Flashcards : LLM et traduction assistée (83 cartes)

Toutes les cartes

1Question

Qu’est-ce qu’un LLM ?

Réponse

Un modèle d’intelligence artificielle entraîné sur de grandes quantités de textes pour apprendre les régularités du langage.

2Question

Quel est l’objectif d’un LLM dans une séquence de texte ?

Réponse

Prédire le mot ou token suivant.

3Question

Qu’est-ce que la fenêtre de contexte d’un LLM ?

Réponse

La quantité maximale de texte, mesurée en tokens, qu’il peut traiter simultanément.

4Question

Qu’est-ce qu’un token dans le traitement du texte par un LLM ?

Réponse

Une unité en laquelle un LLM découpe le texte.

5Question

Quels éléments peuvent constituer des tokens dans un texte ?

Réponse

Des mots, parties de mots, signes de ponctuation, chiffres ou espaces.

6Question

Qu’est-ce qu’un embedding représentant un token ?

Réponse

Une série de valeurs numériques.

7Question

Qu’est-ce qu’un n-gramme ?

Réponse

Une suite de n mots consécutifs.

8Question

Quelle place occupent les Transformers dans les grands modèles de langage ?

Réponse

Ils constituent la base de la quasi-totalité des grands modèles de langage.

9Question

Comment les Transformers analysent-ils les mots d’une phrase ?

Réponse

Ils les analysent simultanément.

10Question

Quel bénéfice des Transformers concerne la prise en compte des informations contextuelles ?

Réponse

Une meilleure prise en compte du contexte.

11Question

Que détermine le mécanisme d’attention pour produire le token suivant ?

Réponse

Les informations les plus pertinentes.

12Question

Sur quoi les LLM apprennent-ils ?

Réponse

Sur de gigantesques corpus d’entraînement.

13Question

Combien de phrases incomplètes les LLM voient-ils pendant l’entraînement ?

Réponse

Des milliards.

14Question

Que doit deviner le modèle pendant l’entraînement ?

Réponse

Le token manquant dans une phrase incomplète.

15Question

De quels biais les modèles héritent-ils des données humaines d’entraînement ?

Réponse

Des biais culturels, politiques, sociaux et linguistiques.

16Question

Pourquoi aucun corpus ne contient-il l’ensemble des connaissances humaines ?

Réponse

Parce qu’aucun corpus ne rassemble toutes les connaissances humaines.

17Question

Comment les volumes de données disponibles varient-ils selon les langues ?

Réponse

Ils varient d’une langue à l’autre.

18Question

Qu’est-ce qu’une hallucination produite par un LLM ?

Réponse

Une information fausse qui paraît crédible.

19Question

Comment un LLM produit-il généralement une réponse, contrairement à un moteur de recherche ?

Réponse

Il prédit la suite de tokens la plus probable.

20Question

Que ne vérifie pas nécessairement un LLM avant de répondre ?

Réponse

Sa réponse dans une base de connaissances.

21Question

Quelles sont les causes possibles d’une hallucination d’un LLM ?

Réponse

Le manque de contexte, l’ambiguïté de la requête, la recherche d’une réponse complète ou l’absence de vérification interne.

22Question

Quel manque dans le contexte fourni peut provoquer une hallucination d’un LLM ?

Réponse

Un manque d’informations.

23Question

Quelle ambiguïté peut provoquer une hallucination d’un LLM ?

Réponse

L’ambiguïté de la requête.

24Question

Quelles transformations un LLM peut-il apporter à un texte complexe ?

Réponse

Il peut le simplifier, adapter son registre, améliorer sa fluidité, le raccourcir ou le développer, et harmoniser son style.

25Question

Quel risque présente la reformulation par un LLM ?

Réponse

Elle peut modifier involontairement le sens.

26Question

Quelle différence oppose la NMT et le LLM dans le traitement du style source ?

Réponse

La NMT tend à reproduire la structure source, tandis que le LLM tend à normaliser ou embellir le texte.

27Question

Quels risques les LLM présentent-ils en traduction ?

Réponse

Ils peuvent entraîner une perte de fidélité, une variabilité, de la surconfiance, des problèmes de confidentialité et une dépendance.

28Question

Comment l’Adaptive MT apprend-elle pendant un projet ?

Réponse

À partir des modifications réalisées pendant le projet.

29Question

Que mesure la Quality Estimation sans traduction humaine de référence ?

Réponse

La qualité d’une traduction automatiquement.

