Grand modèle de langage (LLM)

Un grand modèle de langage est un modèle d'apprentissage profond entraîné sur d'immenses corpus de texte afin de prédire le mot, ou plus exactement le token, le plus probable compte tenu du contexte qui précède. De cette tâche apparemment simple émergent des capacités complexes de rédaction, de traduction, de résumé, de raisonnement apparent et de génération de code. Les LLM reposent généralement sur l'architecture dite transformeur, qui leur permet de pondérer l'importance relative des différents éléments d'un texte. Leur fonctionnement est fondamentalement probabiliste, ils ne consultent pas une base de connaissances mais produisent statistiquement des séquences plausibles, ce qui explique à la fois leur fluidité et leur propension à l'erreur assurée, ou hallucination. Pour l'assurance et la gestion des risques, le LLM est le moteur cognitif des systèmes d'IA générative et agentique, et donc la source de risques nouveaux, opacité du raisonnement, comportements imprévisibles aux grandes échelles, et vulnérabilité aux manipulations sémantiques. Une nuance importante doit être posée, le LLM n'est ni une base de données ni un raisonneur logique fiable, et confondre la fluidité de son expression avec une garantie d'exactitude est une erreur d'appréciation fréquente et lourde de conséquences dans les usages professionnels critiques.