Les IA génératives

Une IA générative produit du contenu nouveau à partir d'une consigne écrite : un texte, une image, un son, une vidéo ou du code. Elle ne va pas chercher une réponse dans une base, elle la fabrique, mot après mot ou pixel après pixel, en s'appuyant sur les régularités apprises pendant l'entraînement.

Différence entre IA génératrice et IA génératives

Les deux expressions circulent, une seule est correcte. On dit intelligence artificielle générative, du latin generare, qui engendre. Le terme désigne la capacité du modèle à produire un contenu inédit.

Pourquoi la confusion existe

En français, une génératrice est une machine électrique tournante qui convertit une énergie mécanique en électricité. C'est le sens qu'on retrouve dans les groupes électrogènes. Le mot génératrice appliqué à l'informatique vient le plus souvent d'une traduction rapide de l'anglais generative AI, ou d'une confusion avec cette machine. Dans les documents techniques et les textes réglementaires, seule la forme générative est employée.

Générative, discriminative, prédictive

Un modèle discriminatif trace une frontière entre des catégories : il répond oui ou non, chat ou chien. Un modèle prédictif estime une valeur à venir à partir de séries passées. Un modèle génératif apprend la distribution des données elles-mêmes, ce qui lui permet d'en produire de nouveaux exemplaires plausibles. Les trois familles coexistent dans les systèmes industriels.

Principales IA du marché en 2026

Le marché s'est structuré autour de quelques éditeurs de grands modèles, doublés d'une offre en poids ouverts que l'on peut héberger soi-même.

Les modèles propriétaires

OpenAI diffuse la famille GPT à travers ChatGPT et son interface de programmation. Google propose Gemini, intégré à ses outils bureautiques et à Android. Anthropic édite Claude, adopté par de nombreuses équipes de développement. xAI publie Grok. Ces modèles s'utilisent par abonnement ou au volume de jetons consommés, et leurs poids ne sont pas distribués.

Les modèles à poids ouverts

Meta diffuse la famille Llama, Mistral AI publie une partie de ses modèles, DeepSeek a fait de même avec des architectures à mélange d'experts. L'intérêt est double : héberger le modèle sur ses propres serveurs, donc garder la donnée, et adapter les poids à un domaine métier par apprentissage complémentaire. Le coût se déplace de l'abonnement vers le matériel et l'exploitation.

Comment choisir

Trois critères tranchent la plupart des cas. La taille de la fenêtre de contexte, qui détermine le volume de document traitable en une fois. Le lieu d'exécution, qui conditionne la conformité au règlement général sur la protection des données. Le coût au million de jetons, qui varie d'un facteur dix entre un petit modèle rapide et un grand modèle de raisonnement.

Réalisation de textes, d'images et de logiciels

Les usages se sont spécialisés, avec des modèles distincts derrière chaque type de production.

Le texte

La rédaction, la synthèse, la traduction et la reformulation sont les usages les plus mûrs. La limite tient à la vérification : un modèle peut produire une affirmation fausse avec le même aplomb qu'une affirmation exacte. La parade courante consiste à lui fournir les sources dans la consigne, technique dite de génération augmentée par récupération, plutôt que de compter sur sa mémoire d'entraînement.

L'image et la vidéo

Les modèles de diffusion partent d'un bruit aléatoire et le débruitent progressivement jusqu'à obtenir une image conforme à la description. Midjourney, les modèles Imagen de Google et Stable Diffusion en poids ouverts couvrent l'essentiel du marché. La vidéo suit le même principe avec une contrainte de cohérence temporelle entre les images, ce qui explique des temps de calcul bien supérieurs.

Le logiciel

La génération de code est devenue l'usage professionnel le plus rentable. Les assistants s'intègrent à l'éditeur, proposent des complétions, écrivent des tests et expliquent du code existant. Le gain est net sur le code répétitif et sur la prise en main d'une base inconnue. Il reste faible sur la conception d'architecture, où la contrainte métier ne figure nulle part dans le contexte fourni au modèle.

Ce qu'il faut garder en tête

Une IA générative ne connaît pas la vérité, elle connaît la vraisemblance. Elle ne cite pas ses sources sauf si on les lui donne, elle date de son entraînement, et elle reproduit les biais de son corpus. Ces trois limites conditionnent tous les usages sérieux, en entreprise comme ailleurs.