── Remplacez le mécanisme par « les personnes qui y travaillent », et le tableau d'ensemble apparaît ──
Distribution — 9 employés chez AI Inc.
L'histoire — une journée chez AI Inc., de « l'arrivée du client » à « la réponse livrée »
1. Le matin, un client entre
Un client arrive dans le bureau aux murs de verre. M. Prompt. Demande du jour :
2. Vérification des capacités à l'accueil
À l'entrée, le Réceptionniste de la fenêtre de contexte l'accueille. Sa mission est de vérifier si la demande du client, ajoutée aux documents internes, tient dans la capacité autorisée aujourd'hui. Un jeton est un « morceau » de texte — bien plus fin qu'un mot.
3. La chaîne de production découpe le texte en morceaux
La requête passe aussitôt sur la chaîne de production. Près du tapis roulant se tiennent les Travailleurs de jetons. Elles ne découpent pas le texte en « mots » tels que nous les concevons, mais en fragments de caractères beaucoup plus fins. « Pha/rma/ceuti/cal/ com/pan/y... » — un découpage d'apparence étrange, mais c'est ainsi que fonctionne l'IA.
4. Transformer les mots en chiffres
Les morceaux sont envoyés au Artisan de l'embedding. « « Pharma » en nombres... un vecteur à 768 dimensions. Terminé ! » Les mots deviennent d'énormes blocs de nombres à mesure qu'ils passent à l'étape suivante. L'IA ne lit pas du texte — elle est toujours en train de calcul de nombres.
5. Décider de ce qui compte
Entrez dans le Gestionnaire d'attention. Au lieu de traiter toutes les informations de la même manière, il décide sur le moment de ce sur quoi se concentrer.
6. Prédire le mot suivant, sans relâche
Maintenant, le Personnel HQ Inference (en réalité, des centaines de milliards d'entre eux) entrent en action. S'appuyant sur les connaissances absorbées en lisant les textes du monde entier, ils prédisent le « mot suivant ». « Pha/rma/ ind/us/try/ ex/ists/ to / preserve / patient / trust... » — morceau après morceau, la réponse naît. Telle est la véritable nature de l'IA : prédiction du jeton suivant en action.
7. Quand on ignore quelque chose, direction la bibliothèque
À mi-parcours, un membre du personnel semble embarrassé. « Hmm, si on nous interroge sur la dernière réglementation, nos connaissances internes risquent d'être trop anciennes... » C'est alors que le Bibliothécaire RAG est appelé.
8. Les outils relèvent du superviseur de confiance
« Dites-moi si vous avez besoin de calculs », le Superviseur d'agents intervient. Calculatrices, moteurs de recherche, e-mail, API externes — il peut faire appel à tous. Ce qui a transformé « l'IA qui répond » en « l'IA qui fonctionne vraiment" est lui.
9. Mais tout le monde garde un œil sur la recrue dans le coin
Dans un coin est assis un jeune employé qui attire les regards méfiants du reste de l'équipe. Le Débutant en hallucination. Il a l'habitude de répondre avec assurance même quand personne ne lui a rien demandé.
Collègues :« Attends, sur quelle base ?! »
Recrue :« Bah, ça me semblait juste comme ça… »
C'est la véritable nature de l'IA hallucination. Les sorties plausibles mais fausses ne viennent pas d'une malveillance — elles viennent de la structure même de l'IA. C'est précisément pourquoi la vérification humaine est essentielle.
10. Livrer la réponse finale
Enfin, le Réceptionniste de la fenêtre de contexte prend la réponse terminée et la remet à M. Prompt. « Voilà ! » — le texte s'affiche à l'écran au fil de l'eau. Voilà une journée chez AI Inc.
Distribution → véritable terminologie de l'IA
| Personnage | Terme réel | En une phrase |
|---|---|---|
| M. Prompt | Prompt | La question ou l'instruction elle-même |
| Réceptionniste de la fenêtre de contexte | Fenêtre de contexte | Nombre maximal de tokens traités à la fois |
| Travailleur de jetons | Tokenisation | Découper le texte en unités traitables par l'IA |
| Artisan de l'embedding | Embedding | Conversion de mots en vecteurs numériques |
| Gestionnaire d'attention | Mécanisme d'attention | Décider de ce qui compte selon le contexte |
| Personnel HQ Inference | Inférence / prédiction du token suivant | Prédire le mot suivant à partir de probabilités apprises |
| Bibliothécaire RAG | RAG (génération augmentée par récupération) | Recours à des connaissances externes pour répondre |
| Superviseur d'agents | Agent IA | L'IA qui appelle des outils externes pour agir |
| Débutant en hallucination | Hallucination | Résultat plausible mais incorrect |
Vol.2 et Vol.3 (Disponibles maintenant)
Vol.2 : Atelier pratique — création de documents cohérents avec la source grâce à l'IA et à la grammaire syntagmatique. Pas seulement lire : dix étapes où vous construisez, avec votre IA, une invite de vérification.
Vol.3 : "E-mails, comptes rendus, synthèses — 30 minutes par jour avec l'IA." Trois flux pratiques qui permettent de récupérer 22–33 heures par mois.