Completion : Définition et Exemples

En intelligence artificielle, une completion désigne le texte généré par un modèle de langage en réponse à une entrée (prompt). Le terme vient du fonctionnement fondamental des LLM : ils sont entraînés à prédire le token suivant dans une séquence, « complétant » ainsi le texte qui leur est soumis. Chaque mot ou fragment produit découle d'une estimation probabiliste de ce qui devrait logiquement suivre.

Historiquement, les premiers modèles comme GPT-2 et GPT-3 fonctionnaient exclusivement en mode completion : on leur fournissait un début de texte et ils le prolongeaient. L'API d'OpenAI proposait d'ailleurs un endpoint dédié appelé « Completions ». Avec l'arrivée des modèles conversationnels (ChatGPT, Claude), le paradigme a évolué vers le mode chat, où les échanges sont structurés en messages (système, utilisateur, assistant), mais le mécanisme sous-jacent reste une forme de completion.

La qualité d'une completion dépend directement de la qualité du prompt. Un prompt vague produira une completion générique, tandis qu'un prompt précis, structuré et contextualisé générera une réponse pertinente et ciblée. C'est cette relation directe qui fonde toute la discipline du prompt engineering.

Plusieurs paramètres influencent la completion : la température contrôle le caractère aléatoire ou déterministe de la réponse, le max_tokens limite sa longueur, et les pénalités de fréquence ou de présence modulent la diversité du vocabulaire utilisé. Comprendre ces leviers permet d'obtenir des completions adaptées à chaque cas d'usage, qu'il s'agisse de rédaction créative, d'analyse de données ou de génération de code.