Module M01

LLM

Un LLM transforme une intention formulée en langage naturel en réponse exploitable, mais il doit être cadré pour devenir utile dans un AI Harness.

Définition

Un LLM est un modèle de langage capable de produire, reformuler, classer ou expliquer du texte à partir d’un contexte fourni.

Pourquoi c’est important

Dans un AI Harness, le LLM n’est pas le produit complet : il est un moteur à encadrer par des consignes, du contexte, des outils, une mémoire et une évaluation.

Points clés

Le LLM répond à partir du contexte disponible.
La qualité de sortie dépend du cadrage fourni.
Il peut se tromper si l’objectif, les contraintes ou les sources sont flous.

Pièges fréquents

Confondre le LLM avec un système complet.
Laisser le modèle décider seul du périmètre.
Oublier de vérifier ses réponses.

Infographie parcours

LLM

Un LLM devient utile quand il est cadré par un système pédagogique clair.

1
Recevoir un contexte
Le modèle lit l’objectif, les consignes et les informations disponibles.
2
Produire une réponse
Il génère une sortie probable et structurée à partir de ce contexte.
3
Être encadré
L’AI Harness vérifie, limite et organise l’usage de cette sortie.

1. Quel est le rôle principal d’un LLM dans MyharCoach ?A. Produire, reformuler ou expliquer du texte à partir d’un contexteB. Stocker définitivement la progressionC. Remplacer tous les outilsD. Déployer PocketBase

2. Dans un AI Harness, le LLM doit être considéré comme…A. Un système complet sans cadreB. Un moteur à encadrerC. Une base de donnéesD. Un tableau de bord

3. Que doit recevoir un LLM pour répondre utilement ?A. Un contexte et des consignesB. Uniquement un scoreC. Uniquement une couleur UID. Une clé SSH

4. Que signifie “un concept à la fois” pour ce module ?A. Traiter uniquement le concept LLMB. Mélanger tous les modulesC. Ignorer les correctionsD. Passer directement aux multi-agents

5. Quel élément n’est pas attribué au LLM seul ?A. Production de texteB. ReformulationC. Système fiable completD. Explication textuelle

6. Pourquoi faut-il cadrer un LLM ?A. Pour limiter les sorties floues ou erronéesB. Pour supprimer les leçonsC. Pour éviter les quizD. Pour remplacer l’apprenant

7. Dans la progression MyharCoach, M01 porte sur…A. LLMB. RAGC. Tool CallingD. Observabilité

8. Quel est le lien correct entre LLM et AI Harness ?A. Le LLM est encadré par l’AI HarnessB. L’AI Harness est une question de quizC. Le LLM remplace la mémoireD. Le LLM supprime l’évaluation

9. Quel risque apparaît si les sources et limites ne sont pas précisées ?A. Réponse non vérifiée ou hors périmètreB. Score automatiquement parfaitC. Progression validée sans quizD. Module supprimé

10. Que vérifie le quiz du module ?A. La compréhension du concept LLMB. La connexion SSH GitHubC. La configuration DNSD. La création de comptes externes

11. Quelle affirmation respecte le MVP ?A. Le module LLM inclut leçon, exercices, validation et suiviB. Le module LLM ajoute des agents multiplesC. Le module LLM remplace tous les autres modulesD. Le module LLM évite les corrections

12. Quel est un piège fréquent avec un LLM ?A. Le confondre avec un système completB. Le limiter à une seule réponse possibleC. Le considérer comme une collection PocketBaseD. Le supprimer du parcours

13. Le rôle du contexte est de…A. Orienter la réponse du LLMB. Créer automatiquement une branche GitC. Remplacer le seuil de quizD. Désactiver le suivi

14. Quelle étape suit naturellement la compréhension du LLM ?A. Prompt EngineeringB. Multi-agentsC. ObservabilitéD. Déploiement DNS

15. Pourquoi l’AI Harness ne se réduit-il pas au LLM ?A. Parce qu’il ajoute cadrage, outils, mémoire et évaluationB. Parce qu’il ignore le langage naturelC. Parce qu’il supprime les modulesD. Parce qu’il ne traite que le CSS

16. Quelle phrase décrit le mieux la sortie d’un LLM ?A. Une réponse probable à partir du contexte fourniB. Une vérité garantie sans vérificationC. Une progression persistéeD. Une collection de fichiers statiques

17. Dans une conception pédagogique simple, que faut-il éviter ?A. Laisser le modèle décider seul du périmètreB. Définir un objectifC. Fournir un contexteD. Ajouter une correction

18. Quel mécanisme rend l’apprentissage mesurable dans le MVP ?A. Validation par quiz et suivi de progressionB. Couleur du boutonC. Nom du dépôtD. Port local

19. Quel choix est cohérent avec une validation binaire simple ?A. Réussi si le seuil est atteint, sinon en coursB. Points négatifs par erreurC. Demi-points par difficultéD. Validation sans score

20. Quel résumé est le plus juste ?A. Le LLM est le moteur linguistique ; le harness le rend utile et fiableB. Le LLM est déjà un produit completC. Le LLM remplace toute progressionD. Le LLM annule le besoin de corrections

Définition

Pourquoi c’est important

Points clés

Pièges fréquents

Recevoir un contexte

Produire une réponse

Être encadré