Posez la même question deux fois à un outil d’intelligence artificielle, dans deux conversations distinctes, et les deux réponses diffèrent. Parfois légèrement : un mot, un ordre de paragraphes. Parfois nettement : un chiffre qui change, un conseil qui s’inverse.
Ce comportement surprend, parce qu’une calculatrice ne se comporte pas ainsi. Il n’a rien d’un défaut caché : il découle d’un tirage au sort réglable, intégré à la façon dont le texte est produit. Voici de quoi il s’agit, sans jargon, et ce que cela change pour un lecteur qui utilise ces outils.
Le texte est produit morceau par morceau
Un outil de ce type ne rédige pas une réponse d’un bloc. Il la produit par petits fragments successifs, chacun choisi en fonction de ce qui précède. À chaque étape, il attribue un score à de nombreux fragments candidats, puis en retient un.
Si le fragment le mieux noté remportait systématiquement l’étape, la réponse serait identique à chaque exécution. Ce n’est pas le réglage retenu par défaut : le fragment retenu est tiré parmi les candidats, en tenant compte de leurs scores. Deux exécutions suivent donc deux chemins différents, et un seul écart au début de la réponse suffit à entraîner la suite ailleurs.
La documentation d’IBM décrit ce mécanisme de façon explicite : l’activation de l’échantillonnage fait que « le modèle échantillonne de manière aléatoire les probabilités de token expurgées », et une température plus élevée « augmente la probabilité qu’un modèle sélectionne des tokens moins probables » (IBM, qu’est-ce que la température des LLM).
Les trois réglages qui gouvernent cette variation
Ces réglages ne sont pas des secrets commerciaux : ils figurent dans la documentation technique des fournisseurs. Le tableau ci-dessous reprend les formulations de la documentation d’Amazon Web Services consacrée aux modèles Mistral.
| Réglage | Ce qu’il contrôle, selon la documentation | Effet quand on l’abaisse |
|---|---|---|
| temperature | « le caractère aléatoire des prédictions faites par le modèle » | Les réponses se ressemblent davantage d’une exécution à l’autre |
| top_p | « la diversité du texte généré par le modèle en définissant le pourcentage de candidats les plus probables que le modèle prend en compte pour le jeton suivant » | Le tirage se concentre sur les candidats les mieux notés |
| top_k | « le nombre de candidats les plus probables que le modèle prend en compte pour le jeton suivant » | Moins de candidats entrent dans le tirage |
Ces valeurs sont réglées par le fournisseur du service, pas par le lecteur. Dans une application grand public, aucune case ne permet de les modifier : elles ne sont accessibles qu’à travers les interfaces destinées aux développeurs (documentation AWS, paramètres des modèles Mistral).
Pourquoi ne pas tout figer
La question vient naturellement : pourquoi conserver ce tirage, plutôt que de retenir toujours le candidat le mieux noté ? Un réglage très bas produit des textes répétitifs, qui tournent en boucle sur les mêmes formules. La documentation d’IBM indique qu’une valeur basse convient aux tâches factuelles et une valeur élevée aux tâches créatives, et parle d’un équilibre « entre cohérence et créativité ».
La même page apporte une nuance qui mérite d’être retenue : l’effet de ce réglage sur la créativité serait « bien plus nuancé et faible » qu’on ne le suppose généralement, une valeur élevée rendant surtout les productions « moins déterminées par les données d’entraînement ». Autrement dit, monter ce réglage ne rend pas un outil inventif ; cela l’éloigne de ses productions les plus attendues.
Le tirage n’explique pas tout, par ailleurs. Deux réponses peuvent aussi différer parce que la version du modèle a changé entre deux essais, parce que la conversation en cours ne contenait pas les mêmes messages précédents, ou parce que l’outil a consulté des pages web différentes au moment de répondre.
Ce que cela change pour vous, concrètement
- Utilisez la variation comme un outil de vérification. Posez la même question dans trois conversations neuves, sans montrer les réponses précédentes, et comparez. Les points identiques dans les trois réponses sont les plus stables ; les points qui changent sont ceux à vérifier en priorité.
- Ne citez jamais une réponse comme une source. Une réponse qui varie d’une exécution à l’autre n’est pas une référence. La référence, c’est la page d’origine, qu’il faut ouvrir et lire.
- Imposez le format quand la stabilité compte. Une consigne qui fixe le nombre de parties, l’ordre et la longueur réduit l’ampleur des écarts, car elle laisse moins de place au tirage.
- Gardez une trace écrite des réponses utiles. Une réponse satisfaisante ne se retrouve pas en reposant la question. Copiez-la au moment où elle est obtenue.
- Méfiez-vous des chiffres qui bougent. Si une date ou un montant change d’une exécution à l’autre, cela signale que cet élément a été produit par assemblage plausible, et non recopié d’une source identifiée.
Ce que cette variabilité ne signifie pas
Trois interprétations circulent, et elles conduisent toutes à des conclusions fausses. La première veut que l’outil hésite. Il n’hésite pas : il exécute un tirage. La deuxième veut qu’il change d’avis entre deux réponses ; il n’y a pas d’avis à changer, seulement deux chemins de production distincts. La troisième veut que la réponse la plus longue, ou la plus assurée, soit la plus fiable : la longueur et le ton ne renseignent en rien sur l’exactitude du contenu.
Cette notion s’explique très bien à un enfant, à condition de ne pas commencer par l’écran. Les ateliers gratuits de Malinia abordent cette idée de production morceau par morceau avec du papier et des mots, ce qui laisse une trace plus durable qu’une démonstration à l’écran.
Si l’enfant veut faire l’essai lui-même
Comparer trois réponses à la même question est un exercice d’esprit critique intéressant. Il suppose cependant un compte, et donc trois repères à vérifier au préalable.
- En dessous de 13 ans, pas de compte personnel sur ces services : les conditions d’utilisation de ChatGPT fixent un âge minimum de 13 ans, ou l’âge minimum requis dans le pays pour consentir à utiliser le service (conditions d’utilisation d’OpenAI).
- Entre 13 et 18 ans, ces mêmes conditions exigent l’autorisation d’un parent ou du représentant légal.
- En France, à partir de 15 ans, un mineur peut consentir seul à certains traitements de ses données ; en dessous de 15 ans, l’accord d’un parent est requis conjointement avec celui de l’enfant, au titre de l’article 45 de la loi Informatique et Libertés (recommandation 4 de la CNIL). La CNIL rappelle en outre que « les textes ne reconnaissent pas une « majorité numérique globale » à 15 ans » (recommandation 1 de la CNIL).
Une variante sans compte existe, et elle suffit largement pour la démonstration : l’adulte pose la question trois fois depuis son propre compte, et l’enfant note les écarts sur une feuille. L’exercice porte alors sur la comparaison, qui est la compétence visée.
Malinia, en deux minutes
Quatre parcours guidés dès 3 ans — sans écran pour les plus petits —, six ateliers gratuits sans inscription, et 690 pages à imprimer.
Trouver le bon parcours Essayer gratuitement
Les ateliers du site sont gratuits et sans inscription. La formule Découverte ne demande pas de carte bancaire.