Depuis l'arrivée de ChatGPT fin 2022, l'IA générative est passée d'une curiosité technologique à un outil du quotidien. Elle rédige des mails, résume des documents, répond à des questions médicales, aide à réviser un examen, conseille sur un investissement. En quelques années, elle s'est installée partout, souvent sans qu'on y réfléchisse à deux fois avant de lui faire confiance.

Le problème, c'est que cette adoption massive s'est faite plus vite que la compréhension de ses limites. Une IA générative ne « sait » rien au sens où tu l'entends, elle prédit du texte statistiquement plausible, avec la même assurance que ce soit vrai ou faux. Les conséquences ne sont plus théoriques : un avocat américain a été sanctionné par un tribunal pour avoir cité des jurisprudences entièrement inventées par ChatGPT, des vidéos génératives ouvertement racistes sont devenues virales au point d'être reprises sans recul par une institution publique française. Ce ne sont pas des cas isolés, ce sont des conséquences prévisibles du fonctionnement même de ces outils.

Ce premier cours pose les bases : comprendre le mécanisme derrière ces erreurs, savoir reconnaître une hallucination, repérer un biais, et identifier les situations où l'enjeu est trop élevé pour se fier à l'IA seule. Avant d'apprendre à vérifier une réponse (ce que propose le second cours de cette série), il faut d'abord comprendre pourquoi la vérification est nécessaire. C'est l'objet de ce cours.

À travers quatre sections progressives, des exemples réels et documentés, et des exercices pratiques à faire toi-même avec ta propre IA, tu développes une compréhension solide des limites de l'IA générative, la base indispensable avant de passer à la vérification active.