Grands modèles de langage (LLM)

Racym Berrah, PharmD PMx Explain Relecture scientifique par l'auteur : 2026-07-09 ORCID

Transformers, attention et prédiction du mot suivant : ce que sont — et ne sont pas — les LLM.

01 · Pourquoi ce chapitre

Les LLM (ChatGPT, Claude…) transforment l'accès à l'information et l'aide à la rédaction (protocoles, code, synthèses). En pharmacométrie, ils assistent le codage (NONMEM, nlmixr2, R) et la lecture de littérature.

Comprendre leur mécanique évite deux écueils symétriques : la magie et le rejet.

02 · Intuition

Un LLM est un prédicteur du mot suivant entraîné sur d'immenses corpus. À partir d'un contexte, il estime la distribution du token suivant, en tire un, puis recommence — c'est auto-régressif.

De cette tâche simple, répétée à très grande échelle, émergent des capacités utiles de résumé, de code et parfois de raisonnement apparent — à évaluer par des tests externes plutôt qu'à supposer.

03 · La formule décortiquée

Le cœur du Transformer est l'attention : chaque token pondère les autres selon leur pertinence.

\text{Attention}(Q,K,V) = \text{softmax}\!\left(\frac{QK^\top}{\sqrt{d_k}}\right)V

L'entraînement minimise la perte de prédiction du token suivant (entropie croisée) :

\mathcal{L} = -\sum_t \log p_\theta(x_t \mid x_{<t})

04 · Exemple concret

Concrètement, un LLM peut écrire un fichier de contrôle NONMEM à partir d'une description, expliquer un message d'erreur, ou résumer un article de PK/PD.

Bien utilisé, il accélère le travail ; mais chaque sortie doit être vérifiée — le modèle ne « sait » pas, il complète du texte plausible.

05 · Piège fréquent

Plausible n'est pas vrai.

06 · À retenir

Un LLM prédit le token suivant (auto-régressif) ; entraîné à très grande échelle.
Le Transformer repose sur l'attention : pondérer le contexte selon sa pertinence.
Usages : aide au code (NONMEM/R), synthèse, explication — toujours à vérifier.
Risques : hallucinations, confidentialité ; le LLM assiste, il ne décide pas.

Point de contrôle

Vérifiez votre compréhension

Q1. Un LLM est, à la base, entraîné à...

Q2. Le mécanisme d'attention permet à un token de...

Q3. Un risque majeur d'un LLM en contexte clinique est...

Exercices d'entraînement

Activités guidées

Cas en plusieurs étapes combinant calcul, interprétation et raisonnement.

Activité guidée · 10 min · Niveau 2

Auditer une réponse plausible

Calcul · Décision · InterprétationÀ commencer

Citer cette page

Berrah R. Grands modèles de langage (LLM). PMx Explain, 2026. https://rberrah.github.io/pharmacometrie/chapitres/ai-llm/

@misc{berrah2026aillm,
  author       = {Berrah, Racym},
  title        = {{Grands modèles de langage (LLM)}},
  howpublished = {PMx Explain},
  year         = {2026},
  url          = {https://rberrah.github.io/pharmacometrie/chapitres/ai-llm/},
  note         = {Texte actuel sous licence CC BY-NC-SA 4.0}
}