Comment une IA répond,
et ce qu’elle sait faire.

Un collègue qui a tout lu, des milliers de fois.

Imaginez un collègue qui aurait lu une bibliothèque entière : manuels, articles, guides, des millions de pages. Il ne garde aucun livre sur son bureau. Ce qu’il a lu est devenu une façon de penser.

C’est un modèle de langage. Sa lecture a réglé des milliards de connexions, qu’on appelle ses poids. Il n’a pas de fichiers à consulter : tout ce qu’il sait tient dans ces réglages.

Comme à l’école de médecine.

Vous vous rappelez l’école de médecine : on relisait, on récitait, on réécrivait jusqu’à ce que ça reste. Puis un jour, la réponse venait seule.

Un modèle apprend de la même façon, à une autre échelle. Que l’épinéphrine est le premier traitement de l’anaphylaxie, il l’a lu des milliers de fois : dans des manuels, des guides, des articles, des cas. Chaque lecture a renforcé un peu plus les mêmes connexions. Aujourd’hui, la question appelle la réponse, comme chez un clinicien d’expérience.

Il a aussi lu des erreurs. Mais une erreur lue une fois pèse peu devant ce que des milliers de sources sérieuses répètent. Ensuite, des experts, dont des médecins, notent ses réponses, et il apprend à préférer les bonnes.

Une mémoire qui ne se fatigue pas.

Après la quinzième admission de la nuit, notre mémoire baisse. La sienne ne connaît ni la fatigue ni le manque de sommeil, et il a lu plus qu’aucun de nous n’en lira dans une vie.

Ce qui lui manque, c’est ce que vous avez : le patient devant vous, son examen, son histoire. C’est pour cela qu’il propose, et que vous décidez.

Un appui, même à 4 h du matin.

Comment il écrit une réponse.

Il découpe le texte en morceaux, qu’on appelle des jetons.

Chaque jeton devient une adresse dans un immense espace, où les mots qui vont ensemble se rapprochent.

Pour répondre, il écrit un mot à la fois, en prenant chaque fois le plus probable. Le plus probable n’est pas un coup de dés : c’est ce que la médecine a écrit le plus souvent pour une question comme la vôtre.

Sa limite est là aussi : devant une question rare, ou une conduite qui vient de changer, le plus fréquent n’est pas toujours le plus juste.

C’est là que les sources font la différence.

Il lit ce qu’on lui montre.

Pendant une conversation, il lit ce qu’on lui montre : votre question, les documents joints, ce qui a été dit avant. C’est sa fenêtre de contexte. Elle est grande : il peut travailler avec beaucoup d’informations à la fois.

Sa limite, c’est le bord de la fenêtre : ce qu’on ne lui montre pas, il ne le voit pas. C’est pour cela qu’AtomicMD part de votre dictée : le cas, tel que vous l’avez décrit, est sous ses yeux.

Une mémoire datée, une référence à jour.

Ce qu’il sait par cœur s’arrête au jour où son entraînement a pris fin, comme un manuel imprimé à une date.

Nous faisons pareil : on ne retient pas chaque mise à jour par cœur, on ouvre la référence. C’est ce que fait Source : il lit les guides et les articles au moment de la question, même ceux publiés le mois dernier.

Quand il ne sait pas, il comble.

Un modèle n’aime pas le silence. Devant une question dont il ignore la réponse, il produit ce qui ressemble le plus à une bonne réponse : une dose plausible, une étude au nom crédible, une référence bien formée.

On appelle cela une hallucination. Le risque est connu, et les sources et les vérifications le réduisent. C’est la règle de Source : chaque affirmation porte sa source, chaque citation est vérifiée contre son texte, et un chiffre qu’aucune source ne porte est retiré.

Réfléchir avant de répondre.

Les modèles les plus récents écrivent un brouillon avant leur réponse. Ils posent le problème, considèrent plusieurs pistes, vérifient un calcul, puis répondent, comme un clinicien qui fait son différentiel avant d’écrire son plan.

Ce brouillon les rend nettement meilleurs devant un problème difficile. Il ne change rien à leur mémoire : ce qu’ils n’ont pas lu, ils ne le savent toujours pas.

Des agents : il agit, puis il rend compte.

Jusqu’ici, le modèle répond. Un agent, lui, agit. On lui donne un but et des outils (chercher, lire un document, calculer, remplir un formulaire), et il enchaîne les gestes : il planifie, agit, lit le résultat, ajuste, et recommence jusqu’à pouvoir rendre compte.

C’est le passage de l’assistant qui répond à l’assistant qui fait le travail.

Un agent fait le travail. Vous gardez la décision.

Le moteur et la voiture.

Un modèle de langage, c’est le moteur : la connaissance et le raisonnement. Les grandes entreprises en construisent de meilleurs tous les quelques mois.

AtomicMD, c’est la voiture construite autour, pour l’urgence du Québec : des consignes précises pour chaque tâche, les références d’ici, les formulaires et la facturation à la RAMQ, et des vérifications.

AtomicMD n’est attaché à aucun modèle : quand un meilleur moteur paraît, on l’essaie sur le même parcours avant de l’installer.

La voiture reste faite pour votre garde. Et vous restez au volant.

Ce que mesurent les études.

Ce n’est plus une promesse : la recherche le mesure, et ses résultats vont dans le même sens.

AtomicMD est bâti sur cette force : de grands modèles généraux, et la discipline de chercher, de lire et de citer.

Livre fermé, livre ouvert.

Un modèle seul passe un examen à livre fermé : il répond de mémoire, sans pouvoir vérifier. On peut aussi lui donner le livre : chercher les documents utiles au moment de la question, les lui faire lire, et lui demander de répondre à partir d’eux, en citant ce qu’il avance.

C’est ce que fait Source.