Comprendre
Un LLM apprend en lisant des milliards de phrases et en devinant chaque fois le mot suivant. Il en tire une représentation statistique de la langue et des connaissances qu’elle porte. La plupart reposent sur l’architecture Transformer, publiée par des chercheurs de Google en 2017.
Ses connaissances s’arrêtent à une date de coupure, celle de ses données d’entraînement. Pour une question récente ou précise, les assistants lancent une recherche sur le web, lisent quelques pages et rédigent une réponse qui les cite. C’est ce second mode qui intéresse directement les sites.
Pour une marque, il y a donc 2 portes d’entrée : être présente dans ce que le modèle a appris, ce qui dépend de sa réputation sur le web, et être lisible au moment de la recherche en direct, ce qui dépend de son site. Des praticiens observent que les LLM reprennent les pages par passages : une section qui répond seule à une question a plus de chances d’être reprise.
Un exemple concret
Exemple illustratif : une question sur une offre récente
Une banque en ligne lance une nouvelle offre pour les indépendants. Interrogé sans recherche web, un assistant IA ne la connaît pas : elle est postérieure à ses données d’entraînement.
Avec la recherche activée, l’assistant consulte des pages et cite celles qui décrivent l’offre clairement : conditions, tarifs, public visé. La page produit de la banque, structurée en questions et réponses, est reprise. Un communiqué vague ne l’aurait pas été.
L’erreur fréquente
Croire qu’un LLM « sait » tout de votre marque
Un LLM peut mélanger, simplifier ou inventer, surtout sur une petite marque. Ce qu’il dit dépend des sources disponibles. Publiez des informations claires, datées et cohérentes sur votre site et ailleurs, et vérifiez régulièrement ce que les assistants répondent à votre sujet.