Chez OpenAI, la protection des données des utilisateurs est au cœur de notre mission. Nous n’entraînons pas nos modèles sur les entrées et les sorties qui transitent par notre API. Pour en savoir plus, consultez notre page sur la confidentialité des données de l’API.
Modèles de génération de texte
Les modèles de génération de texte d’OpenAI (souvent appelés transformers génératifs pré-entraînés, ou modèles « GPT »), comme gpt-6-astra et gpt-5.6-terra, ont été entraînés à comprendre les langues naturelles et les langages formels. Ces modèles génèrent du texte en réponse aux entrées qui leur sont fournies. Ces entrées sont aussi appelées « prompts ». Concevoir un prompt revient à « programmer » un modèle, généralement en lui donnant des instructions ou des exemples de la façon d’accomplir une tâche. Les modèles GPT peuvent servir à une grande variété de tâches : génération de contenu ou de code, résumé, conversation, écriture créative, etc. Pour en savoir plus, consultez notre guide d’introduction à la génération de texte et notre guide d’ingénierie de prompts.
Plongements vectoriels
Un plongement vectoriel est une représentation d’une donnée (par exemple, un texte) sous forme de vecteur, qui vise à préserver certains aspects de son contenu et/ou de son sens. Des données qui présentent des similitudes auront tendance à avoir des plongements vectoriels plus proches les uns des autres que des données sans rapport entre elles. OpenAI propose des modèles de plongement vectoriel de texte qui prennent une chaîne de texte en entrée et produisent un vecteur en sortie. Les plongements vectoriels sont utiles pour la recherche, le regroupement, les recommandations, la détection d’anomalies, la classification, etc. Pour en savoir plus, consultez notre guide des plongements vectoriels.
Tokens
Les modèles de génération de texte et de plongement vectoriel traitent le texte par fragments appelés tokens. Les tokens représentent des séquences de caractères courantes. Par exemple, la chaîne " tokenization" est décomposée en " token" et "ization", tandis qu’un mot court et courant comme " the" est représenté par un seul token. Dans une phrase, le premier token de chaque mot commence généralement par une espace. Utilisez notre outil de tokenisation pour tester des chaînes précises et voir comment elles sont décomposées en tokens. À titre indicatif, 1 token correspond à environ 4 caractères ou 0,75 mot pour un texte en anglais.
Gardez à l’esprit cette limite : pour un modèle de génération de texte, la longueur cumulée du prompt et de la sortie générée ne doit pas dépasser la longueur maximale du contexte du modèle. Pour les modèles de plongement vectoriel (qui ne produisent pas de tokens en sortie), la longueur de l’entrée doit être inférieure à la longueur maximale du contexte du modèle. Vous trouverez les longueurs maximales de contexte de chaque modèle de génération de texte et de plongement vectoriel dans l’index des modèles.