1. Le Test du "Déjà-Vu" (Reproductibilité)
Une IA est-elle prévisible comme une calculatrice ? Vérifions si elle utilise toujours les mêmes mots.
- Posez une question simple (Exemple : "Pourquoi le ciel est-il bleu ?").
- Sans changer la question, cliquez 2 fois sur "Régénérer" pour obtenir les réponses 2 et 3.
| Comparaison | Mêmes mots ? | Même ordre ? | Réponse juste/logique ? |
|---|---|---|---|
| Rép. 2 vs Rép. 1 | Oui Non | Oui Non | Oui Non |
| Rép. 3 vs Rép. 1 | Oui Non | Oui Non | Oui Non |
2. Le Code Couleur (Probabilités)
L'IA ne choisit pas toujours le mot le plus évident. Mais comment savoir si elle est sûre d'elle ?
Passez votre souris sur les mots colorés dans Vittascience pour trouver la réponse ci-dessous.
| Vert Foncé | Le mot est le choix n°1 et sa probabilité est : | |
| Vert Clair | Le mot est souvent le choix n°1 mais sa probabilité est : | |
| Rouge | Le mot est rarement le choix n°1 mais sa probabilité est : |
- Cliquez sur Nettoyer (la corbeille) pour faire place nette.
-
Générez un prompt aléatoire ou utilisez celui-ci :
"Pourquoi les éléphants ont-ils une mémoire si développée ?" - Collez la réponse de l'IA ici :
- L'Expérience : Cliquez sur un mot coloré (rouge ou vert clair) dans Vittascience.
- Dans la liste qui s'affiche, choisissez un autre mot.
- Que devient la suite de la phrase ?
3. La Vision Machine (Les Tokens)
L'IA ne sait pas lire le français. Elle transforme le texte en une suite de nombres. Chaque morceau de texte (mot, syllabe ou ponctuation) associé à un numéro unique s'appelle un TOKEN.
Pour voir le monde comme l'IA, nous allons utiliser une "lunette spéciale".
👉 Action : Dans le menu de droite sur Vittascience, activez/désactivez l'interrupteur "Token ID".
- 🔘 Désactivé : Vous voyez le texte (Vision Humaine).
- 🟢 Activé : Le texte est remplacé par des tuiles colorées avec des numéros (Vision Machine).
A. Un mot courant (1 mot = 1 token)
Repérez un mot simple (ex: "le", "chat", "table") et alternez la vue pour trouver son code.
B. Un mot complexe (1 mot = Plusieurs tokens)
Parfois, l'IA découpe les mots rares ou longs en morceaux. Trouvez un exemple (ex: une terminaison).
4. Le Curseur de Folie (Température)
- Cliquez sur la corbeille 🗑️ pour effacer complètement la fenêtre.
- Désactivez l'interrupteur "Token ID" pour revenir au mode de lecture normal (Vision Humaine).
Testez l'influence du réglage "Aléatoire" (Température).
Consigne : Utilisez le prompt imposé suivant : "Si un chat pouvait parler, la première chose qu'il dirait serait..." et
gardez exactement le même pour toute cette partie. Seul le curseur doit bouger.
| Réglage | Action | Observation (Cohérence du texte) |
|---|---|---|
| Moyen (40%) | Régénérez 3 fois. | |
| Élevé (70%) | Régénérez 3 fois. | |
| Minimum (1%) | Régénérez 3 fois. | |
| Par défaut (25%) | Régénérez 3 fois. |
À quoi sert le réglage par défaut (25%) par rapport au réglage minimum (1%) ?
5. L'Hallucination (Le test d'actualité)
Les IA sont entraînées sur des données qui s'arrêtent à une certaine date. Si on leur demande un fait trop récent, elles risquent d'inventer n'importe quoi avec beaucoup d'assurance.
1. Effacez tout avec la corbeille 🗑️.
2. Demandez simplement : "Qui est le Premier ministre français actuel ?"
3. Regardez la réponse donnée.
| Réponse donnée par l'IA | Vérification (Fact-Checking) |
|---|---|
Attention : Si l'IA répond "Gabriel Attal" ou "Michel Barnier", c'est qu'elle vit dans le passé !
6. La Balance Énergétique
- Assurez-vous d'avoir effacé la fenêtre 🗑️.
- Vérifiez que le mode est bien en Vision Humaine (Token ID désactivé).
- Le curseur Aléatoire doit être à 25%.
Expérience A : Comparaison des Modèles
Les modèles de calcul appartiennent à différentes entreprises technologiques. Mistral AI est un fleuron français de l'IA. Les modèles GPT sont créés par OpenAI (États-Unis), et Llama est développé par Meta. Voyons si leur taille et leur origine influent sur leur empreinte écologique.
Prompt imposé pour chaque modèle : "Raconte-moi une histoire de 5 lignes."
👉 Pour chaque essai, lisez le nombre de tokens générés et ouvrez l'onglet Consommation à droite pour relever l'équivalent CO2 (eqCO2) du dernier prompt.
| Modèle | Nombre de Tokens | Conso Totale (eqCO2) | Conso / (1000 Tokens) |
|---|---|---|---|
| Mistral Small (Français 🇫🇷) | |||
| Mistral Nemo (Intermédiaire 🇫🇷) | |||
| GPT-4o mini (Optimisé, OpenAI 🇺🇸) | |||
| GPT-OSS-120B (Lourd, OpenAI 🇺🇸) | |||
| Llama-3 (Grand, Meta 🇺🇸) |
Expérience B : Le coût caché (Prompt vs Génération)
Basculez sur le modèle le plus sobre pour tester une demande ultra-courte.
1. Cliquez sur la corbeille 🗑️ pour effacer le contexte de discussion.
2. Envoyez cette consigne : "Écris-moi une histoire en 2 mots."
3. Dans l'encart d'informations, passez votre souris sur le mot "Token" ou sur le petit "?" pour dévoiler le détail du calcul.
| Tokens de la Question (Prompt) | Tokens de la Réponse (Générés) | Consommation affichée (eqCO2) |
|---|---|---|
Le simulateur affiche un bilan carbone presque nul car il calcule l'énergie de manière purement mathématique (proportionnelle au nombre de tokens). Mais dans le monde physique, réveiller un supercalculateur distant pour lui faire lire votre question coûte-t-il vraiment "zéro" ?
Les estimateurs comme celui-ci ont une faille : ils laissent penser que la consommation est strictement proportionnelle à la longueur du texte. C'est une illusion ! Le simple fait d'interroger le modèle implique un coût fixe incompressible : l'alimentation des immenses serveurs, le maintien du réseau, et la mise en mémoire (VRAM) du modèle d'IA. Même pour générer 2 petits mots, l'énergie de base dépensée par les machines est bien réelle.
💡 Ce qu'il faut retenir
-
Probabilités : L'IA calcule statistiquement le mot suivant le plus probable.
-
Tokens : Les phrases sont découpées en morceaux codés numériquement.
-
Température (Aléatoire) : À 25%, elle offre un compromis idéal entre rigueur et variété.
-
L'Hallucination : Face à une question trop récente, elle préfère inventer une fausse information avec aplomb.
-
Éco-responsabilité : La pollution dépend du modèle choisi et inclut toujours un coût énergétique fixe appliqué à chaque requête.
