Comment fonctionne l’IA moderne : explication des LLM, du prompting, du RAG, des agents et de MCP.

LLM, GenAI, RAG, MCP. Les acronymes apparaissent plus vite que quiconque n’a le temps de les rechercher, et on a l’impression que quelqu’un jette simplement des lettres contre un mur. Cependant, les idées qu’ils représentent ne sont pas magiques. Une fois le jargon éliminé, chacun d’eux est assez intuitif. Voici comment les composants de l’IA moderne s’assemblent, dans l’ordre qui permet de les comprendre le plus facilement.

L’IA générative et les LLM ne sont pas la même chose

Les gens utilisent ces deux termes de manière interchangeable, mais l’un englobe l’autre.

• L’IA générative est la catégorie générale. Elle englobe tout système capable de créer quelque chose de nouveau, que ce soit du texte, des images, de l’audio ou de la vidéo.
• Les grands modèles de langage en sont une branche. Si l’IA générative est comparable à des « véhicules », un LLM correspond à une voiture de sport : un système entraîné sur d’énormes quantités de texte afin de comprendre et de produire du langage humain.

Comment fonctionne réellement un LLM

Un LLM est un moteur de prédiction, et rien en lui ne ressemble à la pensée ou aux émotions humaines. La comparaison la plus proche est l’autocomplétion la plus avancée jamais conçue.

Votre entrée est divisée en de petites unités appelées tokens, généralement des mots entiers ou des fragments de mots. À partir de tout ce qui a été assimilé pendant l’entraînement, le modèle calcule ensuite la probabilité de chaque token suivant possible. Si vous lui donnez "Une tasse de chaud...", les calculs pourraient indiquer 90 % pour "café" et 1 % pour "ciment". Il choisit la continuation la plus probable, l’ajoute et répète le processus à une vitesse remarquable.

Génie des prompts

Si les LLM ne sont que des machines de probabilités, comment produisent-ils de bons essais ou du code fonctionnel ? La réponse réside en grande partie dans la manière dont vous posez vos questions. Le génie des prompts consiste à formuler des demandes de manière à obtenir une sortie aussi utile que possible.

Imaginez un stagiaire brillant qui connaît énormément de choses sur le monde mais rien sur vos objectifs. Une tâche vague donne un résultat vague, tandis qu’une tâche précise entraîne un travail précis.

Des dizaines de techniques existent, mais quatre couvrent la majeure partie de ce sur quoi comptent les développeurs et les utilisateurs avancés.

1. Incitation par rôle. Donnez au modèle un personnage, par exemple "agissez comme un ingénieur logiciel senior qui examine une base de code ancienne". Cela restreint son vocabulaire et ses habitudes de formatage, ce qui réduit les éléments génériques superflus et le pousse à fournir des réponses pratiques et spécifiques au domaine.

2. Incitation par quelques exemples. Avant la tâche réelle, montrez deux ou trois exemples terminés de la forme d’entrée et de sortie souhaitée. Les structures de code et les schémas JSON sont facilement mal interprétés, et un seul exemple clair de "bon" résultat élimine la plupart des suppositions et de nombreux erreurs de formatage.

3. Chaînage de prompts. Divisez une tâche complexe en une série de prompts plus petits. Un prompt peut définir l’architecture, le suivant générer le schéma de la base de données et un troisième écrire des points d’entrée API en fonction de ce schéma. Les modèles perdent leur focus sur de longues périodes, donc en gardant chaque étape courte, on obtient un meilleur code et moins d’erreurs de compilation.

4. Métaprompting. Demandez au modèle d’écrire, d’améliorer ou de déboguer le prompt lui-même, par exemple : « Je veux accomplir X, écrivez donc le meilleur prompt pour qu’un LLM s’en charge ». Le modèle comprend assez bien ses propres limites, ce qui peut économiser des heures d’essais et d’erreurs.

Tous ces quatre méthodes fonctionnent de la même manière. En guidant le contexte, on réduit les probabilités du modèle afin qu’il s’appuie uniquement sur la partie « ingénieur expert » de ce qu’il a appris.

RAG : fournir au modèle des informations fraîches

Les LLM présentent une limitation intrinsèque : ils restent figés à la fin de leur formation. Un modèle développé en 2023 ne peut pas savoir que RCB a remporté le trophée IPL en mai 2026. De même, il ne connaît rien aux documents privés tels que les PDF internes de votre entreprise.

La génération augmentée par récupération d’informations, ou RAG, comble cette lacune. Imaginez un examen avec des livres ouverts : au lieu de vous fier uniquement à ce que vous avez mémorisé il y a longtemps (la formation de base), vous pouvez consulter un manuel épais pendant que vous répondez.

Les quatre étapes

1. Question. Vous posez une question comme "Quels étaient nos objectifs de ventes pour le troisième trimestre ?"
2. Récupération. Avant que le modèle ne voie la question, un système recherche dans les documents de l’entreprise des informations relatives à ces objectifs.
3. Augmentation. Les documents correspondants sont intégrés dans le contexte de la demande.

Génération. Le modèle les lit et répond en s’appuyant sur des données actuelles et pertinentes.

Pourquoi les modèles hallucinent

Comme un LLM est un prédicteur de mots, son objectif réel est d’avoir l’air statistiquement plausible, et non d’être factuellement exact. Si vous posez des questions sur une politique d’entreprise qui n’existe pas, vous ne verrez pas d’erreur 404. Le modèle inventera plutôt une politique convaincante à partir de rien. Il ne ment pas intentionnellement ; il suit simplement ses probabilités en direction de ce qui ressemble à une réponse correcte. RAG réduit ce phénomène en obligeant le modèle à fonder sa réponse sur des faits réels que vous fournissez.

