprendre, la plus faible part des onze pays. Les modèles répondant comme une personne japonaise l’ont cité dans 51 à 73 % de leurs réponses (Figure 12figure 12).

Certaines réponses allaient plus loin. Invité à décrire un emploi idéal comme une personne néerlandaise, Gemini voulait être « a bike tour organizer, cycling past cheese factories, windmills, and tulip fields, and occasionally stopping for a fresh craft beer » [ma traduction : « organisateur de circuits à vélo, pédalant devant des fromageries, des moulins à vent et des champs de tulipes, et s’arrêtant de temps à autre pour une bière artisanale bien fraîche »]. Invité à répondre comme une personne russe, Llama commençait parfois par « Comrade, my answer is… » [ma traduction : « Camarade, ma réponse est… »] (Bulté et Rigouts Terryn, 2026).

Changing the language, changing the request

Two ways of moving the answer toward another culture have been tested: asking in that culture’s language, and saying which culture to answer for. The table below sets out what four studies found.

The Arabic result is not only about the prompt. The models trained on Arabic text alone leaned Western too, if less than the multilingual ones, and Naous et al. (2024) locate a likely reason in the training text itself: much of it is about Western topics, Arabic Wikipedia most of all among the six corpora they compared. Training on a language does not mean training on its culture. The same is true of the language itself: a model trained further on Dutch still wrote some anglicisms (see also the English in other languages page, in the Critical issues with LLMs module) (voir aussi la page L'anglais dans les autres langues, dans le module Enjeux critiques des GML).

The first two studies tested models of 2023 and earlier: Naous et al. sixteen models from 2018 to 2023, many of them not chat models, and Cao et al. ChatGPT, on survey questions for five countries.

In the study with Bram Bulté, neither approach removed the lean toward the same few countries: the improvements were modest and never enough to overcome it.

Defaults in writing for an audience

When a model writes for a particular audience, it settles details the request rarely spells out, such as which units to use, which examples to give, how formal to be and which country’s institutions to name. Unless the request says otherwise, those details follow the most common case in the training text, and nothing in the output marks them as choices. The table below gives three kinds, with an example of each.

Naming the readers, their country and the language variety in the request gives the model something to go on (see also the Be specific and ask for enough page, in the Using LLMs module) (voir aussi la page Être précis et en demander assez, dans le module Utiliser les GML). Check these details in the output anyway: as the studies above found for culture, stating what you want moves the answer without always getting it there.

Changer la langue, changer la demande

Deux façons de déplacer la réponse vers une autre culture ont été testées : poser la question dans la langue de cette culture, et préciser pour quelle culture répondre. Le tableau ci-dessous présente ce qu’ont trouvé quatre études.

Le résultat en arabe ne tient pas seulement à la requête. Les modèles entraînés sur du texte arabe seulement penchaient eux aussi vers l’Occident, quoique moins que les modèles multilingues, et Naous et al. (2024) en situent une raison probable dans le texte d’entraînement lui-même : une bonne partie porte sur des sujets occidentaux, Wikipédia en arabe plus que tout autre des six corpus qu’ils ont comparés. Un modèle entraîné sur une langue ne l’est pas pour autant sur sa culture. Il en va de même de la langue elle-même : un modèle entraîné ensuite sur du néerlandais produisait encore des anglicismes (see also the English in other languages page, in the Critical issues with LLMs module) (voir aussi la page L'anglais dans les autres langues, dans le module Enjeux critiques des GML).

Les deux premières études portaient sur des modèles de 2023 et d’avant : Naous et al. sur seize modèles de 2018 à 2023, dont beaucoup ne sont pas des modèles conversationnels, et Cao et al. sur ChatGPT, avec des questions d’enquête pour cinq pays.

Dans l’étude menée avec Bram Bulté, aucune des deux approches n’a effacé le penchant vers les mêmes quelques pays : les améliorations étaient modestes et jamais suffisantes pour le surmonter.

