Premier article de la série « Apprendre à utiliser les outils d’IA ». Avant d’ouvrir Claude, Gemini ou ChatGPT, prenons le temps de comprendre ce que sont vraiment ces outils, le vocabulaire à connaître, et comment ils fonctionnent. Aucun prérequis technique : si vous savez écrire un message, vous avez tout ce qu’il faut pour suivre.

En quelques mois, l’intelligence artificielle est passée du laboratoire à notre quotidien. On en parle partout, parfois avec enthousiasme, parfois avec inquiétude. Résultat : beaucoup de personnes ouvrent ces outils sans vraiment savoir ce qu’elles ont devant elles. Or, on utilise toujours mieux un outil que l’on comprend. L’objectif de cet article n’est pas de faire de vous un informaticien, mais de vous donner les bases solides pour utiliser l’IA avec aisance et discernement : savoir ce qu’on peut lui demander, parler son « langage », et garder un œil critique sur ses réponses.

Nous répondrons à trois questions : qu’est-ce que l’IA générative ? Quel vocabulaire faut-il connaître ? Et comment fonctionne, concrètement, la technologie qui se cache derrière ? Nous terminerons par un panorama des grandes familles d’outils disponibles en 2026.

1. Qu’est-ce que l’IA générative ?

Pour comprendre la nouveauté, il faut la comparer à ce qui existait avant. Pendant des décennies, l’informatique a surtout su classer, trier et calculer. Un filtre anti-spam range un e-mail dans « courrier indésirable ». Une calculatrice additionne. Un moteur de recherche retrouve des pages qui existent déjà. Dans tous ces cas, l’ordinateur choisit parmi des réponses prévues à l’avance.

L’IA générative fait quelque chose de différent : elle produit du contenu nouveau. À partir d’une demande écrite en langage courant, elle peut rédiger un texte, traduire, résumer, écrire un programme informatique, dessiner une image ou composer une musique. Le résultat n’existait pas avant et n’a pas été recopié depuis une base de données : il est fabriqué pour vous, à l’instant.

Le mot « générative » vient précisément de là : la machine génère au lieu de sélectionner. C’est aussi ce qui explique deux comportements déroutants au premier abord. D’abord, deux demandes identiques peuvent donner deux réponses légèrement différentes : il n’y a pas une seule « bonne case » à cocher. Ensuite, l’outil peut produire une réponse parfaitement formulée… mais fausse. Nous y reviendrons.

Ce qu’elle sait bien faire

• Rédiger et reformuler : e-mails, lettres, articles, résumés, comptes rendus.
• Traduire et adapter un texte d’une langue, d’un ton ou d’un registre à un autre.
• Expliquer un concept à différents niveaux (à un enfant, à un débutant, à un expert).
• Trouver des idées : titres, plans, noms, angles, arguments.
• Écrire et corriger du code informatique.
• Analyser un document que vous lui fournissez : un contrat, un rapport, un tableau.

Ce qu’elle fait moins bien

• Donner des faits récents ou des chiffres précis sans risque d’erreur.
• Faire des calculs complexes de manière fiable, sauf lorsqu’elle s’appuie sur un outil dédié.
• Dire « je ne sais pas » : par construction, elle a tendance à proposer une réponse plausible plutôt qu’à reconnaître son ignorance.
• Avoir une opinion, des intentions ou une expérience vécue : elle n’en a pas, même quand son ton donne l’impression du contraire.

Un exemple concret pour fixer les idées. Si vous écrivez « Explique-moi la différence entre un prêt à taux fixe et un prêt à taux variable, avec un exemple chiffré simple », l’IA est à son meilleur : elle reformule un savoir général de façon claire et pédagogique. Si vous demandez « Quel est le taux immobilier exact pratiqué cette semaine dans ma ville ? », elle est sur un terrain glissant : ce chiffre précis et récent, elle risque de l’inventer. Bien utiliser l’IA, c’est largement savoir distinguer ces deux situations.

2. Le vocabulaire de base : modèle, prompt, token

Trois mots reviennent sans cesse. Les comprendre suffit à se sentir à l’aise et à ne plus être impressionné par le jargon.

