LLM, c’est quoi ? RAG, OCR : les mots de l’IA expliqués aux PME

LLM signifie Large Language Model, en français grand modèle de langage (à ne pas confondre avec le LL.M., master en droit). C’est un programme entraîné sur de très grandes quantités de texte, qui rédige en prédisant, morceau après morceau, la suite la plus probable.

ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google) et Le Chat (Mistral AI) reposent sur des LLM. Exemple dans une PME : vous collez un e-mail de réclamation, le LLM propose une réponse courtoise, et vous la relisez avant l’envoi.

Lumineth utilise Claude, d’Anthropic, pour l’analyse et la rédaction. Le LLM propose, le code vérifie chaque chiffre, et une personne accepte ou refuse.

Le prompt est le texte que reçoit le LLM : la consigne, le contexte et, souvent, un exemple du résultat attendu. Plus la consigne est précise, plus la réponse est utilisable.

Exemple : « Résume cet e-mail client en deux phrases, puis propose une réponse au vouvoiement, sans promettre de délai. » Cette consigne donne un résultat plus régulier que « Réponds à ce client ».

Dans un outil en production, le prompt s’écrit et se teste comme du code. Chez Lumineth, chaque prompt est versionné, son empreinte est inscrite à chaque exécution, et tout changement de prompt est d’abord rejoué sur un jeu de cas de référence.

RAG signifie Retrieval-Augmented Generation, génération augmentée par la recherche. Avant de répondre, le système cherche les passages utiles dans vos documents, puis le LLM rédige sa réponse à partir de ces passages, en citant la source.

Exemple : une entreprise de chauffage garde ses fiches techniques dans un dossier partagé. Un technicien demande ce que signifie un code d’erreur ; l’assistant retrouve la bonne fiche et répond avec le lien vers elle.

Dans Lumineth Hub, le bouton « Aide » fonctionne ainsi : une recherche dans les guides, puis Claude Haiku 4.5 répond à partir des passages trouvés, sources citées. Le principe est détaillé dans le guide de la base de connaissances IA (RAG).

OCR signifie Optical Character Recognition, reconnaissance optique de caractères. Un PDF scanné ou la photo d’un document n’est qu’une image : l’OCR en tire le texte, que l’on peut ensuite chercher, copier ou faire lire à un LLM.

Exemple : les factures fournisseurs arrivent en PDF scanné. L’OCR lit le texte, puis le fournisseur, la date et le montant sont extraits et préparés pour la comptabilité ; une personne relit avant validation.

Lumineth traite ainsi courriers, lettres et factures scannées, ainsi que les documents photographiés au téléphone. Une lecture incertaine passe à une personne, qui corrige : le fonctionnement est décrit sur la page processus et documents.

Un agent IA prend en charge une tâche répétitive, avec un LLM pour la partie qui demande du jugement : lire un e-mail, classer une demande, préparer une réponse. Un chatbot répond dans une fenêtre de discussion ; l’agent, lui, travaille dans vos outils.

Exemple : une PME reçoit chaque jour des demandes par e-mail. L’agent les lit, les rattache au bon dossier client et prépare un brouillon de réponse, que vous relisez et envoyez.

Chez Lumineth, le chemin de l’agent est fixé par le code : le code calcule, le modèle propose, le code vérifie, une personne décide. Pour un assistant qui répond à vos clients, voir l’article sur le prix et le fonctionnement d’un chatbot IA.

Une API est une porte d’entrée qu’un logiciel ouvre à d’autres programmes ; beaucoup de CRM, de logiciels comptables et d’agendas en proposent une. L’IA s’y branche pour lire ou écrire des données, et vous gardez vos outils habituels.

Exemple : une fois la facture lue, la ligne est créée dans votre logiciel métier par son API, sans ressaisie à la main.

MCP (Model Context Protocol) est un standard ouvert, publié par Anthropic en 2024, qui permet à un assistant IA d’utiliser des outils externes. Dans Lumineth Hub, un serveur MCP laisse vos assistants IA lire vos données avec vos droits, et vos outils métier se connectent par API, avec des échanges signés.

Un LLM prédit le texte le plus probable, sans rien vérifier par lui-même. Quand l’information lui manque, il peut écrire une réponse bien tournée et fausse, comme un délai ou un chiffre inventé : on parle d’hallucination.

Exemple : interrogé sans vos documents sur votre politique de retour, un assistant peut annoncer un délai de retour que vous n’avez jamais accordé.

Les parades se combinent : le RAG pour répondre à partir de vos sources, des contrôles écrits en code, et une personne quand la réponse n’est pas sûre. Chez Lumineth, tout nombre écrit par le modèle doit figurer dans les faits collectés, sinon la proposition est bloquée.

L’IA prépare, vous décidez. Vous choisissez la tâche à confier, ce qui reste entre vos mains et le seuil de confiance en dessous duquel un cas vous revient.

Exemple : un brouillon de réponse, une facture lue ou un classement attendent votre validation, et rien ne part sans votre accord. Chaque correction sert d’exemple et améliore la suite.

Les décisions sont inscrites dans un journal, et aucune donnée personnelle n’est envoyée au modèle sans votre accord. Le cadre complet est sur la page agents IA à Genève.