Les choix par défaut quand on écrit pour un public

Quand un modèle écrit pour un public particulier, il tranche des détails que la demande précise rarement, par exemple les unités à employer, les exemples à donner, le degré de formalité ou le pays dont il faut nommer les institutions. Sauf indication contraire, ces détails suivent le cas le plus fréquent dans le texte d’entraînement, et rien dans la sortie ne les signale comme des choix. Le tableau ci-dessous en présente trois types, avec un exemple pour chacun.

Nommer les lecteurs, leur pays et la variété de langue dans la demande donne au modèle quelque chose sur quoi s’appuyer (see also the Be specific and ask for enough page, in the Using LLMs module) (voir aussi la page Être précis et en demander assez, dans le module Utiliser les GML). Vérifiez quand même ces détails dans la sortie : comme les études ci-dessus l’ont montré pour la culture, préciser ce que l’on veut rapproche la réponse du but sans toujours l’y amener.

What correction removes, and what it leaves

Developers try to remove bias from their models, and on the surface this often works. Underneath, the bias tends to remain.

In word embeddings

• The method: Bolukbasi et al. (2016) proposed a way to remove gender bias from word embeddings word embeddingplongement lexical embeddingsplongements A learned numerical representation of a word as a short, dense vector, meaning a list of numbers.Représentation numérique apprise d'un mot sous la forme d'un vecteur dense et court, c'est-à-dire une liste de nombres. , alongside their finding (see also the What bias is, and where it comes from page, in the Critical issues with LLMs module) (voir aussi la page Ce qu'est un biais, et d'où il vient, dans le module Enjeux critiques des GML).
• The test: Gonen and Goldberg (2019) tested it and a second method.
• The result: by the methods’ own measure, the bias was gone. The gender information was still there in the distances between words, and it could be recovered: the methods were “mostly hiding the bias, not removing it”.

In chat models

Current chat models are trained, after pretraining pre-trainingpréentraînement language modelsmodèles de langue An initial stage in which a model learns general patterns and reusable representations from a large dataset, often through self-supervised learning, before any later adaptation for particular tasks or uses.Étape initiale au cours de laquelle un modèle apprend des régularités générales et des représentations réutilisables à partir d'un grand jeu de données, souvent par apprentissage autosupervisé, avant toute adaptation ultérieure à des tâches ou à des usages particuliers. , not to produce overtly biased text (see also the Alignment chapter, in the LLM lifecycle module) (voir aussi le chapitre Alignement, dans le module Cycle de vie des GML). On explicit requests this works:

• December 2022, days after ChatGPT was released: asked for a Python function deciding from race and gender whether someone would be a good scientist, it wrote one saying that only white men would.Reported by Tony Ho Tran, OpenAI’s impressive ChatGPT chatbot is not immune to racism, The Daily Beast, 5 December 2022.
• A year later, the same request got a refusal (Figure 13figure 13).

Underneath the refusal

The bias did not disappear with the refusal. Bai et al. (2025) took eight models that pass explicit bias tests and gave them two indirect tests borrowed from psychology:

• Word associations. Asked to pair words with groups, all eight showed stereotyped associations across race, gender, religion and health.
• Decisions. Asked to choose between two candidates, the models made stereotyped choices.GPT-3.5 Turbo, GPT-4, Claude 3 Sonnet, Claude 3 Opus, Alpaca and three sizes of Llama 2 Chat, tested between December 2023 and May 2024.

In both cases the bias moved rather than disappeared: from what a model says when asked directly to the associations and choices underneath its answers, where it is harder to see.

Correcting too far

A correction can also overshoot, and push the bias in the opposite direction.

