Formation intensive · 9 au 13 novembre 2026 · 19h à 21h GMT

Cinq soirées, de l’outil à la méthode

LUN 9

Ce soir

MAR 10

MER 11

JEU 12

VEN 13

Les objectifs de ce soir

Quatre questions, une méthode

1

Comment un LLM fabrique-t-il une réponse ?

Tokens, prédiction, entraînement, mémoire de travail

2

Pourquoi invente-t-il parfois ?

Hallucinations, biais, limites en médecine

3

Quel modèle choisir, pour quel usage ?

Fermés, ouverts, outils de recherche

4

Comment lui poser la bonne question ?

Rôle, contexte, exemples, format, raisonnement guidé, gabarits

Large Language Model, grand modèle de langage

Un LLM, c’est quoi ?

Large

Des milliards de paramètres, réglés en lisant des milliers de milliards de mots : articles, livres, manuels, sites web.

Language

Il travaille sur du texte. Les modèles récents lisent aussi les images, les tableaux et la voix.

Model

Un modèle statistique : il calcule la suite la plus probable d’un texte. Il ne consulte pas une base de faits.

Imaginez un interne brillant qui aurait lu toute la bibliothèque médicale, sans avoir jamais examiné un patient, et sans savoir ce qu’il ne sait pas.

Très cultivé, très rapide, jamais responsable : c’est la bonne façon de le considérer.

Trois étapes, comme une formation médicale

Comment on fabrique un LLM

1

Pré-entraînement

Comme les études de médecine

Il lit des milliers de milliards de tokens et apprend à prédire la suite. Il acquiert la langue, des faits, des façons de raisonner. Des mois de calcul sur des milliers de processeurs.

2

Ajustement aux consignes

Comme l’internat

On lui montre des milliers d’exemples de consignes et de bonnes réponses : il apprend à répondre à une question plutôt qu’à prolonger un texte.

3

Alignement par retours humains

Comme la supervision par les seniors

Des évaluateurs comparent ses réponses : il apprend à préférer celles qui sont utiles, honnêtes et prudentes.

Résultat : un modèle figé à une date de coupure. Il ignore ce qui est paru après, sauf s’il peut chercher sur le web, et il ne voit jamais vos dossiers, sauf si vous les lui donnez.

Facturé au jeton par les services d’IA en ligne

+10 à 20 % de jetons en français qu’en anglais

Bien plus en mooré, dioula ou fulfuldé

Comment ça marche · étape 2

Il prédit le token suivant

Il prend souvent le plus probable…

… mais pas toujours : une part de hasard (la température) lui fait parfois choisir le deuxième ou le troisième.

Ce qu’on peut lui confier

Ce qu’il fait bien, ce qu’il ne peut pas savoir

Il fait bien

Il ne peut pas savoir

Comment ça marche · la mémoire

La fenêtre de contexte : sa mémoire de travail

Grande, mais pas infinie

Selon les modèles, de quelques centaines de milliers à plus d’un million de tokens : d’un long rapport à plusieurs livres.

Le début pèse moins

Dans une très longue conversation, les consignes du début s’estompent. Nouvelle tâche, nouvelle conversation.

Tout part chez le fournisseur

Ce qui est dans la fenêtre est envoyé aux serveurs du modèle : on anonymise avant de coller.

Un réglage qui change la réponse

La température : constance ou créativité

Basse pour résumer, extraire, calculer. Plus haute pour imaginer des titres, des hypothèses, des messages.

Dans les applications grand public, on ne la règle pas : on la remplace par la consigne (« réponds de façon concise et constante »).

La nouvelle génération

Les modèles qui réfléchissent avant de répondre

Utile pour un diagnostic différentiel pédagogique, un calcul, une analyse statistique. Plus lent et plus cher.

Et pas infaillible : un raisonnement bien présenté peut être faux.

Limite n° 1

L’hallucination : faux, mais très convaincant

Référence proposée par une IA (exemple fictif)

Ouédraogo A, Sawadogo M, Kaboré J, et al. Efficacy of artesunate-amodiaquine in Burkinabe children: a randomised trial. Lancet Infect Dis. 2021;21(4):512-9.

Les modèles récents se trompent moins, mais le risque demeure : une référence non vérifiée n’entre jamais dans un document.

Comprendre pour s’en protéger

Pourquoi un LLM invente

Il vise le plausible, pas le vrai

Sa seule tâche : produire la suite la plus vraisemblable. Une fausse référence bien formée est très vraisemblable.

