ChatGPT : c’est quoi ce chat qui n’en est même pas un ?

Vous écrivez une question. Quelques instants plus tard, une réponse apparaît.

Vous pouvez préciser votre pensée, contredire la réponse, demander un exemple ou reprendre la conversation dix messages plus tard. ChatGPT semble suivre.

Forcément, notre cerveau humain fait ce qu’il sait très bien faire : il imagine qu’il y a, quelque part derrière l’écran, quelque chose qui « comprend » la conversation à peu près comme nous.

C’est là que les ennuis commencent.

Pour comprendre ChatGPT, il faut oublier quelques minutes le robot intelligent des films de science-fiction. Ce qui se passe réellement est à la fois moins magique… et probablement plus étonnant.

D’abord, pourquoi ça s’appelle ChatGPT ?

Commençons par démonter le nom.

Chat, ici, désigne tout simplement la conversation. Le système a été conçu pour recevoir des instructions et répondre sous forme de dialogue.

GPT désigne la famille de modèles sur laquelle repose le système. L’acronyme vient de l’anglais Generative Pre-trained Transformer.

Traduit en langage humain :

• Generative : le modèle génère du contenu ;
• Pre-trained : il a été entraîné auparavant sur de très grandes quantités d’informations ;
• Transformer : c’est le nom d’une architecture de réseau neuronal particulièrement adaptée au traitement des relations entre les éléments d’une séquence, notamment le langage.

Mais qu’y a-t-il réellement derrière la fenêtre de discussion ?

Il faut distinguer deux choses que l’on confond facilement : ChatGPT et le modèle d’intelligence artificielle qui le fait fonctionner.

Le modèle est en quelque sorte le moteur. ChatGPT est le produit complet qui permet de l’utiliser.

Selon la version et les fonctionnalités disponibles, ChatGPT peut associer ce modèle à différents outils : recherche sur le Web, analyse de documents, traitement d’images, génération d’images ou encore réalisation de tâches en plusieurs étapes.

Autrement dit, lorsque vous ouvrez ChatGPT, vous n’ouvrez pas simplement « une intelligence artificielle ». Vous utilisez une interface qui organise une conversation avec un modèle et peut lui donner accès à différents outils.

En 2026, plusieurs modèles peuvent d’ailleurs être proposés dans ChatGPT selon l’offre et le mode utilisés. Le nom ChatGPT reste le même alors que le moteur sous le capot peut changer.

Comment peut-il répondre à presque n’importe quelle question ?

C’est ici que l’affaire devient intéressante.

Un modèle de langage est entraîné à partir d’énormes quantités de données afin d’apprendre des régularités : quels mots, concepts et structures apparaissent ensemble, dans quels contextes et avec quelles relations.

Pendant cet entraînement, il ne constitue pas simplement une gigantesque bibliothèque dans laquelle chaque phrase serait rangée dans un tiroir.

Il ajuste plutôt un nombre immense de paramètres mathématiques. Ces paramètres permettent ensuite au modèle d’estimer quelles suites sont plausibles compte tenu de ce qui précède.

Prenons quelque chose de ridiculement simple :

« Le matin, je bois une tasse de… »

« Café » aura probablement beaucoup plus de chances de convenir que « tournevis ».

Un grand modèle de langage applique un principe apparenté, mais à une échelle gigantesque et avec des relations infiniment plus complexes.

Lorsqu’il génère une réponse, il produit successivement de petites unités de langage appelées tokens. Un token peut correspondre à un mot, une partie de mot, un signe de ponctuation ou un autre fragment.

À chaque étape, le modèle tient compte du contexte disponible et calcule une distribution de probabilités pour déterminer la suite.

Attendez : ChatGPT ne fait donc que prédire le mot suivant ?

Cette phrase est souvent utilisée pour expliquer les modèles de langage. Elle est utile, mais elle peut devenir trompeuse si on la prend trop littéralement.