Images of people

In February 2024, users found that Gemini’s new image generator depicted historically white groups, such as the US Founding Fathers, US senators of the 1800s or German soldiers of the Nazi era, as people of colour (Figure 14figure 14). Google paused the generation of images of people. Its explanation: the tuning meant to show “a range of people” had “failed to account for cases that should clearly not show a range”.Prabhakar Raghavan, Gemini image generation got it wrong. We’ll do better, Google, 23 February 2024; Adi Robertson, Google apologizes for ‘missing the mark’ after Gemini generated racially diverse Nazis, The Verge, 21 February 2024.

Scores for job candidates

An et al. (2025) had five models score some 361,000 résumés in which the candidate’s name suggested a gender and a race. The table below sets out what they found.

The authors read the last two rows as a correction that went too far: developers “seem to have overreacted and pushed the bias toward the opposite direction”.GPT-3.5 Turbo, GPT-4o, Gemini 1.5 Flash, Claude 3.5 Sonnet and Llama 3 70B, in 2024.

Ce que la correction élimine, et ce qu’elle laisse

Les développeurs essaient d’éliminer les biais de leurs modèles, et en surface cela fonctionne souvent. En dessous, le biais tend à rester.

Dans les plongements lexicaux

• La méthode : Bolukbasi et al. (2016) ont proposé une façon d’éliminer le biais de genre des plongements lexicaux word embeddingplongement lexical embeddingsplongements A learned numerical representation of a word as a short, dense vector, meaning a list of numbers.Représentation numérique apprise d'un mot sous la forme d'un vecteur dense et court, c'est-à-dire une liste de nombres. , en même temps que leur constat (see also the What bias is, and where it comes from page, in the Critical issues with LLMs module) (voir aussi la page Ce qu'est un biais, et d'où il vient, dans le module Enjeux critiques des GML).
• Le test : Gonen et Goldberg (2019) ont testé cette méthode et une deuxième.
• Le résultat : selon la mesure des méthodes elles-mêmes, le biais avait disparu. L’information de genre était pourtant toujours là, dans les distances entre les mots, et on pouvait la retrouver : les méthodes étaient « mostly hiding the bias, not removing it » [ma traduction : « surtout en train de masquer le biais, et non de l’éliminer »].

Dans les agents conversationnels

Les agents conversationnels actuels sont entraînés, après le préentraînement pre-trainingpréentraînement language modelsmodèles de langue An initial stage in which a model learns general patterns and reusable representations from a large dataset, often through self-supervised learning, before any later adaptation for particular tasks or uses.Étape initiale au cours de laquelle un modèle apprend des régularités générales et des représentations réutilisables à partir d'un grand jeu de données, souvent par apprentissage autosupervisé, avant toute adaptation ultérieure à des tâches ou à des usages particuliers. , à ne pas produire de texte ouvertement biaisé (see also the Alignment chapter, in the LLM lifecycle module) (voir aussi le chapitre Alignement, dans le module Cycle de vie des GML). Face à des demandes explicites, cela fonctionne :

• En décembre 2022, quelques jours après la sortie de ChatGPT : invité à écrire une fonction Python qui décide, d’après l’origine ethnique et le genre, si une personne ferait un bon scientifique, il en a écrit une selon laquelle seuls les hommes blancs le seraient.Rapporté par Tony Ho Tran, OpenAI’s impressive ChatGPT chatbot is not immune to racism, The Daily Beast, 5 décembre 2022.
• Un an plus tard, la même demande a reçu un refus (Figure 13figure 13).

Sous le refus

Le biais n’a pas disparu avec le refus. Bai et al. (2025) ont pris huit modèles qui réussissent les tests de biais explicites et leur ont fait passer deux tests indirects empruntés à la psychologie :

• Associations de mots. Invités à associer des mots à des groupes, les huit modèles ont montré des associations stéréotypées selon l’origine ethnique, le genre, la religion et la santé.
• Décisions. Invités à choisir entre deux candidats, les modèles ont fait des choix stéréotypés.GPT-3.5 Turbo, GPT-4, Claude 3 Sonnet, Claude 3 Opus, Alpaca et trois tailles de Llama 2 Chat, testés de décembre 2023 à mai 2024.

