Guide du professeur — La chaîne complète de pré-formation
Durée: 120 minutes
Positionnement: Relier données brutes, filtrage, tokenisation, lots, cibles, perte, mises à jour et modèle de base.
Preuve attendue: Mécanismes établis ; les simplifications numériques sont pédagogiques.
Résultats observables et préparation
- Tracer un exemple de la donnée brute au lot.
- Construire des cibles décalées d’un token.
- Séparer pré-formation, post-entraînement et évaluation.
Avant la séance, le formateur exécute lui-même le cas guidé et le laboratoire, imprime le paquet d’exercices, prépare un tableau à quatre colonnes — hypothèse, prédiction, observation, écart — et vérifie que chaque notation mathématique est accompagnée de ses dimensions. La démonstration ne doit pas devenir une lecture de slides.
Diagnostic
- Expliquez en une phrase: Collecter sans tout accepter. Quelle observation rendrait votre explication fausse ?
- Expliquez en une phrase: Tokeniser. Quelle observation rendrait votre explication fausse ?
- Expliquez en une phrase: Construire entrées et cibles. Quelle observation rendrait votre explication fausse ?
Décision pédagogique: si deux réponses sur trois restent nominales ou sans condition de validité, reprendre le vocabulaire avec un exemple numérique avant toute formule. Une réponse fluide mais non falsifiable n’est pas considérée comme acquise.
Plan minuté
| Temps | Activité | Preuve observable |
|---|---|---|
| 0–10 min | Diagnostic individuel, puis comparaison en binôme | Trois réponses et une incertitude nommée |
| 10–25 min | Mise en situation et vocabulaire | Schéma entrée → état → sortie annoté |
| 25–55 min | Développement du mécanisme au tableau | Formes, hypothèses et calcul intermédiaire visibles |
| 55–75 min | Cas guidé, erreurs volontairement introduites | Correction argumentée, pas seulement le bon nombre |
| 75–95 min | Laboratoire causal : prédire, modifier une variable, exécuter | Tableau prédiction / observation / écart |
| 95–112 min | Exercices 1 et 2, correction croisée | Production conservée et barème appliqué |
| 112–120 min | Ticket de sortie et transfert | Mécanisme, frontière, prochaine expérience |
Notes pédagogiques
1. Collecter sans tout accepter
Le filtrage est une étape de conception en tête de chaîne : déduplication par empreintes, détection de secrets, règles de licence et de provenance. L’article répété 3 000 fois ne doit compter qu’une fois — avant qu’un seul gradient ne soit dépensé dessus.
2. Tokeniser
Le tokenizer apprend un vocabulaire de sous-mots. « Maya lit un livre » devient 5 tokens pour 4 mots : [Maya][ lit][ un][ liv][re] — « livre » est coupé en deux, les frontières ne suivent pas les mots.
3. Construire entrées et cibles
Le décalage d’un token fabrique la supervision gratuitement : pour [A,B,C,D], entrée [A,B,C], cible [B,C,D]. Chaque position prédit le token suivant sans voir le futur ; une séquence de L tokens fournit L−1 positions d’entraînement.
Formule de travail:
targets = tokens shifted left by one
4. Former des lots
On aligne sur la plus longue : T = 9 ; la courte reçoit 5 positions de padding et un masque marque le vide. La perte moyenne se divise par les 13 positions réelles, jamais par les 18 cases du rectangle.
5. Perte et mise à jour
La softmax transforme les scores en probabilités, puis la perte prend −log p(cible) : p = 0,25 → 1,386 ; p = 0,50 → 0,693 ; p = 0,01 → 4,605. Les gradients redistribuent ensuite cette surprise sur tous les paramètres qui y ont contribué.
Formule de travail:
loss = −log p(target token)
6. Modèle de base et étapes suivantes
La chaîne se termine en trois branches : le modèle de base ; l’instruction tuning et l’alignement, qui modifient le comportement ; et un jeu d’évaluation strictement séparé du corpus. Cette séparation se décide au filtrage, pas le jour du test.
Conduite du cas guidé
La phrase « Maya lit un livre » devient cinq tokens. Le lot utilise les quatre premiers comme entrées et les quatre derniers comme cibles. Si le modèle donne 0,25 à la bonne cible, la perte de cette position vaut −log(0,25) ≈ 1,386.
Ne révélez pas le résultat en une fois. Faites annoncer la prochaine opération, sa forme et le signe attendu. Après chaque ligne, demandez : « Qu’est-ce qui a changé ? Qu’est-ce qui est resté fixe ? Quelle hypothèse avons-nous utilisée ? » Une erreur de calcul corrigée avec une chaîne causale vaut davantage qu’un résultat deviné.
Protocole du laboratoire
- Écrire une prédiction qualitative et, si possible, numérique avant de toucher le contrôle.
- Modifier une seule variable; garder une capture ou relever les valeurs initiales et finales.
- Expliquer l’écart avec le mécanisme, pas avec « l’outil a fait cela ».
- Tester une valeur limite et dire où la maquette cesse de représenter un système réel.
