Produire un contenu
Une IA générative produit du texte, une image, du son ou d’autres contenus à partir de régularités apprises. La réponse dépend notamment de la demande et du contexte fourni. Elle peut être nouvelle sans être exacte : une phrase crédible reste une phrase à vérifier.
Estimer une information
Un système prédictif cherche par exemple à estimer la demande d’un produit ou à classer un message. Son résultat peut être un nombre, une probabilité ou une catégorie. L’évaluation dépend du problème : une prévision de stock ne se mesure pas de la même façon qu’une détection de spam.
Des catégories qui se recoupent
La frontière décrit surtout l’usage. Les modèles de langage génèrent du texte en prédisant des éléments successifs, et une application peut combiner génération et classification. Demandez-vous donc ce que le système doit accomplir et comment vous mesurerez sa réussite.
Choisir un critère de qualité
Pour une reformulation, contrôlez la fidélité au texte source. Pour une prévision, comparez les résultats à des observations nouvelles. Dans les deux cas, prévoyez des exemples difficiles et un moyen de signaler les erreurs. Une belle démonstration ne remplace pas une évaluation sur votre besoin.