30Question

Quels rôles le traducteur peut-il exercer avec les outils d’IA ?

Réponse

Réviseur, contrôleur qualité, terminologue, spécialiste du prompting et garant du texte final.

31Question

Quel modèle économique est le plus rentable pour les IA génératives ?

Réponse

Les API.

32Question

Comment les API permettent-elles d’utiliser un LLM dans des applications ?

Réponse

Elles permettent d’y intégrer un LLM.

33Question

Selon quels critères l’usage des API est-il facturé ?

Réponse

Selon le nombre de requêtes ou de tokens utilisés.

34Question

Qu’est-ce qu’un modèle open source rend accessible ?

Réponse

Son code.

35Question

Que publie un modèle open-weight sans rendre accessible l’ensemble du processus d’entraînement ?

Réponse

Ses paramètres.

36Question

Que désigne le modèle Translation as a Feature (TaaF) ?

Réponse

L’intégration de la traduction automatique à d’autres logiciels.

37Question

Comment les traducteurs créent-ils de la valeur ajoutée lorsque la traduction est intégrée aux logiciels ?

Réponse

Par la qualité, la spécialisation, la post-édition, le conseil linguistique et l’adaptation culturelle.

38Question

Quels types d’informations rendent la confidentialité particulièrement préoccupante en traduction ?

Réponse

Les informations personnelles, données médicales, documents juridiques, contrats et secrets industriels.

39Question

Que doit lire le traducteur pour protéger les données traitées par ses outils ?

Réponse

Les politiques de confidentialité des outils utilisés.

40Question

Quelles exigences le traducteur doit-il respecter pour protéger les données du client ?

Réponse

Les exigences contractuelles du client.

41Question

Quel environnement le traducteur doit-il privilégier pour traiter des données sensibles ?

Réponse

Un environnement sécurisé.

42Question

Quelles ressources l’entraînement et l’utilisation des LLM mobilisent-ils ?

Réponse

Des centres de données, des GPU, une alimentation électrique continue et des systèmes de refroidissement consommant de l’eau et de l’énergie.

43Question

De quels facteurs dépend le coût environnemental des LLM ?

Réponse

De la taille du modèle, du nombre d’utilisateurs, du type de requête, de l’efficacité des centres de données et du mix énergétique.

44Question

Quelles langues bénéficient généralement de meilleures performances des LLM ?

Réponse

Les langues disposant de nombreuses ressources numériques, comme l’anglais, le chinois, l’espagnol, le français et l’allemand.

45Question

Quelles limites les LLM présentent-ils pour les langues peu dotées ?

Réponse

Les traductions sont moins fiables, la compréhension plus limitée et la génération de qualité inférieure.

46Question

Quel effet à long terme la fluidité des textes produits par les LLM pourrait-elle favoriser ?

Réponse

Une standardisation des pratiques d’écriture.

47Question

De quelles sources humaines les LLM apprennent-ils ?

Réponse

De textes produits par des humains.

48Question

Quels biais les LLM peuvent-ils reproduire ?

Réponse

Des biais culturels, historiques, sociaux, linguistiques et géographiques.

49Question

Quelle attitude le traducteur doit-il adopter face aux réponses des LLM ?

Réponse

Il doit exercer un regard critique.

50Question

Quel effet ont l’alignement et la modération sur les réponses des modèles ?

Réponse

Ils les influencent sans nécessairement les rendre neutres.

51Question

Quels enjeux éthiques sont liés à l’IA générative ?

Réponse

La transparence, la responsabilité, la propriété intellectuelle et le maintien de l’humain au centre.

52Question

Quels éléments la fenêtre de contexte d’un LLM comprend-elle ?

Réponse

Le prompt, le texte à traduire ou analyser et la réponse générée.

53Question

Quel affaiblissement peut toucher l’attention d’un modèle dans un texte très long ?

Réponse

Elle peut s’affaiblir au milieu du texte, phénomène parfois appelé « lost in the middle ».

54Question

Quels types de termes le découpage en tokens aide-t-il à traiter efficacement ?

Réponse

Les mots rares, les néologismes et les termes techniques.

55Question

Que permettent de capturer les embeddings entre les mots ?

Réponse

Les relations sémantiques.

56Question

Comment les embeddings capturent-ils les relations sémantiques sans règles programmées ?

Réponse

Sans règle linguistique explicitement programmée.

57Question

Quels mots sont proches dans l’espace des embeddings ?

