Comprendre Claude

Il y a deux façons de rater l’usage de cet outil. La première est de le prendre pour un moteur de recherche, et de s’étonner qu’il invente. La seconde est de le prendre pour un collègue, et de lui faire confiance comme à un collègue.

Les deux erreurs ont la même origine : on ne sait pas ce qu’il y a dessous. Ce chapitre le dit, sans métaphore. Tout ce qui suit dans la formation — la manière de formuler, les limites, les produits, l’API — n’est que la conséquence pratique de ce qui est décrit ici.

Ce que c’est, concrètement#

Claude est un logiciel édité par Anthropic, une entreprise américaine de recherche en intelligence artificielle. On y accède par un site web, une application de bureau, des applications mobiles, des extensions dans d’autres logiciels, un terminal, et une interface de programmation.

Derrière toutes ces portes d’entrée, il y a la même chose : un modèle de langage. Un très gros fichier de nombres — plusieurs centaines de milliards — qui prend un texte en entrée et produit un texte en sortie.

C’est tout. Il n’y a pas de base de connaissances à côté, pas de moteur de règles, pas d’index consultable. Il y a un texte qui entre, et un texte qui sort.

Comment une réponse se fabrique#

Le mécanisme tient en une phrase : le modèle prédit le morceau de texte suivant, encore et encore.

Détaillons, parce que tout est là.

Votre message est d’abord découpé en jetons — des fragments de mots. « Bonjour à tous » fait environ quatre jetons ; en français, un jeton vaut à peu près trois quarts de mot. Ce découpage n’a rien d’intelligent, c’est un simple encodage.

Le modèle lit cette suite de jetons et produit, pour le jeton suivant, non pas une réponse mais une distribution de probabilités sur tous les jetons possibles. Après « la capitale de la France est », le jeton « Paris » écrase tous les autres. Après « je pense que le meilleur moyen de », des milliers de candidats se tiennent.

Un jeton est alors tiré dans cette distribution — pas systématiquement le plus probable, sinon les réponses seraient ternes et répétitives. Ce jeton est ajouté au texte, et l’opération recommence. Mot après mot, jusqu’à la fin de la réponse.

Comment il a appris#

Trois étapes, très inégales en durée.

Le pré-entraînement. On fait défiler devant le modèle une quantité de texte qu’aucun humain ne pourrait lire en plusieurs vies : livres, articles, documentation technique, code informatique, conversations, pages web. À chaque passage, on lui masque la suite et on lui demande de la prédire, puis on corrige ses paramètres selon son erreur. Des milliards de fois.

De cet exercice apparemment idiot émerge quelque chose de non trivial. Pour prédire correctement la fin de « le contrat prend effet le premier jour du mois suivant sa », il faut avoir intégré le vocabulaire juridique. Pour continuer une démonstration, il faut suivre la démonstration. Pour poursuivre un compte rendu de réunion, il faut avoir compris ce qui se joue dans une réunion.

L’ajustement. Un modèle pré-entraîné complète du texte, il ne répond pas à des questions. On lui montre alors des dizaines de milliers d’exemples de bonnes conversations pour lui apprendre le format : on pose une question, il répond ; on demande un document, il le produit.

L’apprentissage par retours. Des humains, puis des systèmes automatiques, comparent des réponses deux à deux et indiquent laquelle est meilleure. Le modèle est ajusté pour produire davantage de ce qui est préféré. C’est là que se forment l’utilité, le ton, et le refus de certaines demandes.

Ce qu’il a réellement sous les yeux#

Voici le point le plus utile de tout le chapitre.

Au moment où Claude rédige, il ne dispose de rien d’autre que d’un seul texte. Ce texte contient, dans l’ordre :

1. Une instruction système — écrite par Anthropic, complétée par les réglages de votre organisation, par votre style de réponse, par les instructions de votre projet.
2. L’historique de la conversation — tous vos messages et toutes ses réponses depuis le début.
3. Ce que vous avez joint — documents, images, extraits de fichiers.
4. Le résultat des outils qu’il a utilisés : recherche web, exécution de code, connecteurs.
5. Votre dernier message.

