T5 (Text-to-Text Transfer Transformer)
T5 est un modèle de langage développé par Google Research en 2019, qui traite toutes les tâches de NLP comme un problème unique de transformation texte-à-texte. Plutôt que d’entraîner un modèle distinct pour la traduction, le résumé, la classification ou la réponse à des questions — comme le faisaient les approches antérieures — T5 unifie tout dans un seul format : une entrée textuelle produit une sortie textuelle, la tâche étant précisée directement dans le prompt (par exemple « translate English to French: [phrase] » ou « summarize: [texte] »).
Architecture encodeur-décodeur classique, comme le Seq2Seq original, mais entraînée via le transfer learning : un pré-entraînement massif sur un immense corpus de texte (le Colossal Clean Crawled Corpus, C4), suivi d’un fine-tuning léger pour des tâches spécifiques. Point commun avec BERT : les deux reposent sur l’architecture Transformer ; différence : T5 génère du texte en sortie, BERT comprend sans générer.
En RH, l’apport concret de ce type de modèle unifié : une même architecture peut résumer un compte rendu d’entretien, traduire un document RH multilingue, ou extraire des informations clés d’un CV — sans multiplier les modèles spécialisés. Aujourd’hui, les LLM généralistes type GPT ou Claude ont largement pris le relais pour ces usages en entreprise, T5 restant surtout utilisé comme brique technique dans des pipelines NLP sur mesure (via des bibliothèques comme Hugging Face).
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.
Sources : Wikipedia EN (T5, il y a 2 semaines), Mohamed-Zaraa.com (02/04/2026).