AI ProdigiesCours interactifs
Ouvrir la navigation
Module 0 · Leçon 222 min · debutant

Chercher avant d’affirmer

Construire une piste de recherche qui part d’une affirmation précise et remonte vers une source identifiable, datée et pertinente.

Sommaire et raccourcis

Objectifs d’apprentissage

Objectifs de la leçon

  • Transformer une phrase vague en question vérifiable
  • Distinguer une source primaire d’une répétition sans preuve

Prérequis

  • Leçon 0.1

Chercher avant d’affirmer

Situation concrète

Une affirmation technique semble souvent solide parce qu’elle contient un chiffre précis. La recherche commence pourtant avant le chiffre : quel modèle, quelle version, quelle métrique et quelle source ?

Objectifs d’apprentissage

  • Transformer une phrase vague en question vérifiable
  • Distinguer une source primaire d’une répétition sans preuve

Prérequis

  • Leçon 0.1

Mode simple

Commencez par recopier exactement l’affirmation. Entourez le sujet, la valeur et la date. Cherchez ensuite le document publié par l’organisation ou les chercheurs concernés. Ouvrez la source et trouvez le passage, le tableau ou la définition qui soutient réellement la phrase. Une page qui répète un nombre sans montrer son origine peut aider à découvrir une piste, mais elle n’est pas la preuve finale. Notez enfin la date de votre vérification, car une documentation de produit peut évoluer.

Mode approfondi

Une piste de preuve reproductible conserve au minimum l’énoncé normalisé, l’entité concernée, la version, la source, le passage pertinent et les conditions de mesure. La proximité lexicale ne suffit pas : un nombre de couches attribué à DeepSeek-V3 ne démontre rien sur GPT-4. Une source primaire peut elle-même ne pas publier l’information recherchée ; cette absence autorise le verdict « non public », mais pas l’invention d’une valeur. Lorsque le sujet évolue, il faut aussi distinguer date de publication, date de mise à jour et date de consultation.

Analogie

Une citation est une adresse. Pour livrer une preuve, il faut encore ouvrir la porte et vérifier que le bon objet se trouve à l’intérieur.

Exemple concret

Le rapport GPT-4 explique que certains détails architecturaux ne sont pas divulgués. Le rapport DeepSeek-V3 publie au contraire un tableau d’hyperparamètres : les deux sources n’autorisent pas les mêmes affirmations.

La piste de preuve — Un flux relie affirmation, entité, recherche primaire, passage, portée, date puis verdict explicite.

Sept étapes en flèches : isoler l’affirmation, identifier le modèle, ouvrir la source, trouver le passage, contrôler la portée, dater et conclure.

Activité manipulable

Manipulez l’activité « claim-verification-lab », validez votre réponse puis expliquez ce que le résultat démontre et ce qu’il ne démontre pas.

Confusion fréquente

Accumuler plusieurs pages secondaires ne transforme pas une rumeur en fait public. Dix répétitions peuvent toutes remonter à la même erreur.

Vérification rapide

Que conclure si un rapport officiel ne publie pas le nombre demandé ?

Concluez que l’information n’est pas publique dans cette source et à cette date. Ne remplacez pas cette limite par une estimation présentée comme un fait.

Résumé

  • Une affirmation doit être précise avant d’être recherchée.
  • La source doit soutenir le passage, pas seulement le sujet général.
  • Une absence de publication est un résultat à documenter.

Mots du glossaire

Sources

Vue flow

La piste de preuve

Un flux relie affirmation, entité, recherche primaire, passage, portée, date puis verdict explicite.

Notions associées

  1. source primaire
  2. attribution
  3. date de vérification

Description de la figure

Sept étapes en flèches : isoler l’affirmation, identifier le modèle, ouvrir la source, trouver le passage, contrôler la portée, dater et conclure.

Manipuler pour comprendre

Activité interactive

Activité interactive

Laboratoire de vérification des affirmations

Attribue un verdict à chaque affirmation, puis confronte-le à la correction et à la source primaire.

Six affirmations techniques sur les Transformers, GPT-4 et DeepSeek-V3 sont évaluées avec des verdicts nuancés et des sources publiques.

Affirmation 1

Le Transformer de 2017 remplace la récurrence par une architecture fondée sur l’attention.

Affirmation 2

GPT-4 contient exactement 1,76 billion de paramètres.

Affirmation 3

DeepSeek-V3 annonce 671 milliards de paramètres totaux et 37 milliards activés par token.

Affirmation 4

La configuration publiée de DeepSeek-V3 indique 61 couches Transformer.

Affirmation 5

La dimension cachée publiée pour DeepSeek-V3 est de 7 168.

Affirmation 6

Le mécanisme MLA de DeepSeek-V3 est configuré avec 128 têtes d’attention.

Affirmation 7

Une tête d’attention correspond toujours à une règle grammaticale facile à nommer.

Affirmation 8

L’attention compare chaque token à chaque autre token, donc tout Transformer a toujours exactement le même coût quadratique.

Affirmation 9

Dire que les embeddings placent les mots proches les uns des autres est une description complète de leur fonctionnement.

Vérification rapide

Une page qui répète un nombre sans montrer son origine constitue toujours une preuve primaire.

À garder sous la main

Mots du glossaire

Ouvrir tout le glossaire →
Dimension cachée

Nombre de coordonnées utilisées dans la représentation interne d’un token.

La dimension cachée fixe la largeur principale des états du Transformer ; elle ne doit pas être confondue avec le nombre de couches, de têtes ou de paramètres.

Voir les liens associés
Transformer

Architecture qui traite les relations entre positions grâce à l’attention et à des blocs répétés.

Le Transformer original combine attention, réseaux feed-forward, positions, résidus et normalisation ; les LLM modernes en utilisent de nombreuses variantes.

Voir les liens associés
RSources de la leçon2 références, avec portée et date de vérification
  1. R5Source primaireVérifiée le 2026-07-18

    OpenAI. GPT-4 Technical Report (2023, version mise à jour 2024).

    Source officielle qui confirme l’objectif de prochain token tout en déclarant non publiés les détails précis d’architecture et d’entraînement.

    Consulter la source dans un nouvel onglet
  2. R7Source primaireVérifiée le 2026-07-18

    DeepSeek-AI et al.. DeepSeek-V3 Technical Report (2024, version révisée 2025).

    Source primaire des nombres publics de DeepSeek-V3 : 61 couches, dimension 7 168, 128 têtes MLA, 671B paramètres totaux et 37B actifs.

    Consulter la source dans un nouvel onglet

Relevé de progression

Prêt à fixer cette étape ?

La progression reste enregistrée sur cet appareil, même sans compte.

Cette leçon est en cours.