Notion · Dialoguer avec un modèle
Température
Un réglage qui influence la variété des réponses produites par certains modèles. Une valeur basse peut limiter les variations, sans garantir une réponse exacte ou identique à chaque exécution.
Comment ça marche
Un modèle produit chaque mot en choisissant parmi les mots probables. La température règle ce choix. Basse, le modèle prend presque toujours le mot le plus probable : les réponses sont stables, prévisibles, parfois plates. Haute, il s’autorise des mots moins probables : les réponses varient, surprennent, et parfois déraillent. C’est le bouton qui dose le hasard.
Ce réglage sert surtout dans les usages par API et dans les automatisations. Pour extraire des données d’un document, classer une demande ou produire un format précis, on veut la même réponse à chaque fois : température basse. Pour rédiger, proposer des angles, générer des idées, un peu de variété aide : température moyenne. Les interfaces de chat fixent en général une valeur moyenne, adaptée à la conversation.
Un exemple concret
- Température 0,9 : le même e-mail, envoyé trois fois, est classé « réclamation », puis « question », puis « réclamation ». Sur 100 e-mails rejoués trois fois, 14 changent de catégorie d’une fois à l’autre. L’automatisation qui suit reçoit des résultats instables.
- Température 0 : les 100 e-mails donnent la même catégorie à chaque rejeu, à deux exceptions près, vraiment ambiguës. Les deux sont marquées « incertain » par une consigne ajoutée.
- En revanche, pour rédiger la réponse aux clients, l’équipe garde une température moyenne : à 0, les réponses commençaient toutes par la même phrase, et ça se voyait.
Un seul réglage, deux usages, deux valeurs. L’erreur initiale était d’avoir laissé la valeur par défaut partout.
Ce que ça change pour une équipe
- Les automatisations deviennent stables. Température basse, et un même document donne toujours le même résultat. C’est la base d’un processus fiable.
- La variété se dose. Pour les idées et la rédaction, un peu de hasard produit des propositions moins convenues.
- Le vocabulaire se partage. Quand un prestataire parle de température, on sait ce qu’il règle, et on peut le lui demander.
- Les tests ont un sens. Évaluer une consigne à température basse donne des scores reproductibles ; à température haute, les scores bougent d’un test à l’autre.
Les limites et les erreurs fréquentes
- Laisser la valeur par défaut pour une automatisation. Résultats variables, erreurs intermittentes, difficiles à reproduire. Température basse pour tout ce qui est structuré.
- Croire que la température corrige les erreurs. Elle règle la stabilité, pas la justesse. Un modèle qui se trompe à 0 se trompe de façon stable.
- Monter la température pour plus de créativité. Au-delà d’un certain point, le texte devient incohérent. La créativité utile vient surtout de la consigne et des exemples.
- Oublier les autres réglages. La température n’est pas seule : d’autres paramètres de sélection des mots existent. En général, on ne touche qu’à elle, et avec mesure.
Pour aller plus loin
La température modifie la distribution de probabilité utilisée lors de l’échantillonnage. Ses effets dépendent du modèle et des autres paramètres. Certaines API ne proposent pas ce réglage ou le restreignent.
Où ça se situe chez Opora
Programme 01 · Mieux utiliserUn usage responsable et sobre de l’IA
Régler un modèle pour obtenir des réponses stables là où il le faut, et de la variété là où c’est utile, fait partie des réglages du programme Un usage responsable.
Questions fréquentes
Où règle-t-on la température ?
Dans les outils grand public, souvent nulle part : le réglage est fixé par l’éditeur, parfois accessible dans des options avancées. Via l’API, c’est un paramètre de chaque requête, en général entre 0 et 1, parfois jusqu’à 2. Les outils d’automatisation l’exposent dans la configuration du bloc IA.
Température 0, est-ce que ça donne toujours la même réponse ?
Presque. À température 0, le modèle choisit toujours le mot le plus probable, ce qui rend les réponses très stables. Mais d’autres sources de variation existent (le matériel, les mises à jour du modèle), si bien qu’une réponse strictement identique n’est pas garantie. Pour une automatisation, c’est tout de même le bon réglage.
Quelle température pour la rédaction ?
Moyenne, autour de 0,7 selon les modèles, pour un texte naturel et varié. Pour une tâche d’extraction ou de classification, basse, proche de 0. Pour un brainstorming, plus haute. Et quand on hésite, on teste les deux sur la même demande.