Idées fausses
| # | Idée fausse observable | Correction ancrée | Relance |
|---|---|---|---|
| 1 | « Collecter sans tout accepter suffit à garantir le résultat, sans hypothèse ni mesure. » | Le filtrage est une étape de conception en tête de chaîne : déduplication par empreintes, détection de secrets, règles de licence et de provenance. L’article répété 3 000 fois ne doit compter qu’une fois — avant qu’un seul gradient ne soit dépensé dessus. | Demander un contre-exemple, puis faire reformuler le mécanisme avec sa condition de validité. |
| 2 | « Tokeniser suffit à garantir le résultat, sans hypothèse ni mesure. » | Le tokenizer apprend un vocabulaire de sous-mots. « Maya lit un livre » devient 5 tokens pour 4 mots : [Maya][ lit][ un][ liv][re] — « livre » est coupé en deux, les frontières ne suivent pas les mots. | Demander un contre-exemple, puis faire reformuler le mécanisme avec sa condition de validité. |
| 3 | « Construire entrées et cibles suffit à garantir le résultat, sans hypothèse ni mesure. » | Le décalage d’un token fabrique la supervision gratuitement : pour [A,B,C,D], entrée [A,B,C], cible [B,C,D]. Chaque position prédit le token suivant sans voir le futur ; une séquence de L tokens fournit L−1 positions d’entraînement. | Demander un contre-exemple, puis faire reformuler le mécanisme avec sa condition de validité. |
Frontière à maintenir: Un pipeline pédagogique omet le stockage distribué, la sécurité, les politiques de données et de nombreux contrôles de qualité indispensables en production.
Questions de relance
- Si nous supprimons ou inversons Collecter sans tout accepter, quelle sortie change en premier, et quelle observation le montrerait ?
- Si nous supprimons ou inversons Tokeniser, quelle sortie change en premier, et quelle observation le montrerait ?
- Si nous supprimons ou inversons Construire entrées et cibles, quelle sortie change en premier, et quelle observation le montrerait ?
- Si nous supprimons ou inversons Former des lots, quelle sortie change en premier, et quelle observation le montrerait ?
- Si nous supprimons ou inversons Perte et mise à jour, quelle sortie change en premier, et quelle observation le montrerait ?
- Si nous supprimons ou inversons Modèle de base et étapes suivantes, quelle sortie change en premier, et quelle observation le montrerait ?
Évaluation
| Niveau | Critère |
|---|---|
| 0 | Répète des termes sans relier entrée, transformation et sortie. |
| 1 | Décrit la chaîne mais ne vérifie ni forme ni hypothèse. |
| 2 | Exécute le cas, explique le résultat et nomme une limite. |
| 3 | Transfère sur un cas inédit, compare une alternative et propose une mesure qui pourrait invalider son choix. |
Seuil de sortie : niveau 2 sur le cas guidé et au moins un exercice; une formule mémorisée sans interprétation reste niveau 1.
Protocole d’observation et de reprise
Pendant les échanges, le formateur relève des preuves et non des impressions. Une preuve de compréhension contient un objet nommé, une transformation justifiée et une conséquence vérifiable. Si un apprenant donne le bon résultat sans chaîne, demander de reconstruire la ligne précédente. S’il donne une chaîne cohérente avec un résultat faux, conserver la chaîne et isoler l’erreur de calcul. S’il emploie le vocabulaire d’un autre concept, faire comparer les deux mécanismes dans un tableau entrée, état, sortie, coût et limite. La reprise se fait sur la première rupture seulement : vocabulaire, formes, opération, interprétation ou portée de l’affirmation. Après correction, proposer un cas voisin avec une valeur différente; la réussite sur le même exemple ne prouve pas le transfert. Pour le travail en binôme, attribuer les rôles « opérateur » et « vérificateur », puis les inverser. Le vérificateur ne donne pas la réponse : il exige une hypothèse, contrôle la forme et demande quelle observation pourrait contredire le raisonnement. Le formateur conserve le ticket de sortie et classe la rupture dominante. La séance suivante commence par un problème de trois minutes ciblant cette rupture, plutôt que par une répétition générale du cours.
Différenciation
- Soutien: fournir les formes et la première transformation; laisser l’apprenant compléter l’interprétation et la limite.
- Parcours nominal: cas guidé sans résultat, laboratoire avec une variable imposée, exercice de diagnostic.
- Prolongement: changer une hypothèse, comparer deux mécanismes et définir la métrique qui déciderait entre eux.
Suivi après la séance
Dans les vingt-quatre heures, renvoyer à chaque apprenant son ticket annoté avec une seule priorité, la ressource précise à rouvrir et un mini-cas différent du cas guidé. La reprise demande trois éléments : une prédiction écrite, une trace conservée et une phrase expliquant l’écart. Au cours suivant, échantillonner deux productions : une qui a réparé la rupture et une qui reste ambiguë. Les discuter sans nommer les auteurs, puis faire expliciter le critère qui distingue les deux. Ne pas utiliser le taux de complétion comme preuve de maîtrise. La preuve de reprise est une chaîne correcte sur un cas nouveau, accompagnée d’une limite. Si la même rupture apparaît chez plus d’un tiers du groupe, corriger le support ou la démonstration avant d’attribuer le problème aux apprenants.
Le suivi est clos seulement lorsque la nouvelle production montre la chaîne causale, la vérification et la frontière, et non lorsque le fichier a simplement été rendu.
Sources et frontière de preuve
- Raffel et al., “Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer” (T5/C4 corpus curation), JMLR (2020).
- Dossier source fourni par le propriétaire; les détails sur des produits nommés restent attribués à cette source jusqu’à vérification primaire.
Portée: Mécanismes établis ; les simplifications numériques sont pédagogiques. Ces références soutiennent le cadre de la session; elles ne transforment pas un choix de produit rapporté en résultat indépendant.
Ticket de sortie
En six lignes maximum : mécanisme; calcul ou trace; observation; frontière; niveau de preuve; prochaine expérience. Le formateur annote une seule rupture causale prioritaire pour la reprise.