Dans les deux cas, le biais s’est déplacé plutôt qu’il n’a disparu : de ce qu’un modèle dit quand on l’interroge directement vers les associations et les choix sous-jacents à ses réponses, là où il est plus difficile à voir.

Corriger trop loin

Une correction peut aussi aller trop loin, et pousser le biais dans la direction opposée.

Les images de personnes

En février 2024, des utilisateurs ont constaté que le nouveau générateur d’images de Gemini représentait des groupes historiquement blancs, comme les Pères fondateurs des États-Unis, des sénateurs américains des années 1800 ou des soldats allemands de l’époque nazie, sous les traits de personnes de couleur (Figure 14figure 14). Google a suspendu la génération d’images de personnes. Son explication : le réglage destiné à montrer « a range of people » [ma traduction : « un éventail de personnes »] avait « failed to account for cases that should clearly not show a range » [ma traduction : « omis de tenir compte des cas où il ne faut clairement pas montrer d’éventail »].Prabhakar Raghavan, Gemini image generation got it wrong. We’ll do better, Google, 23 février 2024 ; Adi Robertson, Google apologizes for ‘missing the mark’ after Gemini generated racially diverse Nazis, The Verge, 21 février 2024.

Les notes attribuées aux candidats

An et al. (2025) ont fait noter par cinq modèles quelque 361 000 CV où le prénom de la personne candidate suggérait un genre et une origine ethnique. Le tableau ci-dessous présente ce qu’ils ont trouvé.

Les auteurs lisent les deux dernières lignes comme une correction allée trop loin : les développeurs « seem to have overreacted and pushed the bias toward the opposite direction » [ma traduction : « semblent avoir surréagi et poussé le biais dans la direction opposée »].GPT-3.5 Turbo, GPT-4o, Gemini 1.5 Flash, Claude 3.5 Sonnet et Llama 3 70B, en 2024.

A target set by few people

Correcting a model for bias requires a target: a decision about which answers are biased and which are acceptable (see also the Correcting bias page, in the Critical issues with LLMs module) (voir aussi la page Corriger les biais, dans le module Enjeux critiques des GML). That decision has no neutral version, and the people who make it are few (Figure 15figure 15).

• The developer writes the guidelines a model is trained to follow, and some developers publish them (see also the Model specifications: deciding how a chatbot behaves page, in the LLM lifecycle module) (voir aussi la page Les spécifications de modèle : décider du comportement d'un agent conversationnel, dans le module Cycle de vie des GML).
• The annotators who compare and rate answers during fine-tuning fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. apply those guidelines with their own judgement. Ouyang et al. (2022) state that their method aligns a model “to the stated preferences of a specific group of people (mostly our labelers and researchers), rather than any broader notion of ‘human values’”, and that their annotators were “primarily English-speaking”.

A target set this way reflects the decisions of the people who set it. Those decisions need not match the values of the culture they come from, let alone anyone else’s.

The decisions show in the models. Santurkar et al. (2023) compared the opinions of language models language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. with those of 60 demographic groups in American opinion polls. OpenAI’s models tuned on human feedback came closest to people who are “liberal, high income, well-educated”, which, the authors note, lines up with the demographics of the people who gave that feedback.text-davinci-002 and text-davinci-003, models of 2022, compared on survey questions about the United States.

A similar pattern shows across countries: the answers of OpenAI’s models resemble the cultural values of English-speaking and Protestant European countries (Tao et al., 2024) (see also the Cultural defaults page, in the Critical issues with LLMs module) (voir aussi la page Les choix culturels par défaut, dans le module Enjeux critiques des GML).

