Votre phrase d’essai
Modifiez le texte, observez son découpage et testez l’effet conceptuel de la température sur le choix du prochain jeton.
Les jetons sont une approximation pédagogique, pas une segmentation BPE exacte.
Paramètres d’exploration
À température faible, les probabilités favorisent davantage l’option dominante. À température élevée, elles s’aplatissent.
Le trajet dans le Transformer
étape 1 / 9Lecture autoregressive : pas de regard vers le futurRésidu : préserver et enrichirRéglages : inspectables ici
Étape 1
Découpage en jetons
1. Jetons et représentations
Le texte devient une suite d’identifiants, puis chaque identifiant pointe vers une ligne d’une table de vecteurs.
Position0 / 0
Dimension8 valeurs visibles
dans cette maquette
Dimension8 valeurs visibles
dans cette maquette
2. Carte d’attention
Une ligne montre ce que regarde un jeton. Le masque causal interdit les positions suivantes.
requête : dernier jeton
faibleforte
3. Des scores à un prochain jeton
Le modèle produit un score par candidat. Softmax les transforme en probabilités ; une stratégie de décodage sélectionne ensuite le prochain jeton.
La sélection affichée est une simulation déterministe : elle illustre une distribution, elle ne constitue pas une prédiction d’un modèle réel.
Attention à plusieurs têtes
Plusieurs angles sur le même contexte
Chaque tête apprend d’autres relations : accord grammatical, proximité, sujet, thème ou structure. Leurs sorties sont concaténées puis réinjectées dans le flux.
Q = XWq K = XWk V = XWv
Attention(Q, K, V) = softmax(QKᵀ / √d) V
Attention(Q, K, V) = softmax(QKᵀ / √d) V
Connexions résiduelles
Ne pas effacer ce qui est déjà utile
Le signal d’entrée est additionné à la sortie du sous-bloc. Cette voie courte facilite l’apprentissage et permet aux couches de transformer plutôt que de remplacer entièrement la représentation.
Y = X + Attention(LayerNorm(X))
Z = Y + MLP(LayerNorm(Y))
Z = Y + MLP(LayerNorm(Y))
MLP / réseau feed-forward
Traiter chaque position individuellement
Après le mélange d’informations entre positions effectué par l’attention, un petit réseau non linéaire enrichit la représentation de chaque jeton.
MLP(x) = W₂ · GELU(W₁x + b₁) + b₂
Pourquoi traduire token par « jeton » ?
Un choix précis, mais pas exclusif : « token » reste très employé dans la pratique.
En français technique, jeton désigne déjà une petite unité discrète porteuse de valeur : un jeton de jeu, un bon d’accès, ou, en analyse lexicale, un jeton lexical. C’est donc une bonne image pour l’unité que le tokenizer attribue au modèle avant tout calcul.
Nuance utile. Un jeton n’est ni nécessairement un mot, ni nécessairement une lettre. C’est un élément d’un vocabulaire appris. « Tokenisation » et « jeton » rendent le mécanisme lisible, tandis que token est souvent conservé dans les outils et la documentation.
Approximation d’une phrase7 unités visibles
Ces découpages sont illustratifs. Le résultat exact dépend du vocabulaire, de la langue et du tokenizer du modèle.
Ce qui évolue dans les LLM récents
Le Transformer reste central, mais l’inférence devient plus délibérative, multimodale et outillée.
Quantification : faire tenir le modèle dans moins de mémoire
Une approximation numérique contrôlée qui remplace des poids très précis par des représentations plus compactes.
Poids d’un modèle de 7 milliards de paramètres≈ 14,0 Go
Lecture pédagogique de l’impactréférence proche FP16
À retenir : passer de 16 à 8 bits réduit approximativement par deux la mémoire des poids. La mémoire réelle inclut aussi le contexte, les caches KV, des métadonnées et parfois des échelles de quantification.
« Couche de censure » : un raccourci à déconstruire
Dans un service réel, le comportement résulte rarement d’un seul filtre placé au-dessus du modèle.
Atlas visuel du Transformer
Quatre SVG haute densité relient l’architecture, le calcul d’attention, la contrainte de contexte et le cycle de vie d’un LLM. Ouvrez-les en grand, zoomez et suivez les parcours numérotés.
Idée reçue : « il cherche dans une base de phrases »Le modèle calcule une distribution à partir de poids appris et du contexte courant.
Idée reçue : « l’attention comprend tout »L’attention pondère des relations entre représentations ; elle ne garantit ni vérité ni intention.
Idée reçue : « plus de contexte = meilleure réponse »Un contexte long peut aussi diluer le signal utile ou introduire des contradictions.
Repères documentaires pour les évolutions récentes
Liens externes uniquement : l’application demeure entièrement utilisable hors connexion.
01Modèles de raisonnementQuand dépenser davantage de calcul à l’inférence.
02MultimodalitéTexte, image, audio et vidéo dans les workflows actuels.
03Outils et agentsAppels de fonctions, recherche, code et interaction temps réel.
04MCP et systèmes d’agentsConnecter une application IA à des données et des outils.
05QuantificationRéduire taille et latence, parfois avec une perte de précision.
06Évaluation de la sûretéÉvaluer le modèle et le système selon les politiques de contenu.
Les fonctions et dénominations commerciales évoluent vite. Les éléments ci-dessus illustrent des directions techniques, non un palmarès de modèles.
Question 1 / 5
Origine et limites de cette adaptation
Cette application autonome synthétise et explique en français les idées centrales de la visualisation « LLM Visualization » de Brendan Bycroft : une architecture GPT inspectable, le parcours de l’inférence et l’usage d’un petit exemple de modèle. Les textes, l’interface et les micro-simulations de cette page ont été réécrits pour un usage pédagogique et ne reproduisent ni son code ni ses visuels. Cette version ajoute des repères sur la tokenisation, les architectures et usages récents, la quantification et les dispositifs d’alignement. Pour l’exploration exhaustive et la visualisation 3D originale, consultez la ressource de référence.