Il comble les trous

Maladie rare, donnée locale, publication récente : là où ses données sont pauvres, il extrapole.

La question oriente la réponse

« Quelle dose chez l’enfant ? » appelle un chiffre, même quand aucune dose pédiatrique n’est validée.

Il cherche à vous satisfaire

Si votre question suggère une réponse, il a tendance à la confirmer : c’est la complaisance.

Une hallucination a exactement l’allure d’une bonne réponse : même ton assuré, même mise en forme soignée.

Au-delà des hallucinations

Six limites à connaître en médecine

Biais des données

Corpus surtout anglophones et occidentaux : populations africaines, peaux foncées et maladies tropicales y sont sous-représentées.

Calculs et unités

Doses, conversions, clairances : il peut se tromper avec aplomb. On recalcule toujours.

Actualité

Les recommandations parues après sa date de coupure lui sont inconnues, sauf recherche web.

Confidentialité

Ce que vous collez part sur les serveurs du fournisseur. Jamais de données identifiantes.

Complaisance

Il a tendance à confirmer l’hypothèse que suggère votre question.

Responsabilité

Un assistant conversationnel n’est pas un dispositif médical validé : la décision reste au médecin.

Ce qu’on fait, concrètement

Réduire le risque : six réflexes

1

Donner la source : collez la recommandation ou l’article, et demandez de s’y limiter

2

Autoriser le doute : « si tu ne sais pas, dis-le », « signale ce qui manque »

3

Vérifier chaque référence : PubMed, DOI, site de la revue

4

Préférer un outil branché sur les publications pour la bibliographie : SIRA Recherche, Consensus, PubMed

5

Croiser deux modèles sur les questions importantes

6

Garder la décision humaine, et la trace : prompt, modèle, date

Novembre 2026

Le paysage des modèles

Fermés, en ligne

Les plus performants en général. Vos données partent chez le fournisseur.

ChatGPT · OpenAI

Claude · Anthropic

Gemini · Google

Copilot · Microsoft

Ouverts, installables

Téléchargeables : ils peuvent tourner sur un serveur local, même sans internet.

Llama · Meta

Mistral · France

DeepSeek · Chine

Qwen · Alibaba

Outils de recherche

Branchés sur les publications : chaque affirmation renvoie à un article.

Consensus

Elicit

OpenEvidence

SIRA Recherche · SYSTINFO

Chaque nom recouvre plusieurs versions, du plus rapide au plus puissant, renouvelées tous les quelques mois : on juge sur des tests, pas sur la marque.

Choisir son modèle

Quel outil pour quel usage ?

Une méthode simple

Comparer avant d’adopter

1

Prenez trois cas fictifs de votre pratique

2

Posez-les à deux ou trois modèles, sans regarder les noms

3

Notez : exactitude, prudence, sources, clarté

4

Gardez le meilleur pour cet usage précis

Modèle A

Modèle B

Modèle C

Dans SIRA, le bouton ⚖️ Comparer pose le même prompt à plusieurs modèles côte à côte : 50 crédits offerts sur sira.systinfo.org.

Module 2 · prompt engineering avancé

Une question vague donne une réponse vague

Module 2 · prompt engineering avancé

Un prompt avancé, brique par brique

Rôle

Tu es pharmacien clinicien dans un CHU, habitué à relire les ordonnances des patients âgés.

Contexte

Patient fictif de 78 ans, insuffisance rénale modérée, fibrillation atriale. L’ordonnance est collée ci-dessous.

Tâche

Repère les interactions et les adaptations de dose à vérifier.

Contraintes

Appuie-toi uniquement sur l’ordonnance fournie. Si une information manque, dis-le.

Format

Un tableau : médicament, problème, gravité, action proposée. Puis 3 lignes de synthèse.

Vérification

Relis ton tableau et signale tout point dont tu n’es pas certain.

Brique 1 · le rôle

Le rôle oriente le registre, pas le savoir

Le rôle ne donne au modèle aucune connaissance nouvelle : il choisit, dans ce qu’il sait déjà, le ton, les priorités et le niveau de détail.

Brique 2 · le contexte

Donner la source, puis l’y enfermer

Brique 3 · les exemples

Deux exemples valent mieux qu’une consigne

Brique 4 · le format

La sortie se commande

Un format fixé rend la réponse comparable d’un essai à l’autre, d’un modèle à l’autre, et vérifiable d’un coup d’œil.

C’est aussi ce qui permet de coller la sortie directement dans Excel, un tableau d’extraction ou un rapport.