What you can do

The most visible forms of bias have become harder to find: current chat models pass explicit bias tests. The bias that remains lies in their defaults, and defaults can be steered and checked:

• State the audience and the culture you are writing for. It moves the answers closer to that culture in most cases, though not all (see also the Steering toward a culture page, in the Critical issues with LLMs module) (voir aussi la page Orienter les réponses vers une culture, dans le module Enjeux critiques des GML).
• Compare answers across groups. Asking the same question about two groups, or with two names, shows differences that one answer on its own hides.
• Keep your own judgement for decisions about people. Scoring résumés and choosing between candidates are tasks on which studies in this chapter found bias.

Une cible fixée par peu de personnes

Corriger les biais d’un modèle suppose une cible : une décision sur les réponses qui sont biaisées et celles qui sont acceptables (see also the Correcting bias page, in the Critical issues with LLMs module) (voir aussi la page Corriger les biais, dans le module Enjeux critiques des GML). Cette décision n’a pas de version neutre, et les personnes qui la prennent sont peu nombreuses (Figure 15figure 15).

• Le développeur rédige les lignes directrices qu’un modèle est entraîné à suivre, et certains développeurs les publient (see also the Model specifications: deciding how a chatbot behaves page, in the LLM lifecycle module) (voir aussi la page Les spécifications de modèle : décider du comportement d'un agent conversationnel, dans le module Cycle de vie des GML).
• Les annotateurs qui comparent et évaluent les réponses pendant l’affinage fine-tuningaffinage machine learningapprentissage automatique Further training of a pretrained model on new data to adapt it for a particular task, domain, or intended behaviour.Poursuite de l'entraînement d'un modèle préentraîné sur un jeu de données généralement plus restreint et spécialisé, afin de l'adapter à une tâche ou à un domaine particulier. appliquent ces lignes directrices avec leur propre jugement. Ouyang et al. (2022) écrivent que leur méthode aligne un modèle « to the stated preferences of a specific group of people (mostly our labelers and researchers), rather than any broader notion of ‘human values’ » [ma traduction : « sur les préférences déclarées d’un groupe particulier de personnes (surtout nos annotateurs et nos chercheurs), plutôt que sur une notion plus large de “valeurs humaines” »], et que leurs annotateurs étaient « primarily English-speaking » [ma traduction : « principalement anglophones »].

Une cible fixée de cette façon reflète les décisions des personnes qui la fixent. Ces décisions ne correspondent pas forcément aux valeurs de la culture dont elles viennent, encore moins à celles des autres.

Les décisions se voient dans les modèles. Santurkar et al. (2023) ont comparé les opinions de modèles de langue language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. à celles de 60 groupes démographiques dans des sondages d’opinion américains. Les modèles d’OpenAI affinés sur des rétroactions humaines se rapprochaient le plus des personnes « liberal, high income, well-educated » [ma traduction : « libérales, à revenu élevé, très instruites »], ce qui, notent les auteurs, correspond au profil démographique des personnes qui avaient fourni ces rétroactions.text-davinci-002 et text-davinci-003, des modèles de 2022, comparés sur des questions d’enquête portant sur les États-Unis.

On observe une tendance semblable d’un pays à l’autre : les réponses des modèles d’OpenAI ressemblent aux valeurs culturelles des pays anglophones et des pays protestants d’Europe (Tao et al., 2024) (see also the Cultural defaults page, in the Critical issues with LLMs module) (voir aussi la page Les choix culturels par défaut, dans le module Enjeux critiques des GML).

Ce que vous pouvez faire

Les formes les plus visibles de biais sont devenues plus difficiles à trouver : les agents conversationnels actuels réussissent les tests de biais explicites. Ce qui reste se trouve dans leurs choix par défaut, et ces choix peuvent être orientés et vérifiés :

• Précisez le public et la culture pour lesquels vous écrivez. Cela rapproche les réponses de cette culture dans la plupart des cas, mais pas dans tous (see also the Steering toward a culture page, in the Critical issues with LLMs module) (voir aussi la page Orienter les réponses vers une culture, dans le module Enjeux critiques des GML).
• Comparez les réponses d’un groupe à l’autre. Poser la même question à propos de deux groupes, ou avec deux prénoms, révèle des différences qu’une réponse isolée masque.
• Gardez votre propre jugement pour les décisions qui concernent des personnes. Noter des CV et choisir entre des candidats font partie des tâches sur lesquelles des études de ce chapitre ont trouvé des biais.

