Capacités et limites

Objectifs

À l’issue de cette leçon, vous serez capable de :

• Identifier les capacités et limites majeures de l’IA générative actuelle

Capacités actuelles

Trois capacités expliquent l’essentiel de ce que l’IA générative permet aujourd’hui, et il vaut la peine de comprendre pourquoi chacune compte plutôt que de les mémoriser.

La première est la polyvalence : un même système gère des tâches très différentes — rédaction, analyse, code, traduction — sans qu’il faille l’entraîner à nouveau pour chaque tâche. La conséquence pratique est directe : vous n’avez plus à chercher un outil spécialisé par besoin, et vous pouvez enchaîner dans une même session la relecture d’un contrat, la génération d’un script de traitement de fichiers et la traduction d’un courrier.

La deuxième est la conscience conversationnelle. Le système maintient le fil d’une conversation, se souvient du contexte et s’adapte au style de l’échange. C’est ce qui rend possible le travail par itérations : vous n’avez pas à redonner tout le cadre à chaque message, il suffit de dire « reprends le deuxième paragraphe, mais plus sobre » pour être compris. Cette continuité a une contrepartie, que nous verrons plus loin : ce qui est mémorisé inclut aussi vos approximations du début.

La troisième est la connexion à des outils externes. Grâce aux intégrations d’outils, le système peut accéder à des bases de données, exécuter du code ou naviguer sur le web. Cela déplace la frontière du possible : une question portant sur des faits récents cesse d’être hors de portée dès lors que le système peut aller chercher l’information au lieu de la reconstituer de mémoire.

Limites actuelles

Connaître les limites vaut au moins autant que connaître les capacités, car ce sont elles qui déterminent où placer votre vigilance.

La date de coupure des connaissances est la plus simple à comprendre : les modèles ont des connaissances arrêtées à une date précise, et les événements postérieurs à leur entraînement ne leur sont pas connus, sauf accès à des outils de recherche. Si vous interrogez un modèle sur une réglementation modifiée le mois dernier, une réponse assurée n’est pas une réponse à jour.

Les hallucinations constituent le risque le plus coûteux. Les modèles peuvent générer des informations factuellement incorrectes avec une apparence de confiance : une référence bibliographique complète et inexistante, un article de loi au numéro plausible et faux. Le danger tient à la forme, pas au fond — rien dans la tournure ne signale l’erreur. C’est un risque majeur sur les sujets techniques ou factuels, et c’est la raison pour laquelle une vérification des points vérifiables doit devenir un réflexe.

Les contraintes de la fenêtre de contexte persistent, malgré des fenêtres de plus en plus grandes : sur des documents très longs, les modèles peuvent perdre en précision. Pouvoir soumettre un dossier entier ne signifie pas que chaque détail en sera exploité avec la même finesse ; il reste souvent préférable de traiter les sections critiques séparément.

Enfin, les défis de raisonnement complexe demeurent : certains raisonnements logiques multi-étapes ou mathématiques restent difficiles. Une chaîne de déductions longue peut se rompre en un point, et le reste du raisonnement continuera pourtant de se dérouler avec la même fluidité à partir d’une prémisse fausse.

La complémentarité humain-IA

Les applications les plus efficaces ne cherchent pas à faire faire à l’IA ce que l’humain fait mieux, ni l’inverse. Elles combinent les deux séries de forces :

Lisez ce tableau ligne par ligne plutôt que colonne par colonne : chaque paire décrit une répartition de travail possible. Sur l’analyse de trois cents réponses à une enquête, l’IA absorbe le volume et produit un regroupement cohérent, vous apportez la connaissance du terrain qui vous fait dire qu’un thème classé comme mineur est en réalité le signal le plus important du corpus.

Une réserve pour finir : le domaine évolue rapidement, et les limites d’aujourd’hui ne seront pas forcément celles de demain. Prenez l’habitude de retester périodiquement les tâches que vous aviez classées comme hors de portée, plutôt que de conserver un jugement formé il y a un an.