Évaluer un LLM consiste à mesurer la qualité de ses réponses sur des jeux de tests représentatifs : exactitude sur des tâches à réponse connue, respect des consignes, fidélité aux sources, sécurité. On combine métriques automatiques, évaluation par un modèle juge et relecture humaine, en gardant à l'esprit leurs biais respectifs.