C’est ce qu’on appelle le contexte, et le chapitre 3 lui est entièrement consacré.

Tout ce qui ne figure pas dans ce texte n’existe pas pour Claude. Pas « il ne s’en souvient pas » : cela n’existe pas. Vos tarifs, la réunion d’hier, la raison pour laquelle vous ne travaillez plus avec ce fournisseur, le fichier que vous avez ouvert dans un autre onglet — rien de tout cela n’est accessible.

Ce que le mécanisme explique#

Une fois qu’on a compris ce qui précède, on n’a plus besoin de mémoriser une liste de forces et de faiblesses : on les déduit.

Il est excellent pour transformer un texte qu’on lui donne. Reformuler, résumer, traduire, changer de ton, extraire, structurer. La matière première est sous ses yeux, il n’a rien à retrouver. C’est le terrain où il est le plus fiable, et de loin.

Il est excellent pour structurer une pensée floue. Vous exposez un problème en désordre, il renvoie une structure. Souvent, il ne vous apprend rien : il vous montre ce que vous saviez, rangé. C’est précisément ce dont on a besoin avant d’écrire.

Il est faible sur les faits précis restitués de mémoire. Numéros d’articles, dates, montants, titres d’études : ce sont des formes très régulières, donc très faciles à produire de façon vraisemblable. Le chapitre 4 traite la question en détail.

Il ne calcule pas. Sur des nombres écrits dans le texte, il produit un résultat qui ressemble à un calcul. La parade est excellente et tient en un geste : joindre le fichier plutôt que coller les chiffres. Il écrit alors un vrai calcul, l’exécute, et le résultat est calculé.

Il n’a aucune idée de ce qu’il ne sait pas. Un humain qui ignore hésite. Claude produit la suite la plus plausible, et une réponse assurée est plus fréquente dans ses données qu’une hésitation. Son assurance est un trait de style, pas une mesure.

Ce qui a changé, et pourquoi ça compte#

Le modèle décrit jusqu’ici — un texte entre, un texte sort — est resté vrai. Ce qui a changé, c’est ce qu’on a construit autour.

Claude peut maintenant utiliser des outils : chercher sur le web, exécuter du code, lire vos fichiers, écrire dans vos applications. Techniquement, cela reste de la prédiction de texte — il produit une demande d’outil, le système l’exécute et lui renvoie le résultat dans son contexte, il continue.

Mais la conséquence pratique est considérable : beaucoup de ses faiblesses historiques deviennent contournables. Il ne sait pas calculer, mais il sait écrire un calcul et le faire exécuter. Il ne connaît pas l’actualité, mais il sait chercher. Il ne connaît pas vos données, mais il peut les lire.

C’est la ligne de partage entre un usage naïf et un usage compétent : le naïf demande à Claude ce qu’il sait ; le compétent lui donne de quoi le savoir.

Est-ce que les marges baissent dans mon secteur en ce moment ?

Je joins mon fichier de ventes des 24 derniers mois : prix de vente,
coût d’achat et quantité par référence.

Calcule la marge unitaire et la marge globale par mois. Dis-moi si elle
baisse, de combien, et à partir de quand.

Distingue ce qui vient d’une baisse de prix de vente et ce qui vient
d’une hausse du coût d’achat.

Ne conclus pas sur les causes : donne-moi les chiffres et l’endroit où
la rupture se produit.

[même demande, précédée de :]

Contexte : nous sommes grossiste en [secteur]. Nous avons changé de
fournisseur principal en mars, et nous avons accordé une remise de 4 %
à nos trois plus gros clients en septembre pour les retenir.

Après les chiffres, dis-moi lesquels de ces deux événements les données
permettent d’incriminer, et lesquelles restent inexpliquées.

Ce qu’il faut retenir#