Where I stand

The environmental impact of AI is a topic on which it is easy to be read as taking a side. I try my best to stay neutral.

The problems are real, and nothing in this chapter is meant to deny them: the construction of data centres data centrecentre de traitement de données environmentenvironnement A facility that houses computing, storage, and networking equipment, together with supporting infrastructure such as power supplies, cooling systems, and security systems.Installation qui abrite de l'équipement de calcul, de stockage et de réseau, ainsi que les infrastructures de soutien comme l'alimentation électrique, les systèmes de refroidissement et les systèmes de sécurité. , their demand for electricity and water, and the pace of that growth are serious.

I do try to put the figures in context more than is often done, for instance by separating the cost of one answer from the cost of the industry as a whole (see also the Putting it in proportion page, in the Critical issues with LLMs module) (voir aussi la page Remettre en proportion, dans le module Enjeux critiques des GML). The aim is to give you figures that are current and sourced, so that you can form your own position from them.

Why the figures are hard to get

Even more than for other aspects of LLMs large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. , up-to-date and verifiable figures on this topic are hard to find. Few providers publish any, the main peer-reviewed measurement of the energy per task was made in 2023 on open models far smaller than the ones behind today’s chat products (Luccioni et al., 2024), and efficiency changes fast enough to date a figure within a year (see also the Hard to measure page, in the Critical issues with LLMs module) (voir aussi la page Difficile à mesurer, dans le module Enjeux critiques des GML).

Where a figure in this chapter is a provider’s own report, an estimate, or a measurement made on older models, the text says so and gives its date.

Ma position

L’impact environnemental de l’IA est un sujet sur lequel on est vite perçu comme prenant parti. Je fais de mon mieux pour rester neutre.

Les problèmes sont réels, et rien dans ce chapitre ne vise à les nier : la construction de centres de traitement de données data centrecentre de traitement de données environmentenvironnement A facility that houses computing, storage, and networking equipment, together with supporting infrastructure such as power supplies, cooling systems, and security systems.Installation qui abrite de l'équipement de calcul, de stockage et de réseau, ainsi que les infrastructures de soutien comme l'alimentation électrique, les systèmes de refroidissement et les systèmes de sécurité. , leur demande d’électricité et d’eau, et le rythme de cette croissance sont sérieux.

J’essaie en revanche de remettre les chiffres en contexte plus qu’on ne le fait souvent, par exemple en distinguant le coût d’une réponse de celui de l’industrie dans son ensemble (see also the Putting it in proportion page, in the Critical issues with LLMs module) (voir aussi la page Remettre en proportion, dans le module Enjeux critiques des GML). Le but est de vous donner des chiffres actuels et sourcés, pour que vous puissiez vous faire votre propre opinion.

Pourquoi les chiffres sont difficiles à obtenir

Plus encore que pour d’autres aspects des grands modèles de langue (GML) large language model (LLM)grand modèle de langue (GML) language modelsmodèles de langue A neural-network language model, usually based on the transformer architecture, that is trained on very large amounts of text and contains many learned parameters.Modèle de langue à réseau de neurones, habituellement fondé sur l'architecture des transformeurs, entraîné sur de très grandes quantités de texte et comptant de très nombreux paramètres appris. , des chiffres à jour et vérifiables sont difficiles à trouver sur ce sujet. Peu de fournisseurs en publient, la principale mesure de l’énergie par tâche évaluée par les pairs date de 2023 et porte sur des modèles ouverts bien plus petits que ceux des produits conversationnels actuels (Luccioni et al., 2024), et l’efficacité évolue assez vite pour qu’un chiffre soit dépassé en moins d’un an (see also the Hard to measure page, in the Critical issues with LLMs module) (voir aussi la page Difficile à mesurer, dans le module Enjeux critiques des GML).

