Qu’est-ce qu’un LLM ?
Un modèle d’intelligence artificielle entraîné sur de grandes quantités de textes pour apprendre les régularités du langage.
Quel est l’objectif d’un LLM dans une séquence de texte ?
Prédire le mot ou token suivant.
Qu’est-ce que la fenêtre de contexte d’un LLM ?
La quantité maximale de texte, mesurée en tokens, qu’il peut traiter simultanément.
Qu’est-ce qu’un token dans le traitement du texte par un LLM ?
Une unité en laquelle un LLM découpe le texte.
Quels éléments peuvent constituer des tokens dans un texte ?
Des mots, parties de mots, signes de ponctuation, chiffres ou espaces.
Qu’est-ce qu’un embedding représentant un token ?
Une série de valeurs numériques.
Qu’est-ce qu’un n-gramme ?
Une suite de n mots consécutifs.
Quelle place occupent les Transformers dans les grands modèles de langage ?
Ils constituent la base de la quasi-totalité des grands modèles de langage.
Comment les Transformers analysent-ils les mots d’une phrase ?
Ils les analysent simultanément.
Quel bénéfice des Transformers concerne la prise en compte des informations contextuelles ?
Une meilleure prise en compte du contexte.
Que détermine le mécanisme d’attention pour produire le token suivant ?
Les informations les plus pertinentes.
Sur quoi les LLM apprennent-ils ?
Sur de gigantesques corpus d’entraînement.
Combien de phrases incomplètes les LLM voient-ils pendant l’entraînement ?
Des milliards.
Que doit deviner le modèle pendant l’entraînement ?
Le token manquant dans une phrase incomplète.
De quels biais les modèles héritent-ils des données humaines d’entraînement ?
Des biais culturels, politiques, sociaux et linguistiques.
Pourquoi aucun corpus ne contient-il l’ensemble des connaissances humaines ?
Parce qu’aucun corpus ne rassemble toutes les connaissances humaines.
Comment les volumes de données disponibles varient-ils selon les langues ?
Ils varient d’une langue à l’autre.
Qu’est-ce qu’une hallucination produite par un LLM ?
Une information fausse qui paraît crédible.
Comment un LLM produit-il généralement une réponse, contrairement à un moteur de recherche ?
Il prédit la suite de tokens la plus probable.
Que ne vérifie pas nécessairement un LLM avant de répondre ?
Sa réponse dans une base de connaissances.
Quelles sont les causes possibles d’une hallucination d’un LLM ?
Le manque de contexte, l’ambiguïté de la requête, la recherche d’une réponse complète ou l’absence de vérification interne.
Quel manque dans le contexte fourni peut provoquer une hallucination d’un LLM ?
Un manque d’informations.
Quelle ambiguïté peut provoquer une hallucination d’un LLM ?
L’ambiguïté de la requête.
Quelles transformations un LLM peut-il apporter à un texte complexe ?
Il peut le simplifier, adapter son registre, améliorer sa fluidité, le raccourcir ou le développer, et harmoniser son style.
Quel risque présente la reformulation par un LLM ?
Elle peut modifier involontairement le sens.
Quelle différence oppose la NMT et le LLM dans le traitement du style source ?
La NMT tend à reproduire la structure source, tandis que le LLM tend à normaliser ou embellir le texte.
Quels risques les LLM présentent-ils en traduction ?
Ils peuvent entraîner une perte de fidélité, une variabilité, de la surconfiance, des problèmes de confidentialité et une dépendance.
Comment l’Adaptive MT apprend-elle pendant un projet ?
À partir des modifications réalisées pendant le projet.
Que mesure la Quality Estimation sans traduction humaine de référence ?
La qualité d’une traduction automatiquement.
Quels rôles le traducteur peut-il exercer avec les outils d’IA ?
Réviseur, contrôleur qualité, terminologue, spécialiste du prompting et garant du texte final.
Quel modèle économique est le plus rentable pour les IA génératives ?
Les API.
Comment les API permettent-elles d’utiliser un LLM dans des applications ?
Elles permettent d’y intégrer un LLM.
Selon quels critères l’usage des API est-il facturé ?
Selon le nombre de requêtes ou de tokens utilisés.
Qu’est-ce qu’un modèle open source rend accessible ?
Son code.
Que publie un modèle open-weight sans rendre accessible l’ensemble du processus d’entraînement ?
Ses paramètres.
Que désigne le modèle Translation as a Feature (TaaF) ?
L’intégration de la traduction automatique à d’autres logiciels.
Comment les traducteurs créent-ils de la valeur ajoutée lorsque la traduction est intégrée aux logiciels ?
Par la qualité, la spécialisation, la post-édition, le conseil linguistique et l’adaptation culturelle.
Quels types d’informations rendent la confidentialité particulièrement préoccupante en traduction ?
Les informations personnelles, données médicales, documents juridiques, contrats et secrets industriels.
Que doit lire le traducteur pour protéger les données traitées par ses outils ?
Les politiques de confidentialité des outils utilisés.
Quelles exigences le traducteur doit-il respecter pour protéger les données du client ?
Les exigences contractuelles du client.
Quel environnement le traducteur doit-il privilégier pour traiter des données sensibles ?
Un environnement sécurisé.
Quelles ressources l’entraînement et l’utilisation des LLM mobilisent-ils ?
Des centres de données, des GPU, une alimentation électrique continue et des systèmes de refroidissement consommant de l’eau et de l’énergie.
