LLM : ce qu'est un grand modèle de langage, simplement.

Qu'est-ce qu'un LLM ?.

Un LLM (Large Language Model, en français grand modèle de langage) est un programme d'intelligence artificielle entraîné sur de très grands volumes de texte pour comprendre et produire du langage. Il fonctionne en prédisant, étape après étape, la suite la plus probable d'un texte.

C'est la technologie qui fait tourner ChatGPT, Claude, Gemini, Le Chat de Mistral ou DeepSeek. Quand on parle d'« IA générative » pour le texte, on parle presque toujours d'un LLM.

Les trois lettres se lisent ainsi :

• Large : le modèle est entraîné sur des volumes de texte immenses, et compte un très grand nombre de paramètres, les réglages internes qu'il ajuste pendant l'entraînement.
• Language : il manipule du langage, humain ou informatique (le code est un langage comme un autre).
• Model : c'est un modèle statistique, pas une base de données. Il ne « cherche » pas une réponse, il la construit.

Comment fonctionne un LLM.

Sans entrer dans les mathématiques, un LLM suit toujours la même mécanique :

Avant d'arriver là, le modèle passe par deux grandes phases : un pré-entraînement sur d'immenses volumes de texte, où il apprend la langue et une grande quantité de connaissances, puis un affinage où on lui apprend à suivre des consignes, à répondre utilement et à refuser certaines demandes.

La fenêtre de contexte est la quantité de texte que le modèle peut lire en une fois. D'après Anthropic, 1 million de tokens représente environ 555 000 mots en anglais : de quoi analyser des dizaines de contrats d'un coup.

Les principaux LLM en 2026.

Voici les grandes familles de modèles et leurs versions actuelles, d'après les pages officielles au 27 septembre 2026 :

La colonne « poids publiés » est relevée sur Hugging Face le 27 septembre 2026.

Chaque famille a son guide détaillé : l'API Claude, Mistral Vibe, DeepSeek, et la comparaison d'ensemble dans Quelle IA choisir en 2026.

Ce qu'un LLM ne sait pas faire seul.

Un LLM est puissant, mais il a des limites qu'il faut connaître avant de lui confier un processus :

• Il peut halluciner. Il produit la réponse la plus plausible, pas forcément la plus exacte. Un chiffre, une référence ou une citation peuvent être inventés avec assurance.
• Ses connaissances ont une date. Chaque modèle a une date limite de connaissances : juin 2026 pour Claude Opus 5.5, février 2025 pour Claude Haiku 4.5, d'après Anthropic. Au-delà, il ne sait rien, sauf si on lui fournit l'information.
• Il ne connaît pas votre entreprise. Vos clients, vos prix, vos procédures ne sont pas dans son entraînement.
• Il n'agit pas. Seul, il produit du texte. Il ne met pas à jour un CRM et n'envoie pas d'email.

Chacune de ces limites a sa réponse : brancher le modèle sur vos documents (on parle de RAG), lui donner des outils pour agir, et faire vérifier les sorties importantes par une règle ou par un humain.

Comment une entreprise utilise un LLM.

Il y a trois niveaux d'usage, du plus simple au plus rentable :

1. L'assistant individuel. Vos équipes utilisent ChatGPT, Claude ou Gemini pour rédiger, résumer, traduire. Gain immédiat, mais qui dépend de chaque personne.
2. Le LLM branché sur vos documents. Un assistant qui répond à partir de vos procédures, contrats ou fiches produit, avec les sources. Les réponses deviennent fiables et spécifiques à votre entreprise.
3. Le LLM au cœur d'un agent. Le modèle raisonne, et le système autour agit : il qualifie un lead, saisit une facture, relance un client. C'est là que le temps gagné devient significatif. Voir Agent IA : définition et différence avec un chatbot.

Pour le troisième niveau, le choix du modèle se fait tâche par tâche : un modèle léger et bon marché pour le volume, un modèle puissant pour les cas complexes, un modèle hébergé en Europe quand la donnée l'exige. C'est ce que nous construisons dans nos agents IA sur mesure.

LLM : ce qu'on nous demande.