Large language models (LLMs) have emerged as powerful tools in artificial intelligence, demonstrating remarkable capabilities in natural language processing and generation. In this article, we explore the potential applications of LLMs in enhancing cardiovascular care and research. We discuss how LLMs can be used to simplify complex medical information, improve patient-physician communication, and automate tasks such as summarising medical articles and extracting key information. In addition, we highlight the role of LLMs in categorising and analysing unstructured data, such as medical notes and test results, which could revolutionise data handling and interpretation in cardiovascular research. However, we also emphasise the limitations and challenges associated with LLMs, including potential biases, reasoning opacity, and the need for rigourous validation in medical contexts. This review provides a practical guide for cardiovascular professionals to understand and harness the power of LLMs while navigating their limitations. We conclude by discussing the future directions and implications of LLMs in transforming cardiovascular care and research. Les modèles de langage à grande échelle (LLM, de l'anglais 'large language models') sont devenus des outils puissants en intelligence artificielle, démontrant des capacités remarquables dans le traitement et la génération du langage naturel. Dans cet article, nous explorons les applications potentielles des LLM pour améliorer les soins et la recherche cardiovasculaires. Nous discutons de la manière dont les LLM peuvent être utilisés pour simplifier des informations médicales complexes, améliorer la communication patient-médecin et automatiser des tâches telles que la synthèse d’articles médicaux et l’extraction d’informations clés. De plus, nous soulignons le rôle des LLM dans la catégorisation et l’analyse des données non structurées, telles que les notes médicales et les résultats des tests, ce qui pourrait révolutionner la gestion et l’interprétation des données dans la recherche cardiovasculaire. Cependant, nous soulignons également les limites et les défis associés aux LLM, notamment les biais potentiels, l’opacité de leur raisonnement et la nécessité d’une validation rigoureuse dans les contextes médicaux. Cette revue fournit un guide pratique aux professionnels cardiovasculaires pour comprendre et exploiter la puissance des LLM tout en naviguant dans leurs limites. Nous concluons en discutant des orientations futures et des implications des LLM dans la transformation des soins et de la recherche cardiovasculaires.