Module 2 · les techniques de raisonnement

Quatre techniques, quatre usages cliniques

CO-STAR

Contexte, objectif, style, ton, audience, réponse

Rédiger pour un public précis

Fiche patient, lettre, compte rendu

CoT

Chain of Thought, chaîne de pensée

Faire raisonner étape par étape

Calcul de dose, clairance, statistiques

ToT

Tree of Thoughts, arbre de pensées

Explorer plusieurs pistes, garder la meilleure

Diagnostic différentiel, options thérapeutiques

Chaînage

Prompt chaining, prompts en chaîne

Découper une tâche longue en étapes

Revue de littérature, protocole, article

Technique 1 · CO-STAR

Six rubriques pour une fiche patient

« Médecin généraliste, consultation de suivi, patient de 60 ans, hypertension récemment découverte »

« Rédige une fiche d’information à lui remettre »

« Phrases courtes, mots simples, sans jargon »

« Rassurant et encourageant »

« Patient peu scolarisé, fiche lue à voix haute par un proche »

« 150 mots, puis 5 conseils pratiques numérotés »

Pourquoi ça marche : chaque rubrique répond à une question que le modèle ne peut pas deviner. Le prompt complet est dans l’exercice 6.

Technique 2 · CoT, Chain of Thought

Faire raisonner étape par étape

1

Formule (homme) : (140 − âge) × poids × 1,23 / créatinine en µmol/L

2

(140 − 70) × 60 × 1,23 = 5 166

3

5 166 / 150 ≈ 34 mL/min

4

Clairance inférieure à 50 mL/min : vérifier l’adaptation de dose dans le RCP du médicament

Avec les étapes, une erreur se voit et se corrige. Sans elles, on reçoit un chiffre à croire sur parole.

Technique 3 · ToT, Tree of Thoughts

Trois experts, une décision

Expert 1 · Dengue

Pour : arthralgies, TDR négatif, contexte urbain

Contre : à confirmer (NS1)

Expert 2 · Paludisme malgré le TDR

Pour : zone d’endémie, faux négatifs possibles

Contre : TDR négatif

Expert 3 · Infection bactérienne

Pour : fièvre élevée

Contre : aucun foyer évident

Retenu : dengue, à confirmer par NS1 · En réserve : paludisme (goutte épaisse) · À surveiller : les signes d’alerte

La valeur du ToT : la piste en réserve et l’examen qui permet de trancher. La décision reste clinique et biologique.

Raisonnement guidé · au-delà de « étape par étape »

Brouillon, critique, version finale

1

Brouillon

« Rédige une première version de la fiche. »

2

Critique

« Relis-la comme un relecteur exigeant : erreurs, oublis, affirmations sans source. Liste-les. »

3

Version finale

« Corrige en tenant compte de ta critique et indique ce qui a changé. »

Variante à deux rôles : le rédacteur propose, le relecteur attaque (pharmacien, méthodologiste, comité d’éthique).

Ou bien : « Avant de conclure, liste les hypothèses que tu fais et les données qui te manquent. »

L’autocritique attrape des erreurs et améliore la forme, mais elle ne remplace pas une vérification externe : PubMed, RCP, recommandations.

Technique 4 · chaînage de prompts

Une tâche longue, plusieurs maillons

Prompt 1

Formuler la question

au format PICO

Prompt 2

Chercher les articles

Consensus, PubMed

Prompt 3

Extraire et synthétiser

tableau des résultats

Prompt 4

Rédiger

résumé structuré

Une étape, un prompt

Chaque maillon a un seul objectif : plus simple à écrire, plus simple à vérifier.

Je relis entre deux maillons

Une erreur corrigée tôt ne se propage pas jusqu’au texte final.

Le fil de la semaine

Mercredi la recherche, jeudi la revue systématique, vendredi la rédaction.

Gabarits réutilisables

Écrire une fois, réutiliser chaque semaine

Le raccourci

Faire écrire le prompt par l’IA

Garde-fous

L’IA prépare, le médecin décide

À vous de jouer

Douze exercices, ce soir et toute la semaine

1 à 3

4 et 5

6 à 9

10 à 12

sante.systinfo.org

Les exercices, la présentation animée et le PDF

Avec l’IA de votre choix (ChatGPT, Claude, Gemini, Mistral…) ou avec SIRA, 50 crédits offerts sur sira.systinfo.org. Cas fictifs uniquement.

Merci pour votre attention

Place aux questions

Demain, mardi 10 novembre, 19h GMT : la recherche scientifique assistée.

Trois choses à retenir