Temperature
Aussi : Sampling temperature, Temperature setting, Temperature parameter, Temperature (LLM), Parametre de temperature, Temperatur-Parameter
Un reglage qui controle le caractere aleatoire ou previsible des reponses d'un modele d'IA : bas pour la coherence, haut pour la creativite.
De quoi il s'agit
La temperature est un reglage qui controle la part de hasard qu'un modele d'IA generative utilise pour produire du texte. A chaque etape, le modele dispose d'une liste de mots possibles classes par probabilite. La temperature determine si le modele choisit presque toujours le mot le plus probable ou repartit ses choix vers des options moins evidentes. Une temperature basse (proche de 0) donne un resultat cible et repetitif. Une temperature elevee (au-dessus de 1) donne un resultat plus varie et surprenant, parfois au detriment de l'exactitude.
Pourquoi c'est important
La temperature est l'un des rares leviers d'IA qu'une equipe metier peut ajuster sans reentrainer un modele, et elle influence directement le risque de marque et la qualite. Un chatbot de support repondant a des questions de conformite a besoin d'une temperature basse pour donner la meme reponse fiable a chaque fois, alors qu'un outil de brainstorming de campagne profite d'une temperature plus elevee pour faire emerger des angles neufs. Un mauvais reglage coute cher dans les deux sens : trop bas, le contenu parait robotique et identique d'un client a l'autre ; trop haut, le modele derive vers des propos hors marque ou approximatifs. Un dirigeant qui evalue un fournisseur d'IA devrait demander quelle temperature est configuree et pourquoi.
Comment ça marche
En pratique, la temperature apparait comme un champ numerique dans un appel d'API ou un panneau de reglages, souvent entre 0 et 2. Un responsable marketing utilisant un generateur d'objets d'e-mail peut tester la meme instruction a 0,2, 0,7 et 1,2 pour voir ou la variete culmine avant que la qualite ne chute. La valeur agit avec l'instruction et les autres controles : une instruction precise avec une temperature basse produit des resultats quasi deterministes utiles pour les textes juridiques ou financiers, tandis qu'une instruction plus ouverte avec une temperature moderee convient a l'ideation. Elle ne change pas ce que le modele sait, seulement la maniere dont il selectionne parmi ses predictions. Une pratique courante consiste a garder une temperature basse pour tout ce qui touche au client et aux faits, a l'augmenter pour l'ideation interne, et a documenter la valeur choisie pour reproduire et auditer les resultats.
Questions fréquentes
À quoi sert la température dans un modèle d'IA générative ?
La température règle la part d'aléatoire dans le choix de chaque mot produit par le modèle. À chaque étape, le modèle dispose d'une liste de mots classés par probabilité : proche de 0, il prend presque toujours le plus probable ; au-dessus de 1, il pioche davantage dans les options moins évidentes. Elle ne modifie pas ce que le modèle sait, uniquement sa façon de choisir parmi ses prédictions.
Quelle différence entre une température basse et une température élevée ?
Une température basse donne des réponses ciblées, stables et parfois répétitives ; une température élevée donne des réponses variées et inattendues, parfois au détriment de l'exactitude. C'est un arbitrage entre reproductibilité et créativité. Trop basse, le contenu paraît robotique et identique pour tous les clients ; trop élevée, le modèle sort du ton de marque ou devient approximatif sur les faits.
Pourquoi un dirigeant devrait-il s'intéresser à un réglage technique comme la température ?
Parce que c'est l'un des rares curseurs d'IA qu'une équipe métier peut ajuster sans réentraîner le modèle, et qu'il pèse directement sur le risque de marque et la qualité des sorties. Un chatbot de support qui répond à des questions de conformité exige une température basse pour donner la même réponse fiable à chaque fois ; un outil de brainstorming de campagne gagne à monter la valeur. Demander à un fournisseur ou à une équipe interne quelle température est configurée, et pourquoi, révèle s'ils ont optimisé la cohérence ou la créativité.
Où règle-t-on concrètement la température, et sur quelle échelle ?
La température se présente comme un champ numérique dans un appel d'API ou dans un panneau de réglages, généralement sur une échelle de 0 à 2. Il n'existe pas de valeur universellement bonne : tout dépend du cas d'usage et du prompt avec lequel elle fonctionne. Un prompt resserré à température basse donne des résultats quasi déterministes, utiles pour des textes juridiques ou financiers ; un prompt plus ouvert à température modérée convient à l'idéation.
Comment trouver la bonne température pour un cas d'usage donné ?
En testant le même prompt à plusieurs valeurs et en comparant. Un responsable marketing qui construit un générateur d'objets d'e-mails peut essayer 0,2, 0,7 et 1,2 pour repérer où la variété culmine avant que la qualité ne chute. La pratique courante consiste à garder une température basse pour tout ce qui est client-facing et factuel, à la monter pour l'idéation interne, et à documenter la valeur retenue afin de pouvoir reproduire et auditer les résultats.