Accueil / Choisir son modèle et son outil

Le paysage des modèles, une même famille de prédicteurs

Claude, GPT, Gemini et les modèles à poids ouverts sont tous des prédicteurs du mot suivant entraînés différemment, et un gabarit de prompt écrit pour l'un se transpose presque sans changement chez les autres.

Claude, GPT et Gemini reposent sur le même principe d'entraînement de base. Anthropic décrit ainsi la phase initiale d'apprentissage de Claude : le modèle apprend à prédire le mot suivant à partir de tout le texte qui le précède dans le document. Les modèles proposés par les autres grands fournisseurs, et les modèles à poids ouverts que chacun peut installer sur son propre matériel, partagent cette même architecture générale, entraînés sur des corpus et avec des réglages qui diffèrent d'un fournisseur à l'autre.

Ce qui se transporte d'un assistant à l'autre

Cette parenté explique pourquoi une technique de rédaction de prompt apprise sur Claude fonctionne souvent presque telle quelle ailleurs. Un gabarit qui fixe un rôle, un format de sortie attendu et un exemple de réponse s'interprète de façon comparable, parce que chaque modèle complète le texte qui suit en tenant compte de ce contexte, peu importe le fournisseur qui l'a entraîné.

Vous rédigez des comptes rendus de réunion associative.
Répondez en trois points numérotés, chacun une phrase complète.
Voici les notes brutes à résumer : notes

Ce gabarit se colle presque sans changement dans un autre assistant conversationnel : le rôle, le format en trois points et l'exemple attendu restent compréhensibles, parce qu'ils décrivent une consigne plutôt qu'une commande technique propre à Claude. Reste ensuite à comparer les réponses obtenues, ce que choisir le bon niveau de modèle pour la tâche aide à faire méthodiquement plutôt qu'au hasard.

Ce qui distingue réellement les fournisseurs

Le niveau de raisonnement mobilisé pour répondre varie aussi à l'intérieur d'une même famille, pas seulement d'un fournisseur à l'autre. Un modèle pensé pour la vitesse répond plus vite mais creuse moins un problème complexe qu'un modèle pensé pour la profondeur, une distinction qui se retrouve chez Claude comme chez ses concurrents, sous des noms différents propres à chacun.

La parenté d'architecture ne dit rien des différences pratiques, qui existent bel et bien. La taille de la fenêtre de contexte, la façon dont chaque fournisseur traite les données envoyées, et l'écosystème d'outils qui entoure le modèle, connecteurs, mémoire et tâches planifiées pour Claude, changent d'un fournisseur à l'autre et évoluent dans le temps. La figure ci dessous compare ces critères sans figer de chiffre précis, un chiffre de fenêtre ou de niveau de gamme se périme plus vite que le principe qu'il illustre.

Vérifier ces différences au moment où l'on choisit reste plus fiable que de se fier à un souvenir. Un prompt qui fonctionne bien sur un fournisseur peut donner une réponse plus courte, plus longue ou moins structurée sur un autre, même si sa structure de base s'est transportée sans changement notable.