Comprendre comment l'IA fonctionne — vraiment — puis s'en servir pour de vrais travaux chez LuxShop. Peu de théorie, beaucoup de pratique.
Commencer → Aller à l'atelierUn grand modèle de langage (LLM) a un seul super-pouvoir : pour un texte donné, il calcule quel mot a le plus de chances de venir ensuite. Puis il recommence. Encore et encore.
Cliquez un mot proposé — l'IA vous montre ses candidats et leur probabilité. C'est exactement ce qu'elle fait, des milliards de fois.
La phrase se construit token par token, chacun choisi parmi des candidats probables.
L'IA n'a pas d'opinion ni de mémoire du monde. Elle reproduit des régularités vues dans énormément de texte. C'est puissant… mais ça peut se tromper avec assurance (on appelle ça « halluciner »).
👉 D'où la règle d'or : vous restez responsable. On vérifie toujours.
L'IA ne voit qu'une fenêtre de texte à la fois (ses derniers mots). Réduisez la fenêtre : le début de la conversation « sort » de sa vue — elle l'oublie.
En classe, je lance un modèle en local sur mon portable (avec Ollama / Cline) : on voit le texte tomber mot par mot et le processeur chauffer — la preuve que « ça calcule ». Un petit modèle est rapide mais limité.
Les gros modèles (GPT-5, Claude…) sont des centaines de fois plus gros : impossible sur un portable, ils vivent dans des datacenters (des milliers de cartes graphiques, beaucoup d'électricité et d'eau). La puissance a un coût.
La température règle le hasard. Basse = l'IA choisit presque toujours le mot le plus probable (sûr, mais répétitif). Haute = elle ose des mots moins probables (créatif… ou n'importe quoi). Bougez le curseur, puis cliquez « Générer ».
« Le service client de LuxShop est… »
Un token = un morceau de mot. « bonjour » ≈ 1 token, « anticonstitutionnellement » ≈ plusieurs. C'est pour ça qu'elle écrit token par token. Tapez un texte :
Comme elle ne fait que prédire des mots plausibles, l'IA peut répondre avec assurance… et se tromper. Question posée : « De quoi est faite la gourde Hydro, et combien de temps garde-t-elle le froid ? » Cliquez sur ce qui vous semble inventé, puis vérifiez.
La vraie fiche : inox, 750 ml, froid 24 h. Tout le reste est inventé. → On vérifie toujours avant de publier.
Même IA, deux consignes : un prompt vague donne du vide générique ; un prompt précis (méthode R‑C‑T‑F) donne un vrai résultat utilisable. Regardez la différence.
À gauche : « écris une fiche produit ». À droite : Rôle · Contexte · Tâche · Format.
Glissez les ingrédients R‑C‑T‑F, lancez votre prompt et comparez-le à un prompt vague. (Fonctionne hors ligne, réponses simulées.)
Ouvrir l'atelier prompt →Un agent = un LLM équipé : des instructions fixes, des connaissances (vos documents) et des outils. Vous allez construire l'assistant de LuxShop.
Agent = LLM + instructions + connaissances + outils.
Un seul agent, c'est bien. Pour un vrai projet (comme le vôtre l'an prochain), on construit une équipe : chaque agent est spécialiste d'une tâche, et ils se passent le travail. Cliquez un agent pour voir son rôle, ses outils et un exemple.
Voici comment l'équipe enchaîne le travail, du début à la fin — chaque agent passe le relais au suivant. Cliquez une étape.
Quand votre agent est prêt, passez à l'atelier : il y a du travail qui vous attend.
Voir l'atelier ↓Mme Weber, votre responsable, vous envoie les données du mois. Avec votre agent et l'outil Analyse de données de fobizz, transformez-les en une belle présentation des résultats : un tableau de bord HTML ou un fichier Excel, avec vos conclusions.
Suivez votre progression, gardez le lien de votre agent et déposez votre travail (HTML, Excel, logo…) pour votre prof.
Ouvrir mon espace →Les fichiers CSV s'ouvrent dans Excel et se chargent dans fobizz (Analyse de données).
Voici à quoi peut ressembler une « belle représentation » des données réseaux sociaux.
Voir l'exemple →Les tâches T1–T5 guidées, avec auto-correction et sauvegarde.
Ouvrir la fiche →