---
type: "GlossaryTerm"
title: "Apprentissage en contexte (ICL)"
description: "L'apprentissage en contexte (ICL) est la capacité des grands modèles de langage à résoudre de nouvelles tâches directement à partir d'exemples fournis dans l'in"
resource: "https://www.contextstudios.ai/fr/glossaire/in-context-learning"
language: "fr"
tags: ["engineering"]
generated:
  by: "process:contextstudios-md/1"
  at: "2026-10-08T22:04:20.609Z"
status: "stable"
---

# Apprentissage en contexte (ICL)

L'apprentissage en contexte (ICL) est la capacité des grands modèles de langage à résoudre de nouvelles tâches directement à partir d'exemples fournis dans l'invite d'entrée, sans mise à jour des poids du modèle et sans entraînement traditionnel. Le modèle déduit le schéma de la tâche à partir des exemples fournis et applique cette logique à la requête réelle. Le mécanisme fonctionne grâce à la structure de l'invite : lorsque des paires entrée-sortie (appelées shots) sont ajoutées en préfixe à l'invite, le modèle apprend implicitement le format de la tâche et la logique de sortie attendue. L'ICL zéro-shot ne nécessite aucun exemple ; l'ICL few-shot fournit généralement de deux à huit démonstrations. L'ICL est une capacité déterminante des modèles de fondation modernes : elle permet une adaptation flexible à de nouvelles tâches sans coûteux ajustements fins. Pour les organisations, cela signifie que de nombreux cas d'utilisation — de la classification et l'extraction à la traduction et la synthèse — peuvent être résolus par des invites soigneusement conçues. La qualité et la représentativité des exemples dans l'invite déterminent directement la précision des résultats.