L’essor de l’intelligence artificielle soulève une question technique majeure souvent méconnue des utilisateurs : la nature du résultat produit par l’algorithme.
Pourquoi est-ce que l’IA peut se tromper sur des multiplications ? inventer des décisions de justice ? ou encore se méprendre sur la compréhension d’informations simples ?
Deux logiques distinctes coexistent lorsqu’on utilise l’IA : l’approche déterministe et l’approche probabiliste. Comprendre leurs différences est nécessaire pour améliorer ses prompts et obtenir des résultats les plus proches possibles de nos besoins.
Déterminisme & probabilisme : késako ?
La distinction repose sur la manière dont la machine traite l’information pour formuler une réponse.
Le probabilisme : le calcul de vraisemblance
L’approche probabiliste est la plus exposée aux biais, aux hallucinations et aux erreurs, mais est celle la plus rencontrée dans les outils tous publics.
Les modèles d’IA générative (Claude, Chat GPT, Gemini, etc.) fonctionnent selon une logique statistique : l’IA ne déduit pas, et ne recherche pas de l’information, elle calcule une suite de mots qui semble être la plus vraisemblable (statistiquement) pour fournir une réponse.
Cette approche à ses avantages : l’IA peut ainsi s’adapter plus aisément aux questions posées, aux situations qu’elle n’a pas encore rencontrées. Mais cette approche est aussi la plus risquée pour la qualité de la réponse : l’IA se base sur des calculs complexes pour déterminer les mots dans sa réponse, elle ne s’assure pas que la réponse soit vraie ou exacte.
Le déterminisme : le suivi de règles strictes
L’approche déterministe est la plus exposée aux imprévus, mais la plus précise.
L’informatique classique suit une approche déterministe : un programme applique une suite d’actions codées par un humain, dont il ne peut s’écarter. Avec les mêmes informations ou variables en début de réflexion, le programme donnera ainsi toujours la même réponse.
Cette approche, qu’on peut également obtenir avec les principaux LLM du marché, repose sur la fourniture de données d’entrées à l’IA (documents, liens vers internet) et d’une suite d’actions précises (non probabilistes) à exécuter.
Cette approche présente l’avantage de limiter drastiquement les risques d’hallucinations, mais présente le désavantage que l’IA ne saura répondre si la donnée d’entrée ou la suite d’actions est incomplète.
Quels enjeux pour vos activités ?
L’acceptation de l’incertitude
Dans un système informatique classique, un dysfonctionnement est un « bug » que l’on corrige définitivement. Avec un modèle d’IA ou un prompt probabiliste, l’aléa fait partie intégrante du fonctionnement. Atteindre le « zéro défaut » sera impossible. Vous devrez implémenter des mécanismes de détection et de résolution des erreurs.
La conformité et la traçabilité
Les cadres réglementaires du RGPD et de l’IA Act imposent des obligations strictes de transparence et d’auditabilité, particulièrement pour les décisions ayant un impact sur les droits des individus :
- Les systèmes déterministes permettent d’expliquer chaque étape de calcul pas à pas ;
- Les systèmes probabilistes fonctionnent souvent comme des « boîtes noires », rendant l’explicabilité de la décision complexe.
Pour tenir correctement la documentation exigée et s’assurer que l’IA ne discrimine pas des personnes concernées, les systèmes déterministes seront préférés.
Le contrôle humain
L’utilisation professionnelle d’une IA dans une approche probabiliste implique une supervision accrue. La responsabilité juridique finale repose sur l’organisation qui utilise la solution, et jamais sur le modèle lui-même.
Contrairement à l’utilisation d’une IA déterministe, une IA probabiliste nécessitera plus d’étapes de revue, d’expertise, et un contrôle humain plus important.
A retenir
Quand privilégier l’approche déterministe ?
L’approche déterministe est requise dès lors que l’erreur factuelle ou l’approximation mathématique est inacceptable : diagnostic médical, calculs financiers importants (impôts, conversions, paies, …), vérification de la réglementation applicable, etc.
Quand privilégier l’approche probabiliste ?
L’approche probabiliste est meilleure dans les travaux de synthèse, de rédaction, ou le traitement du langage : reformulation d’e-mails, résumés de réunion, extraction d’informations, etc.
Une IA générative (type Chat GPT) peut-elle être 100 % déterministe ?
Non. Par conception, son architecture repose sur des probabilités. Des techniques comme le guidage par règles précises, la création de fractions de codes à appliquer, ou la fourniture de documentation réduisent l’aléa de la réponse, mais ne suppriment pas totalement le risque d’hallucination.
Comment réduire l’aléa probabiliste dans vos prompts ?
Donner à l’IA des consignes claires permet d’orienter le calcul statistique pour contraindre certaines réponses. Vous pouvez imposer un format de sortie à respecter (fichier CSV, JSON, tableau dont vous décidez des colonnes, réponses vrai / faux uniquement, …), limiter les sources d’information à celles qui vous intéressent, donner des exemples, ou encore demander à l’IA de coder les actions qui devront être executées pour obtenir le résultat (déterministe) souhaité.