Oui, la génération repose fondamentalement sur la prédiction successive de tokens.

Mais réduire un grand modèle moderne à « l’autocomplétion de votre téléphone en plus gros » masque une bonne partie du phénomène.

Pour réussir cette prédiction dans des situations complexes, le modèle doit exploiter des représentations apprises des relations entre les concepts, suivre un contexte, respecter des instructions et, selon le modèle et le mode utilisé, effectuer des raisonnements intermédiaires pour résoudre certains problèmes.

C’est ce qui permet au même système de résumer un texte, expliquer la photosynthèse, trouver une erreur dans du code, comparer deux raisonnements ou transformer une explication compliquée en quelque chose de compréhensible.

La mécanique fondamentale reste mathématique. Mais ce que cette mécanique permet de faire est beaucoup plus riche qu’une simple suggestion du prochain mot dans un SMS.

Alors… est-ce qu’il comprend ce qu’on lui raconte ?

Voilà la question qui transforme rapidement une paisible discussion informatique en débat philosophique.

Tout dépend de ce que l’on appelle « comprendre ».

ChatGPT peut manipuler des concepts, établir des relations, suivre des instructions, expliquer un raisonnement et adapter une réponse au contexte. Fonctionnellement, cela produit donc certains comportements que nous associons habituellement à la compréhension.

En revanche, rien ne permet d’assimiler cela à l’expérience consciente d’un humain.

Quand vous parlez d’une fraise, vous pouvez vous souvenir de sa couleur, de son goût, de son odeur et peut-être d’une tarte mémorablement massacrée un dimanche après-midi.

Le modèle, lui, travaille avec des représentations apprises et des calculs. Il n’a pas besoin d’avoir goûté une fraise pour expliquer ce qu’est une fraise.

C’est une distinction importante : produire un comportement qui ressemble à de la compréhension ne permet pas, à lui seul, de conclure à une expérience consciente comparable à la nôtre.

Pourquoi donne-t-il autant l’impression d’être quelqu’un ?

Parce que nous communiquons avec lui de la manière la plus naturelle qui soit pour nous : avec du langage.

Si un logiciel affiche :

Erreur 0x80070005.

personne ne ressent spécialement le besoin de lui souhaiter une bonne soirée.

Mais si un système répond :

Je comprends ce que tu veux dire. Voilà où se trouve le problème…

notre perception change immédiatement.

Nous sommes extrêmement habitués à associer une conversation cohérente à une personne qui pense derrière les mots.

ChatGPT utilise en plus le contexte de la conversation. Si vous précisez quelque chose dans un message puis y faites référence plus tard, il peut utiliser cette information pour poursuivre l’échange.

Le résultat ressemble beaucoup moins à l’utilisation traditionnelle d’un logiciel et beaucoup plus à une discussion.

Mais la fluidité de cette discussion ne doit pas être confondue avec la présence d’une petite personne numérique enfermée dans un serveur.

Est-ce que ChatGPT connaît toutes les réponses par cœur ?

Non.

C’est une autre différence essentielle avec un moteur de recherche ou une encyclopédie.

Un moteur de recherche cherche principalement des documents existants correspondant à votre requête.

Un modèle de langage génère une réponse à partir de ce qu’il a appris et du contexte qu’on lui fournit.

OpenAI indique que les modèles qui alimentent ChatGPT sont développés à partir de plusieurs catégories de données, notamment des informations publiquement accessibles, des données obtenues auprès de partenaires et des informations fournies ou générées par des utilisateurs, des formateurs et des chercheurs.

L’entraînement sert à modifier les paramètres du modèle. Cela ne signifie donc pas que celui-ci possède une copie consultable de chaque document rencontré pendant son apprentissage.

Et surtout, les connaissances apprises pendant l’entraînement et l’accès au Web sont deux choses différentes.

Donc ChatGPT va sur Internet ou pas ?

