2. Comprendre la génération de contenus
Une fois qu’un modèle est entraîné, il peut être utilisé pour générer du contenu. Ce processus est appelé inférence. Le modèle utilise les connaissances acquises durant la formation pour créer de nouvelles données, que ce soit du texte, des images, de la musique, ou des vidéos. Prenons l’exemple d’un modèle de langage comme GPT et tentons de décomposer le processus de génération de contenus.
Au départ, l’utilisateur fournit une entrée sous forme de prompt : ce prompt peut être une question ou une instruction. Ce texte va être encodé, c’est-à-dire divisé par le modèle en unités (tokens) correspondant à des mots ou groupe de mots. Les tokens sont ensuite transformés en vecteurs mathématiques (représentations numériques) grâce à la technologie des transformeurs évoquée plus haut.
La génération de la réponse s’effectue sous forme de décodage...
Cet article est réservé aux abonnés. Il vous reste 92 % à découvrir.
Déjà abonné ? Se connecter
Comprendre la génération de contenus
Comprendre l’optimisation des modèles de langage
Article inclus dans l'offre
"Management et ingénierie de l'innovation"
(
437 articles
)
Actualisée et enrichie d’articles validés par nos comités scientifiques.
Quiz, médias, tableaux, formules, vidéos, etc.
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.
Un ensemble de services exclusifs en complément des ressources.
