Le paramètre temperature est un paramètre d'échantillonnage qui contrôle le degré d'aléatoire des sorties d'un grand modèle de langage. Il se cache dans les réglages avancés et les paramètres d'API de la plupart des produits de chat IA. On le voit rarement directement, mais c'est lui qui décide si les réponses du modèle sont rigoureuses et convergentes, ou libres et fantaisistes.
L'idée clé tient en une phrase : chaque fois qu'un modèle génère un mot, il calcule d'abord une distribution de probabilités sur tous les mots candidats, puis en « tire » un. Le paramètre temperature remodèle cette distribution — augmentez la temperature et la distribution s'aplatit, donnant leur chance aux mots improbables ; baissez-la et la distribution devient plus raide, le modèle ne choisissant presque plus que le mot le plus probable ; à temperature 0, il choisit toujours le mot le plus probable et la sortie devient quasi déterministe.
La temperature change le « choix des mots », pas les « connaissances »
Le paramètre temperature agit à l'étape du décodage. Il ne change ni les connaissances ni les capacités du modèle, seulement sa stratégie de choix des mots. Montez-le au maximum et le modèle ne deviendra pas soudain « plus intelligent » ; baissez-le et il ne répondra pas pour autant à ce qu'il ignore. C'est là le malentendu le plus fréquent : la temperature est un bouton d'aléatoire, pas un bouton d'intelligence.
Temperature et top-p ne sont pas la même chose
Beaucoup confondent temperature et top-p, mais leurs rôles diffèrent : la temperature remodèle toute la distribution de probabilités — elle l'« étire ou la comprime » ; top-p, lui, tronque la liste des candidats par probabilité cumulée, ne gardant que les mots de tête dont les probabilités totalisent p — il « trace donc la frontière des candidats ». Les deux se combinent : d'abord top-p pour définir le vivier de candidats, puis la temperature pour décider du degré d'aléatoire du tirage. Retenez « l'un façonne, l'autre délimite » et vous ne les confondrez plus.
Trois idées reçues fréquentes
Premièrement : « plus la temperature est élevée, plus l'IA est créative ». Une hausse modérée (par exemple de 0,7 à 1,2) apporte effectivement des formulations plus variées — mais poussée trop haut, le modèle commence à divaguer et à halluciner ; la « créativité » devient du « n'importe quoi ». La vraie créativité est variée et cohérente à la fois, et la temperature ne pilote que la moitié variée.
Deuxièmement : « temperature 0 garantit une reproductibilité parfaite ». À 0, l'échantillonnage se réduit au décodage glouton et la sortie est très stable pour une même entrée — mais les différences de matériel, de frameworks d'inférence et d'ordonnancement par lots peuvent encore introduire de minuscules variations. Pour les tâches exigeant une forte cohérence, temperature 0 est nécessaire mais pas suffisant.
Troisièmement : « la temperature par défaut suffit au quotidien ». Tout dépend de la tâche : pour le code, les mathématiques et les questions factuelles, baisser la temperature (0 à 0,3) réduit nettement les inventions affirmées avec aplomb ; pour le brainstorming, la rédaction publicitaire et l'écriture de récits, 0,8 à 1,2 réserve davantage de surprises. Ceux qui peuvent réellement tourner ce bouton sont surtout les utilisateurs d'API et ceux qui font tourner des modèles en local — les produits de chat web le fixent généralement.
Réglages suggérés selon la tâche
Une plage de référence pratique (les échelles varient légèrement selon les modèles ; la plage courante est de 0 à 2) : 0 à 0,3 pour le code, les mathématiques et les questions-réponses factuelles — exactitude et reproductibilité d'abord ; autour de 0,7 pour la conversation quotidienne, les résumés et les reformulations — équilibre entre naturel et stabilité, c'est aussi la valeur par défaut de la plupart des produits ; 0,9 à 1,3 pour le brainstorming et l'écriture créative — diversité maximale, mais avec un contrôle humain ; au-delà de 1,5, uniquement à titre expérimental, car la qualité des sorties se dégrade nettement.
Le paramètre temperature est fondamentalement un compromis entre « posé » et « vivant ». La prochaine fois que la réponse d'une IA vous semblera trop rigide ou trop extravagante, vérifiez d'abord où est réglé le bouton de temperature — souvent, le problème n'est pas le modèle, mais ce petit paramètre.
