Température d'un LLM : comment l'IA choisit ses mots ?

Comment un LLM choisit-il le mot suivant ?

Un LLM ne «connaît» pas la fin de sa phrase quand il commence à l'écrire. À chaque étape, il calcule une distribution de probabilité sur tout son vocabulaire, puis tire un jeton (l'unité de texte que le modèle manipule), l'ajoute au texte, et recommence. Ce fonctionnement pas à pas s'appelle la génération autorégressive: le mot déjà écrit conditionne le suivant.

Concrètement, après la phrase «Le ciel est», le modèle attribue par exemple 60 % à «bleu», 12 % à «gris», 8 % à «dégagé» et répartit le reste sur des milliers d'autres candidats. Le vocabulaire d'un modèle moderne compte souvent plus de 100 000 jetons possibles à chaque étape. Pour bien saisir cette brique de base, notre article sur la façon dont l'IA découpe le texte en tokens pose les fondations.

• Étape 1 : le modèle lit le texte déjà présent, transformé en nombres grâce à ses milliards de paramètres.
• Étape 2 : il produit un score pour chaque jeton du vocabulaire, converti en probabilités.
• Étape 3 : il pioche un jeton dans cette liste, puis répète l'opération jusqu'à la fin de la réponse.

La question devient alors: comment le modèle pioche-t-il? Toujours le plus probable? Un peu au hasard? C'est exactement là que la température entre en jeu. Ce mécanisme repose lui-même sur l'architecture Transformer, le socle commun à GPT, Gemini, Claude, Mistral ou Llama.

La température d'un LLM, c'est quoi exactement ?

La température d'un LLM est un réglage qui déforme la distribution de probabilité avant le tirage du mot. Une température basse rend la distribution plus «pointue»: le modèle privilégie fortement le jeton le plus probable. Une température haute l'aplatit: les candidats moins évidents gagnent leur chance d'être choisis.

À température 0, le modèle prend systématiquement le jeton le plus probable. On parle alors de décodage glouton (greedy decoding, le choix «vorace» du meilleur candidat à chaque étape). Le résultat est quasi déterministe: même question, même réponse. À l'inverse, une température élevée introduit de la variété, parfois de l'incohérence.

Les plages varient selon l'éditeur. Chez OpenAI, la température va de 0 à 2 avec une valeur par défaut de 1. Chez Anthropic (Claude), elle va de 0 à 1, défaut 1 également. Google Gemini autorise aussi une échelle de 0 à 2. Attention: un réglage de 1,5 accepté chez OpenAI est refusé ailleurs, la valeur n'a pas le même sens d'un modèle à l'autre.

COMPRENDRE LES LLM · AOÛT 2026

Température : le bouton du hasard, réglé par défaut assez haut

• 0 à 2 plage de température chez OpenAI et Google Gemini
• 1 valeur par défaut chez OpenAI et Anthropic
• 2019 année de l'article fondateur du top-p (nucleus sampling)

Température conseillée par les éditeurs, modèle par modèle

Valeurs recommandées dans les fiches modèles, sur une échelle de 0 à 2. Sources: fiches Mistral, Meta, Qwen, DeepSeek et documentation OpenAI, 2025 à 2026.

• Mistral Small (instruct) 0,15
• DeepSeek-V3 0,3
• Llama 4 Scout 0,6
• Qwen3 (sans raisonnement) 0,7
• OpenAI (défaut) 1,0

À retenir : la température ne rend pas un texte «plus intelligent», elle le rend plus imprévisible. Pour un contenu que les IA citent avec confiance, la précision vaut mieux qu'un hasard élevé.

Top-p et top-k : les autres boutons du hasard

La température n'agit jamais seule. Deux autres réglages filtrent la liste des candidats avant le tirage: le top-k et le top-p. Ils répondent à la même question sous deux angles: parmi tous les mots possibles, lesquels le modèle a-t-il le droit de choisir?

Le top-k est le plus simple: il ne garde que les k jetons les plus probables. Avec top-k = 40, le modèle ignore tout sauf ses 40 meilleurs candidats, quelle que soit leur probabilité réelle.

Le top-p, ou nucleus sampling (échantillonnage par noyau), est plus fin. Il garde le plus petit groupe de jetons dont la probabilité cumulée atteint le seuil p. Avec top-p = 0,9, le modèle retient juste assez de candidats pour couvrir 90 % de la probabilité, puis tire dans ce noyau. Cette méthode a été introduite par Ari Holtzman et ses coauteurs en 2019 dans l'article «The Curious Case of Neural Text Degeneration», devenu une référence du domaine.

Quelle température pour quel usage ?

Il n'existe pas de «bonne» température universelle, seulement une bonne température pour un objectif. Une tâche factuelle réclame de la stabilité, une tâche créative tolère plus de dispersion. Voici des repères pratiques, cohérents avec les valeurs recommandées par les éditeurs.