Le modèle

Le modèle est le « cerveau » entraîné qui produit les réponses. Quand on parle de Claude, Gemini ou GPT, on parle de familles de modèles. Chaque famille se décline souvent en plusieurs tailles : un modèle plus puissant (mais plus lent) pour les tâches difficiles, et un modèle plus léger (mais plus rapide) pour les tâches simples. Choisir son modèle, c’est un peu comme choisir entre une voiture puissante et une voiture économique selon le trajet ; nous y reviendrons dans les modules consacrés à chaque outil.

Le prompt

Le prompt, c’est tout simplement votre demande : la consigne que vous écrivez dans la zone de saisie. C’est le point le plus important pour un débutant, car la qualité de votre prompt détermine en grande partie la qualité de la réponse. Une demande vague (« parle-moi du marketing ») donne une réponse vague ; une demande précise, avec un contexte et un objectif clairs, donne une réponse ciblée. Apprendre à bien formuler ses prompts est si utile que nous lui consacrons un module entier (le module 5).

Le token

Le token est l’unité de base que le modèle manipule. Ce n’est ni tout à fait une lettre, ni tout à fait un mot : c’est un petit morceau de texte (en français, comptez environ trois quarts d’un mot par token). Le mot « intelligence », par exemple, peut être découpé en plusieurs tokens. Pourquoi s’en soucier ? Pour deux raisons pratiques : les tokens servent à mesurer la longueur des textes qu’un modèle peut traiter d’un coup, et ils servent d’unité de facturation pour les usages professionnels. Au quotidien, dans une application grand public, vous n’aurez presque jamais à les compter vous-même ; il suffit de savoir ce que le mot désigne.

Deux notions complémentaires reviendront souvent et méritent d’être citées dès maintenant :

• Le contexte : ce que le modèle « garde en tête » pendant une conversation (votre demande, vos documents, l’historique de l’échange). Plus la « fenêtre de contexte » est grande, plus vous pouvez soumettre de longs documents en une fois.
• Le multimodal : la capacité d’un outil à traiter autre chose que du texte — images, fichiers, parfois audio et vidéo. La plupart des grands assistants sont aujourd’hui multimodaux : vous pouvez, par exemple, leur montrer une photo et poser une question dessus.

3. Comment fonctionne un grand modèle de langage (LLM) ?

Derrière les assistants conversationnels se cache une technologie appelée « grand modèle de langage », en anglais Large Language Model, abrégé LLM. On peut très bien la comprendre sans la moindre formule mathématique.

Une gigantesque machine à prédire la suite

À la base, un LLM fait une chose étonnamment simple : il prédit le morceau de texte le plus probable pour continuer ce qui précède. Si je commence une phrase par « Le ciel est… », le modèle estime que « bleu » est une suite très probable. C’est le même réflexe que la saisie automatique de votre téléphone, mais poussé à une échelle et à une finesse incomparables.

Pour acquérir cette capacité, le modèle a été entraîné sur d’immenses quantités de textes : livres, articles, sites web, code informatique. Au fil de cet entraînement, il a ajusté des milliards de réglages internes (ses « paramètres ») jusqu’à devenir remarquablement doué pour anticiper la suite d’un texte. On peut le comparer à un musicien qui, après des années d’écoute, « sent » quelle note vient ensuite — sauf qu’ici, l’entraînement porte sur une quantité de textes qu’aucun humain ne pourrait lire en mille vies.

Quand vous posez une question, le modèle ne se contente pas de recracher la suite la plus banale. En enchaînant ces prédictions, mot après mot, et grâce à des réglages supplémentaires qui l’ont rendu plus utile et plus prudent, il construit des réponses cohérentes, structurées et adaptées à votre demande.

Pourquoi c’est puissant — et pourquoi ça déraille parfois

Cette mécanique explique les forces du système : sa fluidité, sa capacité à reformuler, à adopter le ton qu’on lui demande, à passer d’une langue à l’autre. Elle excelle là où il s’agit de manipuler le langage.