De quels facteurs dépend le coût environnemental des LLM ?
De la taille du modèle, du nombre d’utilisateurs, du type de requête, de l’efficacité des centres de données et du mix énergétique.
Quelles langues bénéficient généralement de meilleures performances des LLM ?
Les langues disposant de nombreuses ressources numériques, comme l’anglais, le chinois, l’espagnol, le français et l’allemand.
Quelles limites les LLM présentent-ils pour les langues peu dotées ?
Les traductions sont moins fiables, la compréhension plus limitée et la génération de qualité inférieure.
Quel effet à long terme la fluidité des textes produits par les LLM pourrait-elle favoriser ?
Une standardisation des pratiques d’écriture.
De quelles sources humaines les LLM apprennent-ils ?
De textes produits par des humains.
Quels biais les LLM peuvent-ils reproduire ?
Des biais culturels, historiques, sociaux, linguistiques et géographiques.
Quelle attitude le traducteur doit-il adopter face aux réponses des LLM ?
Il doit exercer un regard critique.
Quel effet ont l’alignement et la modération sur les réponses des modèles ?
Ils les influencent sans nécessairement les rendre neutres.
Quels enjeux éthiques sont liés à l’IA générative ?
La transparence, la responsabilité, la propriété intellectuelle et le maintien de l’humain au centre.
Quels éléments la fenêtre de contexte d’un LLM comprend-elle ?
Le prompt, le texte à traduire ou analyser et la réponse générée.
Quel affaiblissement peut toucher l’attention d’un modèle dans un texte très long ?
Elle peut s’affaiblir au milieu du texte, phénomène parfois appelé « lost in the middle ».
Quels types de termes le découpage en tokens aide-t-il à traiter efficacement ?
Les mots rares, les néologismes et les termes techniques.
Que permettent de capturer les embeddings entre les mots ?
Les relations sémantiques.
Comment les embeddings capturent-ils les relations sémantiques sans règles programmées ?
Sans règle linguistique explicitement programmée.
Quels mots sont proches dans l’espace des embeddings ?
« Chat » et « chien », « roi » et « reine », ainsi que « Paris » et « Londres ».
Quels mots sont éloignés dans l’espace des embeddings ?
« Chat » et « casserole ».
Quel type de n-gramme est « traduction » ?
Un unigramme.
Avant les réseaux de neurones, que mesuraient les modèles de langue ?
La probabilité d’apparition d’un mot à partir des mots précédents.
Quelle limite caractérisait le contexte des anciens modèles de langue ?
Leur contexte était très limité.
Quelles propositions le modèle peut-il faire pour « Le chat dort sur le… » ?
« Canapé », « lit », « tapis » ou « arbre ».
À quoi sert l’alignement des LLM ?
À limiter certains comportements du modèle grâce à des garde-fous.
Que fait d’abord le RAG pour générer une réponse ?
Il recherche les informations pertinentes dans des bases de données de confiance.
Pourquoi un LLM peut-il ignorer un événement survenu la veille ?
Il n’a pas nécessairement accès aux événements récents.
Pour quels types de textes la conservation du style est-elle particulièrement importante ?
Pour la littérature, les discours politiques, les textes juridiques et historiques, ainsi que les essais.
Quel niveau de confiance convient à la reformulation d’un e-mail ?
Une confiance relativement élevée.
Que faut-il vérifier dans une traduction malgré ses usages utiles ?
Les dates historiques.
Quelles vérifications imposent un dosage médical et une traduction destinée à être publiée ?
Le dosage exige un contrôle expert, et la traduction une relecture.
Quels effets l’Adaptive MT peut-elle avoir sur les traductions ?
Elle peut améliorer leur cohérence, accroître la productivité et les adapter au client.
Quel risque l’Adaptive MT présente-t-elle lorsque les corrections sont incorrectes ?
Elle risque de reproduire ces erreurs.
Quel résultat la QE attribue-t-elle après son analyse ?
Un score de qualité.
Quelles décisions la QE peut-elle aider à prendre pour un segment ?
Le valider, le post-éditer légèrement ou complètement, ou le retraduire.
Quelles compétences le travail avec l’IA générative exige-t-il ?
Des compétences linguistiques, la maîtrise des outils numériques et un esprit critique.
Quel modèle économique est le plus visible pour les IA génératives ?
Les abonnements.
Où les modèles open source ou open-weight peuvent-ils être exécutés ?
Localement.
Que peut-on faire avec les modèles open source ou open-weight ?
Les télécharger.
Qu’est-ce qui varie d’une plateforme d’IA à l’autre concernant la confidentialité ?
Les garanties de confidentialité proposées.
À quoi les LLM peuvent-ils contribuer pour les langues peu prises en charge ?
À rendre certains services accessibles dans ces langues.
Que doit préserver le traducteur pour limiter l’uniformisation ?
La voix de l’auteur, les particularités culturelles, les variations régionales et les effets stylistiques.
En quoi consiste la modération des contenus ?
À filtrer certains contenus.
Quel objectif poursuit l’alignement des réponses ?
Les rendre conformes aux objectifs fixés par les développeurs.
En quoi consiste la censure des contenus ?
À supprimer ou restreindre certains contenus.
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 ?
Révisez le cours complet dans la fiche de révision de LLM et traduction assistée.
Voir la fiche →Importe ton cours et l'IA génère des flashcards en 30 secondes.
Générateur de flashcards