Pourquoi la recherche est si rapide

Les moteurs de recherche classiques cherchent des correspondances exactes de mots-clés, mais une intelligence artificielle doit comprendre le sens, et c’est là que interviennent les embeddings.

Lorsque des PDF d’entreprise sont téléchargés, un modèle spécialisé convertit le texte en une longue liste de nombres qui en capture le sens. Ces listes sont stockées dans une base de données vectorielle. Lorsqu’une question est posée, le système transforme votre question de la même manière en nombres et cherche les correspondances les plus proches dans la base de données. C’est pourquoi le passage approprié est affiché, même lorsque vous formulez vos questions différemment de ce qui est indiqué dans le document.

RAG comparé à l’ajustement fin

Ces deux approches se confondent souvent. RAG correspond à un examen avec des notes fournies : on donne au modèle des notes temporaires relatives à une question. Le fine-tuning, quant à lui, ressemble davantage à un retour à l’école supérieure ; il modifie de manière permanente les poids internes du modèle afin qu’il adopte un ton, un format ou un vocabulaire spécialisé, comme celui utilisé en médecine ou en droit. Pour maintenir les connaissances factuelles à jour, RAG est plus rapide, moins coûteux et bien plus facile à gérer.

IA agente : du chatbot au travailleur numérique

La plupart des gens utilisent encore l’IA de manière passive : on tape une demande, on reçoit une réponse et l’échange s’arrête là. L’IA agente passe d’un assistant passif à un agent actif. Un agent dispose d’un objectif, d’un ensemble d’outils et de la liberté de trouver par lui-même comment atteindre cet objectif, sans que quiconque guide chacune de ses étapes.

Le flux de travail

Si vous demandez à un LLM classique de planifier un voyage de cinq jours à Bangalore, il produira immédiatement un itinéraire générique. Un agent, quant à lui, fonctionne en boucles au lieu de ne fournir qu’une seule réponse. Ce modèle est appelé ReAct, abréviation de reasoning and acting, et il alterne entre réflexion, action et observation :

                  ┌────────────────────────┐
                  │                        │
                  ▼                        │
[Thought] ──> [Action] ──> [Observation]  ─┘

• Pensée correspond à l’étape de raisonnement. Le modèle examine la demande et décide de ce qu’il doit faire. Si quelqu’un souhaite connaître la météo à Hyderabad, il en conclut qu’il ne connaît pas les conditions actuelles et a besoin d’une source externe.
• Action signifie que le modèle choisit un outil ou une API à appeler, par exemple call_weather_api(location="Hyderabad").
• Observation représente le résultat provenant de cet outil dans le monde réel, comme par exemple "25°C et pluie."

Puis le cycle recommence. Le modèle prend en compte cette observation, forme une nouvelle pensée (il dispose désormais des informations météorologiques et peut rédiger la réponse) avant de finalement répondre.

MCP : le connecteur universel

Lorsque les agents se propagent, ils se heurtent à un problème : comment atteignent-ils le reste du monde numérique ? Slack, GitHub, Google Drive et Notion organisent chacun leurs données différemment, et lier une intelligence artificielle à chacun d’eux signifiait autrefois de créer un pont personnalisé pour chaque application.

Le Model Context Protocol (MCP) est une norme ouverte qui fonctionne comme un port USB-C universel pour les intelligences artificielles.

[ AI Model ]
     │
     ▼ (Via MCP - Universal Standard)
[ MCP Server / Plug ]
  ├── Connected to your Slack
  ├── Connected to your GitHub
  └── Connected to your Local Files

Au lieu de milliers d’intégrations ponctuelles, les applications mettent en œuvre MCP une seule fois. Par la suite, tout modèle conforme peut lire les données de l’application, utiliser ses outils et comprendre son contexte en toute sécurité. Il s’agit de l’infrastructure qui permet aux agents de gérer les e-mails, d’actualiser des feuilles de calcul et de travailler sur des bases de code.

Une façon plus simple de l’imaginer

MCP fait pour le logiciel ce que UPI a fait pour les paiements en Inde. Avant UPI, envoyer de l’argent signifiait collecter un numéro de compte, un code IFSC et le nom d’une agence, puis attendre que le destinataire soit activé, ou gérer cinq applications de portefeuille qui ne pouvaient pas communiquer entre elles. UPI a remplacé cela par un code scannable accessible à toutes les banques. MCP est la même solution universelle pour l’IA. Les développeurs n’ont plus besoin d’écrire du code API personnalisé pour relier un modèle à Slack, puis à GitHub, puis à une autre application. Chaque application installe un module MCP standard, et n’importe quel modèle peut se connecter, lire des données et déclencher des actions. C’est l’autoroute qui permet aux agents de se déplacer entre un tableau Jira, des e-mails Outlook et une base de code en production.

Comment tout est connecté

En mettant les éléments dans l’ordre, la direction devient claire. L’IA générative et les LLM ont appris à parler comme des humains. L’ingénierie des prompts a enseigné aux utilisateurs comment répondre efficacement. RAG fournit des faits à jour ainsi que des données privées. L’IA agente s’occupe désormais de problèmes complexes, avec MCP qui sert d’interface pour relier ces agents au logiciel partout.

L’essor de l’IA ne concerne pas le fait que les machines deviennent conscientes. Il s’agit plutôt de machines qui deviennent des outils bien connectés et capables, et comprendre comment fonctionnent leurs mécanismes facilite l’exploitation optimale de ces outils.