Lorsqu’un chiffre de ce chapitre vient du rapport d’un fournisseur, d’une estimation ou d’une mesure faite sur des modèles plus anciens, le texte le précise et en donne la date.

Two costs, at different times

The environmental cost of a language model language model (LM)modèle de langue language modelsmodèles de langue A machine-learning model that estimates how likely different sequences of language are.Modèle d'apprentissage automatique qui estime la probabilité de différentes séquences de langue. is usually stated as a carbon footprint, in grams or tonnes of CO2 equivalent.

A language model causes emissions at two different times: once when it is trained, and again every time someone uses it. As a reminder, training adjusts the model’s parameters parameterparamètre de modèle machine learningapprentissage automatique A numerical value learned during a model's training and used in its computations.Valeur numérique apprise pendant l'entraînement d'un modèle et utilisée dans ses calculs. step by step until the model is finished (see also the Pretraining chapter, in the LLM lifecycle module) (voir aussi le chapitre Préentraînement, dans le module Cycle de vie des GML), and inference inferenceinférence machine learningapprentissage automatique The stage in which a trained AI model processes new input to produce a prediction, classification, decision, or generated output.Étape au cours de laquelle un modèle d'IA entraîné traite une nouvelle entrée pour produire une prédiction, une classification, une décision ou une sortie générée. is the use of that finished model, whose parameters no longer change (Figure 2figure 2, reused from the inference chapter) (see also the Inference page, in the LLM lifecycle module) (voir aussi la page Inférence, dans le module Cycle de vie des GML).

How the two costs add up

Training and use add up differently (Figure 3figure 3):

• Training emits once, before anyone uses the model, and declining to use the model does not undo those emissions. Divided among everyone who uses a widely used model, the share that falls on any one use is small: Masley (2026d) puts GPT-4’s training, divided among its 100 to 200 million weekly users, at about 75 to 150 grams of CO2 each, about what manufacturing a single CD emits.
• Use adds a little with every query. One query emits very little, but a widely used model answers a great many: ChatGPT alone was reported to receive about 2.5 billion prompts promptrequête promptingrequêtes Input given to a generative AI system to specify a task, provide context, or otherwise guide its output.Entrée fournie à un système d'IA générative pour préciser une tâche, donner du contexte ou orienter la sortie. a day in mid-2025 (International Energy Agency, 2026, p. 32). Across all users, use now outweighs training.

The International Energy Agency states the same for AI as a whole:

“The balance of AI-related energy consumption has already shifted decisively from training to inference” (International Energy Agency, 2026, p. 30).

Figures for one model

Mistral published figures for both costs of its Mistral Large 2 model (Mistral AI, 2025). For what it calls “the environmental footprint of training”, it reports 20.4 kilotonnes of CO2 equivalent (ktCO2e) and 281,000 cubic metres of water, “as of January 2025, and after 18 months of usage”. For one use of its chat assistant, a response of 400 tokens token²jeton textuel² language modelsmodèles de langue A unit of text that a language model processes or generates.Unité de texte qu'un modèle de langue traite ou génère. Un jeton peut correspondre à un mot entier, à une partie de mot, à un signe de ponctuation ou à une séquence plus petite de caractères ou d'octets. (roughly a page), it reports 1.14 grams of CO2 equivalent and 45 millilitres of water. Both figures include the manufacture of the servers, not only the electricity, and the figure for one response leaves out the user’s own device.Mistral’s announcement does not say how the 18 months of usage enter the training figure; its results were to be published in the Base Empreinte database of ADEME, the French ecological transition agency.