Quelles sont les quatre propriétés du cadre Capabilities & Limitations?	Next Token Prediction, Knowledge, Working Memory, et Steerability.
Qu'est-ce que "Next Token Prediction" décrit dans le contexte de l'IA?	D'où viennent les réponses de l'IA, en distinguant les chemins bien connus (résumer, reformater) du territoire nouveau et des motifs rares.
Que signifie "Knowledge" dans le cadre des quatre propriétés?	Ce que l'IA connaît réellement, incluant les sujets fréquents et récents dans l'entraînement versus les sujets rares, post-cutoff, ou contestés.
Quel est le problème principal du "Working Memory" de l'IA?	L'IA a du mal avec les très longs documents/conversations et ne peut pas maintenir la continuité entre les sessions (the cliff).
Qu'est-ce que "Steerability" mesure?	Le degré de contrôle que vous avez sur l'IA, allant des instructions courtes et concrètes aux demandes abstraites et aux chaînes de raisonnement longues.
Quel est le lien entre le cadre Capabilities & Limitations et le 4D Framework?	Ce sont deux côtés d'un même système; les propriétés expliquent ce à quoi les compétences 4D répondent.
Qu'est-ce que la "confiance calibrée" signifie?	Localiser votre tâche sur chaque continuum de propriété et adapter vos habitudes de vérification et de contexte en conséquence.
Pourquoi le modèle mental des quatre propriétés reste-t-il utile?	Parce que la forme de ces propriétés reste stable même si les limites exactes changent à mesure que les modèles s'améliorent.
Quel exercice pratique est proposé à la fin de la leçon?	Évaluer chaque tâche sur chaque continuum de propriété, identifier les atténuations nécessaires, puis choisir une tâche et un changement à mettre en œuvre cette semaine.
Qu'est-ce que la "fluidité en IA" ne consiste pas à faire?	Ce n'est pas mémoriser chaque mode de défaillance, mais plutôt tenir un petit modèle clair de la machine en tête pour reconnaître quel type d'erreur s'est produit.