Réponse

« Chat » et « chien », « roi » et « reine », ainsi que « Paris » et « Londres ».

58Question

Quels mots sont éloignés dans l’espace des embeddings ?

Réponse

« Chat » et « casserole ».

59Question

Quel type de n-gramme est « traduction » ?

Réponse

Un unigramme.

60Question

Avant les réseaux de neurones, que mesuraient les modèles de langue ?

Réponse

La probabilité d’apparition d’un mot à partir des mots précédents.

61Question

Quelle limite caractérisait le contexte des anciens modèles de langue ?

Réponse

Leur contexte était très limité.

62Question

Quelles propositions le modèle peut-il faire pour « Le chat dort sur le… » ?

Réponse

« Canapé », « lit », « tapis » ou « arbre ».

63Question

À quoi sert l’alignement des LLM ?

Réponse

À limiter certains comportements du modèle grâce à des garde-fous.

64Question

Que fait d’abord le RAG pour générer une réponse ?

Réponse

Il recherche les informations pertinentes dans des bases de données de confiance.

65Question

Pourquoi un LLM peut-il ignorer un événement survenu la veille ?

Réponse

Il n’a pas nécessairement accès aux événements récents.

66Question

Pour quels types de textes la conservation du style est-elle particulièrement importante ?

Réponse

Pour la littérature, les discours politiques, les textes juridiques et historiques, ainsi que les essais.

67Question

Quel niveau de confiance convient à la reformulation d’un e-mail ?

Réponse

Une confiance relativement élevée.

68Question

Que faut-il vérifier dans une traduction malgré ses usages utiles ?

Réponse

Les dates historiques.

69Question

Quelles vérifications imposent un dosage médical et une traduction destinée à être publiée ?

Réponse

Le dosage exige un contrôle expert, et la traduction une relecture.

70Question

Quels effets l’Adaptive MT peut-elle avoir sur les traductions ?

Réponse

Elle peut améliorer leur cohérence, accroître la productivité et les adapter au client.

71Question

Quel risque l’Adaptive MT présente-t-elle lorsque les corrections sont incorrectes ?

Réponse

Elle risque de reproduire ces erreurs.

72Question

Quel résultat la QE attribue-t-elle après son analyse ?

Réponse

Un score de qualité.

73Question

Quelles décisions la QE peut-elle aider à prendre pour un segment ?

Réponse

Le valider, le post-éditer légèrement ou complètement, ou le retraduire.

74Question

Quelles compétences le travail avec l’IA générative exige-t-il ?

Réponse

Des compétences linguistiques, la maîtrise des outils numériques et un esprit critique.

75Question

Quel modèle économique est le plus visible pour les IA génératives ?

Réponse

Les abonnements.

76Question

Où les modèles open source ou open-weight peuvent-ils être exécutés ?

Réponse

Localement.

77Question

Que peut-on faire avec les modèles open source ou open-weight ?

Réponse

Les télécharger.

78Question

Qu’est-ce qui varie d’une plateforme d’IA à l’autre concernant la confidentialité ?

Réponse

Les garanties de confidentialité proposées.

79Question

À quoi les LLM peuvent-ils contribuer pour les langues peu prises en charge ?

Réponse

À rendre certains services accessibles dans ces langues.

80Question

Que doit préserver le traducteur pour limiter l’uniformisation ?

Réponse

La voix de l’auteur, les particularités culturelles, les variations régionales et les effets stylistiques.

81Question

En quoi consiste la modération des contenus ?

Réponse

À filtrer certains contenus.

82Question

Quel objectif poursuit l’alignement des réponses ?

Réponse

Les rendre conformes aux objectifs fixés par les développeurs.

83Question

En quoi consiste la censure des contenus ?

Réponse

À supprimer ou restreindre certains contenus.

Teste-toi avec le QCM

Teste tes connaissances avec un QCM de 37 questions sur LLM et traduction assistée.

1. Pourquoi un LLM peut-il reproduire des biais culturels ou sociaux dans ses réponses ?

2. Une entreprise intègre un LLM à son application et paie en fonction du nombre de requêtes ou de tokens consommés. Quel modèle économique utilise-t-elle ?

Faire le QCM →

Consultez la fiche

Révisez le cours complet dans la fiche de révision de LLM et traduction assistée.

Voir la fiche →

Cours similaires

Crée tes propres flashcards

Importe ton cours et l'IA génère des flashcards en 30 secondes.

Générateur de flashcards