Notion · Les bases
Déterminisme
La propriété d’un système qui donne le même résultat lorsque les entrées et les conditions sont identiques. Une automatisation gagne souvent à garder des étapes déterministes pour les calculs et les règles métier.
Comment ça marche
Un système déterministe donne le même résultat à chaque fois pour la même entrée. C’est le cas des programmes classiques, des règles, des calculs : une facture de 1 200 euros à 20 % de TVA donne toujours 1 440. C’est ce qui rend ces systèmes fiables, testables une fois pour toutes, et explicables : on peut dire pourquoi le résultat est ce qu’il est.
Les modèles de langage ne sont pas déterministes, et c’est leur force autant que leur limite. Dans une automatisation, l’art consiste à combiner les deux : le déterminisme partout où c’est possible, pour la fiabilité ; le modèle là où il faut comprendre, trier ou rédiger. Les règles classiques encadrent le modèle : elles préparent ses entrées, vérifient ses sorties, et décident de la suite. Le modèle fait la partie floue ; le reste du système fait la partie sûre.
Un exemple concret
- Déterministe : réception du justificatif, vérification du format du fichier, extraction des métadonnées (date de dépôt, auteur).
- Modèle : lecture du justificatif, extraction du montant, de la date, du type de dépense, dans un format structuré. C’est la partie floue : un ticket de restaurant froissé ne se lit pas par une règle.
- Déterministe : contrôles. Le montant est-il un nombre ? La date est-elle dans les 90 jours ? Le type est-il dans la liste ? Le plafond du type est-il respecté ? Chaque règle a une réponse certaine.
- Déterministe : décision. Tous les contrôles passent : acceptée. Un contrôle échoue : signalée, avec la raison.
- Humain : les notes signalées sont relues. Les autres sont validées en lot.
Le modèle n’intervient qu’à une étape sur cinq. C’est ce qui rend le système fiable : la seule partie incertaine est encadrée par des règles certaines.
Ce que ça change pour une équipe
- La fiabilité se conçoit. On sait quelle partie du système est sûre et quelle partie demande des contrôles.
- Les règles métier restent des règles. Un plafond, un délai, une liste : écrits en règles, pas confiés à un modèle qui pourrait les interpréter.
- Les erreurs se localisent. Une partie déterministe qui se trompe, c’est un bug reproductible et corrigeable. Une partie modèle, c’est un taux à améliorer.
- Les coûts baissent. Chaque étape confiée à une règle plutôt qu’à un modèle ne coûte rien et ne varie pas.
Les limites et les erreurs fréquentes
- Tout confier au modèle. « Vérifie que la note respecte nos règles » demandé au modèle, au lieu de coder les règles. Il les appliquera presque toujours ; presque ne suffit pas.
- Attendre du déterminisme là où il n’y en a pas. Un modèle testé une fois et considéré comme fiable. La mesure par taux est la seule valable.
- Oublier les contrôles de sortie. Le modèle produit un résultat plausible ; les règles vérifient qu’il est cohérent. Sans elles, le plausible passe.
- Vouloir coder ce qui est flou. À l’inverse, écrire des centaines de règles pour comprendre un texte libre. C’est le travail du modèle. La frontière se trouve en testant.
Pour aller plus loin
Un pipeline peut combiner des fonctions déterministes et des appels probabilistes. Isoler la génération et valider les données permet de conserver des garanties explicites sur les opérations qui suivent.
Où ça se situe chez Opora
Programme 02 · AutomatiserAutomatiser les tâches répétitives
Mettre le déterminisme là où il existe, les règles, les calculs, les contrôles, et réserver le modèle à ce qui demande du jugement, c’est le principe de conception du programme Automatiser.
Questions fréquentes
Qu’est-ce qui est déterministe dans une automatisation avec IA ?
Tout ce qui n’est pas le modèle : les règles (si le montant dépasse X, alors), les calculs, les vérifications de format, les connecteurs, les enchaînements. Ces parties donnent toujours le même résultat. Le modèle, lui, varie. Une bonne automatisation met le maximum dans les parties déterministes et le minimum dans le modèle.
Faut-il préférer une règle à un modèle ?
Quand la règle existe et couvre le cas, oui, toujours : elle est plus fiable, plus rapide, gratuite et explicable. Le modèle intervient là où la règle n’existe pas : comprendre un texte libre, trier des cas flous, rédiger. La question « peut-on faire ça avec une règle ? » se pose avant chaque étape IA.
Un modèle à température zéro est-il déterministe ?
Presque, pas tout à fait. Les variations sont très réduites, mais elles existent, et le modèle peut changer avec une mise à jour. On traite donc même un modèle à température zéro comme non déterministe dans la conception : contrôles et tests statistiques.