Un contresens répandu mérite d'être levé. Monter la température ne rend pas un modèle «plus créatif» au sens humain. L'étude de Peeperkorn et ses coauteurs (2024) montre que la température n'est que faiblement corrélée à la nouveauté d'un texte, sans lien avec sa cohésion, et modérément corrélée à son incohérence. Traduction: au delà d'un certain point, vous ne gagnez pas en originalité, vous gagnez surtout du bruit. Ce phénomène est proche de celui décrit dans notre article sur les hallucinations des LLM.

Le réglage par défaut n'est pas toujours le plus sage

Beaucoup d'API livrent une température par défaut de 1, un niveau assez haut. Pour un usage professionnel où l'on veut des réponses fiables et reproductibles, descendre autour de 0,2 à 0,4 est souvent plus pertinent. Chez Digital-m, nous auditons régulièrement des contenus générés à la chaîne: ceux produits à température trop élevée multiplient les approximations factuelles, précisément ce que les moteurs génératifs pénalisent.

Pourquoi ChatGPT ne répond jamais deux fois pareil ?

Si vous obtenez des réponses différentes à question identique, c'est que le tirage aléatoire est activé par défaut. Avec une température supérieure à 0 et le mode échantillonnage, le modèle pioche un candidat parmi plusieurs plausibles, et ce candidat change d'un appel à l'autre.

Pour rendre une sortie reproductible, deux leviers existent. Fixer la température à 0 pousse vers le décodage glouton et la stabilité. Certaines API proposent aussi un paramètre de «graine» (seed), qui fige la part d'aléatoire pour obtenir des résultats identiques d'un appel à l'autre. Ces réglages restent toutefois imparfaits: l'infrastructure matérielle peut introduire de petites variations.

Cette variabilité n'est pas un défaut à corriger absolument. Elle explique pourquoi une IA peut proposer plusieurs formulations d'un même paragraphe, un atout pour explorer des idées. Savoir quand la brider et quand la laisser vivre fait partie des compétences que nous transmettons dans nos formations GEO certifiées Qualiopi.

Température et raisonnement : la fin d'un réglage ?

Une évolution récente change la donne: sur plusieurs modèles de raisonnement, la température n'est plus réglable. D'après la synthèse de compatibilité des API LLM publiée par Hidekazu Konishi (2025, à vérifier au cas par cas selon les versions), les modèles Claude les plus récents rejettent une température différente de la valeur par défaut, et Gemini l'ignore sur ses versions Flash les plus récentes.

La logique est simple. Un modèle de raisonnement construit d'abord une chaîne de réflexion interne avant de répondre. Laisser un utilisateur aplatir la distribution avec une température élevée risquerait de dégrader ce raisonnement. Les éditeurs préfèrent donc verrouiller le paramètre. C'est une bascule notable: le réglage historique du «hasard» disparaît là où la fiabilité prime.

Pour l'utilisateur, la conséquence est concrète. Sur ces modèles, on ne joue plus sur la température mais sur la clarté de la consigne et la qualité du contexte fourni. Le prompt redevient le vrai levier.

Ce que la température change pour votre visibilité GEO

Quel rapport entre un paramètre technique et votre référencement dans les IA? Direct. Quand ChatGPT, Perplexity ou Gemini rédigent une réponse à partir de vos contenus, ils appliquent leur propre température. Plus votre texte est précis, chiffré et sans ambiguïté, moins ce hasard a de prise pour le déformer.

Un contenu vague laisse au modèle une distribution «large» de reformulations possibles, donc plus de risques de contresens ou d'oubli de votre marque. Un contenu factuel et structuré resserre cette distribution: le modèle a moins de latitude pour s'éloigner de votre message. C'est un principe clé de l'optimisation pour les moteurs génératifs.

• Affirmations nettes : préférez les phrases datées, chiffrées et sourçables aux formules floues.
• Entités nommées : citez explicitement modèles, marques, versions et dates pour ancrer la réponse.
• Structure claire : un paragraphe autonome par idée, facile à extraire hors contexte.

C'est exactement le travail que mène notre agence GEO pour rendre les contenus de nos clients robustes face à la reformulation des IA. Comprendre la température, c'est comprendre pourquoi un texte solide résiste mieux au tirage aléatoire des moteurs génératifs.

Ce qu'il faut retenir

La température d'un LLM règle le degré de hasard dans le choix de chaque mot. Basse, elle stabilise et fiabilise; haute, elle diversifie et déstabilise. Elle travaille aux côtés du top-p (nucleus sampling) et du top-k, qui filtrent les candidats avant le tirage. Contrairement à une idée reçue, elle n'est pas un vrai «bouton créativité»: au delà d'un seuil, elle ajoute surtout de l'incohérence. Sur les modèles de raisonnement récents, elle tend même à disparaître au profit de la qualité du prompt.

Pour un usage professionnel, retenez trois repères: 0 à 0,3 pour le factuel, 0,4 à 0,7 pour la rédaction, au delà pour l'exploration. Et pour votre visibilité dans les IA, un contenu précis vaut mieux que n'importe quel réglage. Vous voulez auditer la robustesse de vos contenus face aux moteurs génératifs, ou former votre équipe au GEO? Parlons de votre projet, nos experts vous répondent.