Mais elle explique aussi ses limites. Le modèle cherche le plausible, pas le vrai. Quand l’information lui manque, il ne s’arrête pas : il produit quand même une suite crédible. C’est ce qu’on appelle une hallucination — une affirmation fausse énoncée avec assurance (un chiffre inventé, une citation qui n’existe pas, une référence d’article fabriquée de toutes pièces). De même, les connaissances d’un modèle s’arrêtent à une certaine date, sa « date de coupure » : au-delà, il ignore les événements récents, sauf s’il est connecté à une recherche sur le web.

De là découle une règle d’or, valable dès le premier jour et tout au long de cette série : vérifiez toujours les faits, les chiffres et les citations avant de vous y fier. L’IA est une excellente assistante ; elle n’est pas une source d’autorité.

Une nuance utile : les modèles qui « réfléchissent »

Une évolution récente mérite d’être mentionnée : certains modèles peuvent désormais « prendre le temps de réfléchir », c’est-à-dire dérouler un raisonnement étape par étape avant de répondre. Cela améliore nettement les tâches qui demandent de la logique : mathématiques, problèmes en plusieurs étapes, code. Concrètement, vous pourrez parfois activer un mode « réflexion approfondie » ; il est plus lent, mais plus fiable sur les questions complexes.

4. Panorama des grandes familles d’outils en 2026

Le paysage peut sembler intimidant tant les noms se multiplient. Heureusement, tout s’organise en quelques grandes familles. Connaître ces familles suffit pour s’orienter ; nous explorerons les principales en détail dans les modules suivants.

Les assistants conversationnels

C’est la porte d’entrée la plus courante : on dialogue avec eux par écrit (ou à la voix). Les trois plus connus sont Claude (Anthropic), Gemini (Google) et ChatGPT (OpenAI). À leurs côtés existent des assistants au profil plus spécialisé : Perplexity, orienté recherche avec sources citées ; Mistral (Le Chat), une solution française appréciée en Europe ; Grok (xAI), connecté en temps réel au réseau X ; DeepSeek, réputé pour son très faible coût ; ou encore Copilot (Microsoft), intégré à la suite Microsoft 365. Les modules 1 à 4 leur sont consacrés.

La génération d’images

Ces outils transforment une description écrite en illustration ou en image de synthèse. Les noms qui reviennent : Midjourney, DALL·E, Flux, ainsi que les générateurs d’images intégrés directement à Gemini et à ChatGPT. C’est le sujet du module 7.

La génération de vidéo

Plus récente, elle progresse à une vitesse spectaculaire. Des outils comme Runway, Kling, Veo (Google) ou Sora (OpenAI) produisent de courts clips à partir d’un texte ou d’une image. Le module 8 montre comment en tirer parti.

La génération audio

Elle couvre deux usages : la voix de synthèse, avec des outils comme ElevenLabs pour créer des narrations naturelles, et la musique, avec des outils comme Suno capables de composer une chanson complète. Nous y reviendrons au module 9.

Les outils spécialisés et de productivité

Cette catégorie regroupe des outils taillés pour un usage précis : NotebookLM pour étudier ses propres documents et en tirer des résumés ou des supports, des assistants de programmation, ou encore des « connecteurs » qui relient l’IA à votre messagerie ou à votre agenda pour automatiser certaines tâches. Les modules 9 et 10 explorent ces possibilités.

Un repère rassurant : commencer ne coûte rien

La grande majorité de ces outils proposent une version gratuite, largement suffisante pour découvrir et s’exercer. Les versions payantes (souvent autour de 20 $ par mois, des tarifs qui évoluent vite) ne deviennent intéressantes que pour un usage intensif ou pour débloquer des fonctions avancées. Autrement dit : vous pouvez suivre toute cette formation et pratiquer sérieusement sans dépenser un centime. Inutile de payer pour commencer.

Et maintenant ?

Vous disposez désormais des fondations : vous savez ce qu’est l’IA générative, vous maîtrisez son vocabulaire de base, vous comprenez comment elle fonctionne, et vous avez une carte du paysage des outils. Il est temps de passer à la pratique.

Prochain article — Module 1 : Maîtriser Claude. Nous ouvrons un premier outil de bout en bout : créer un compte, faire le tour de l’interface, comprendre les différents modèles et découvrir des cas d’usage concrets pour votre quotidien.