Il peut le faire lorsqu’il utilise un outil de recherche.

Sans recherche Web, une réponse peut être produite à partir des connaissances du modèle et des informations présentes dans la conversation.

Avec la recherche, ChatGPT peut interroger le Web, consulter des sources récentes et les citer dans sa réponse.

Cela change beaucoup de choses pour une question comme « qui a gagné hier ? », « combien coûte actuellement ce produit ? » ou « quelle réglementation est en vigueur aujourd’hui ? ».

Dans ces situations, une information mémorisée lors de l’entraînement peut être dépassée. Une recherche permet d’aller chercher des données plus récentes.

Mais même avec une recherche, la prudence reste utile : une source peut être mauvaise, ancienne ou mal interprétée.

Pourquoi peut-il raconter quelque chose de complètement faux avec autant d’assurance ?

Parce que son objectif de génération n’est pas fondamentalement celui d’une base de données chargée de retrouver une fiche certifiée « vraie ».

Le modèle produit une réponse cohérente à partir des structures qu’il a apprises et des informations disponibles.

Dans certaines situations, cette réponse peut être plausible, très bien rédigée… et fausse.

On parle généralement d’hallucination.

OpenAI avertit explicitement que ChatGPT peut fournir des informations incorrectes ou trompeuses et même sembler très sûr de lui lorsqu’il se trompe.

Il peut par exemple inventer une référence, attribuer une citation à la mauvaise personne, donner une mauvaise date ou combler un manque d’information par quelque chose qui semble vraisemblable.

Pourquoi ChatGPT est-il malgré tout si utile ?

Parce qu’une grande partie de nos activités intellectuelles passe précisément par le langage et l’information.

Expliquer, résumer, comparer, reformuler, traduire, organiser des idées, analyser un document, écrire du code ou préparer un plan sont autant de tâches sur lesquelles un modèle de langage peut être particulièrement efficace.

Et lorsque des outils supplémentaires lui sont accessibles, le champ des possibilités s’élargit encore : il peut notamment rechercher des informations récentes, travailler sur des fichiers ou analyser des images.

La meilleure manière de considérer ChatGPT n’est donc probablement ni comme un simple moteur de recherche, ni comme un oracle omniscient, ni comme un humain numérique.

C’est un système d’intelligence artificielle conversationnelle capable de traiter des informations et de générer des réponses, auquel différents outils peuvent être ajoutés.

Et derrière tout ça, y a-t-il quelqu’un ?

Pas quelqu’un qui rédige vos réponses en direct.

Lorsque vous envoyez un message, le modèle traite votre demande et génère la réponse automatiquement.

Des humains interviennent évidemment dans la conception des modèles, leur entraînement, leur évaluation, leur amélioration et la définition des règles du système. Mais il n’y a pas un employé d’OpenAI qui reçoit votre question et tape frénétiquement la réponse avant que les petits points cessent de clignoter.

Ce serait d’ailleurs une organisation assez spectaculaire.

Alors, finalement, c’est quoi ChatGPT ?

ChatGPT est l’interface conversationnelle d’un système d’intelligence artificielle construit autour de modèles capables de traiter le langage et d’autres types d’informations.

Ces modèles ont appris des régularités extrêmement complexes à partir de grandes quantités de données. Lorsqu’on leur donne une instruction, ils utilisent ce qu’ils ont appris et le contexte disponible pour construire une réponse, token après token.

Des outils peuvent ensuite compléter cette capacité : recherche sur Internet, analyse de documents, images ou autres fonctions selon la version utilisée.

Finalement, le plus trompeur dans ChatGPT n’est peut-être pas son intelligence. C’est son interface : quelques mots dans une boîte de dialogue suffisent à cacher une quantité assez indécente de mathématiques.

Berlingote préfère sa méthode : fixer un humain suffisamment longtemps jusqu’à ce qu’il comprenne ce qu’elle veut. Aucun Transformer nécessaire.