Aller au contenu
Cercle IA · Lexique Un site du réseau Cercle IA

Définition

Température d'un LLM : définition simple

La température est le réglage qui rend les réponses d'une IA plus prévisibles ou plus variées. Définition, image du quotidien, exemple et bon usage.

Mis à jour le

La température est un réglage d'un grand modèle de langage (LLM, de l'anglais large language model) qui contrôle la part de hasard dans le choix des mots. Basse, elle pousse le modèle vers les formulations les plus probables et des réponses plus constantes ; haute, elle l'autorise à choisir des mots moins attendus et donne des réponses plus variées.

La documentation d'Anthropic, éditeur du modèle Claude, la définit comme un paramètre qui contrôle le caractère aléatoire des prédictions du modèle pendant la génération de texte.

Une image du quotidien

Demandez à deux serveurs de recommander un vin. Le premier, prudent, propose toujours le même, celui que la majorité des clients apprécient : c'est une température basse. Le second aime surprendre et pioche parfois une bouteille moins connue : c'est une température haute. Aucun n'a tort ; tout dépend de ce que vous attendez de la soirée.

Basse ou haute : à quoi s'attendre

Température Comportement décrit par Anthropic Usages typiques
Basse Réponses plus prudentes, collées aux formulations et réponses les plus probables Extraction d'informations, classement, réponses factuelles
Haute Réponses plus créatives et diversifiées, choix de mots plus rares ou surprenants Idées de slogans, variantes de textes, fiction

Un exemple concret

Prenons une boutique fictive qui utilise un modèle de langage par son interface de programmation (API) pour deux tâches. La première : extraire de chaque bon de commande le nom du client, la date et le montant. Elle règle une température basse, pour limiter la variation, sans supposer une réponse identique ou exacte. La seconde : proposer dix accroches pour la vitrine de Noël. Là, elle monte la température pour obtenir des propositions moins convenues, quitte à en écarter plusieurs.

La boutique pourrait montrer aux autres professionnels des réponses obtenues avec deux réglages, en masquant d’abord lequel a été utilisé. Demandez de noter séparément la variété et le respect des faits. Pour prendre les premiers repères sur les assistants, consultez les ateliers d’introduction et leurs programmes. Au cercle, cette comparaison aiderait à discuter d’un résultat attendu ; elle ne servirait pas à élire une valeur de température valable pour tous les outils.

Vérifier ce que le réglage change vraiment

Gardez la même consigne et les mêmes données, puis répétez plusieurs demandes pour chaque réglage disponible. Pour les bons de commande, comparez les champs extraits à l’original : un montant erroné répété sans variation reste erroné. Pour les accroches, vérifiez à la fois la diversité et le respect des contraintes de marque.

Notez le modèle et sa version avec les résultats. Ne transposez pas automatiquement une valeur entre deux modèles : consultez les paramètres acceptés pour celui utilisé. Si la température n’est pas réglable, une consigne peut préciser le style attendu, mais elle ne constitue pas un équivalent numérique de ce paramètre.

Ce que ça change pour une entreprise

  • Ce n'est pas un réglage de qualité : une température haute ne rend pas le modèle « plus intelligent », seulement plus varié. Ce qui est original n'est pas forcément juste : relisez.
  • Zéro ne veut pas dire identique : Anthropic précise que même à 0, des demandes identiques peuvent produire des réponses différentes. Pour une tâche répétitive, prévoyez une vérification.
  • Quand l'outil ne propose pas ce réglage, la consigne reste un levier distinct : « restez factuel » ou « proposez des idées inattendues » orientent déjà la réponse.

Termes voisins

  • Prompt : la consigne, premier levier sur la réponse.
  • Hallucination : un risque à garder en tête quand on cherche des réponses variées.
  • Inférence : le moment où le réglage s'applique.
  • Token : l'unité choisie, une à une, avec plus ou moins de hasard.

Questions fréquentes

Une température à zéro donne-t-elle toujours la même réponse ?

Pas tout à fait. La documentation d'Anthropic précise que même avec une température à 0, les résultats ne sont pas entièrement déterministes : une même demande peut donner des réponses différentes.

Où règle-t-on la température ?

Dans les paramètres d'appel du modèle par son interface de programmation (API), ou dans les outils qui proposent ce réglage. Quand l'outil ne le propose pas, c'est la consigne qui sert de levier.

Sources

Pages consultées pour écrire cet article :

  1. https://iarche.fr/ateliers-webinaires
  2. https://platform.claude.com/docs/en/about-claude/glossary

À lire aussi