36 termes définis

    Glossaire de l'Intelligence Artificielle

    Comprendre les termes essentiels de l'IA pour prendre des décisions éclairées. Des définitions claires et contextualisées pour les dirigeants.

    Agent IA

    Usage & Applications

    Système d'IA capable d'agir de manière autonome pour accomplir des tâches complexes. Un agent peut planifier, utiliser des outils, naviguer sur le web et prendre des décisions en chaîne pour atteindre un objectif.

    Voir aussi :
    Automatisation
    Workflow

    API (Application Programming Interface)

    Technique

    Interface permettant d'intégrer les capacités d'une IA dans vos applications. Les API d'OpenAI, Anthropic ou Google permettent d'appeler leurs modèles programmatiquement depuis n'importe quel logiciel.

    Voir aussi :
    Intégration
    SDK

    Automatisation IA

    Usage & Applications

    Utilisation de l'IA pour automatiser des tâches répétitives ou complexes. Contrairement à l'automatisation classique (règles fixes), l'IA s'adapte à des cas variés et peut traiter du contenu non structuré.

    Voir aussi :
    Agent IA
    Workflow
    RPA

    Base vectorielle

    Technique

    Base de données optimisée pour stocker et rechercher des embeddings. Permet de trouver rapidement les documents les plus similaires sémantiquement à une requête. Exemples : Pinecone, Weaviate, pgvector.

    Voir aussi :
    Embeddings
    RAG

    Biais algorithmique

    Gouvernance & Éthique

    Distorsion systématique dans les résultats d'une IA, souvent héritée des données d'entraînement. Peut conduire à des discriminations involontaires. L'identification et la correction des biais sont essentielles en IA responsable.

    Voir aussi :
    IA Responsable
    Équité
    Données

    Chain-of-Thought (CoT)

    Technique

    Technique de prompting demandant au modèle de détailler son raisonnement étape par étape. Améliore significativement la précision sur les problèmes complexes de logique ou de mathématiques.

    Voir aussi :
    Prompt Engineering
    Raisonnement

    Confidentialité des données

    Gouvernance & Éthique

    Protection des informations sensibles lors de l'utilisation d'outils IA. Les données envoyées à des LLM cloud peuvent être exposées. Les solutions on-premise ou les API avec garanties contractuelles adressent ce risque.

    Voir aussi :
    RGPD
    Sécurité
    Privacy

    Copilot

    Usage & Applications

    Assistant IA intégré dans un environnement de travail pour augmenter la productivité. GitHub Copilot (code), Microsoft Copilot (Office) ou des copilots métier assistent les professionnels dans leurs tâches quotidiennes.

    Voir aussi :
    Agent IA
    Productivité

    Deep Learning

    Fondamentaux

    Sous-ensemble du machine learning utilisant des réseaux de neurones profonds (plusieurs couches). Cette approche excelle dans la reconnaissance d'images, le traitement du langage et les tâches complexes nécessitant l'extraction de caractéristiques abstraites.

    Voir aussi :
    Machine Learning
    Réseau de neurones

    Embeddings

    Technique

    Représentation numérique (vecteur) du sens d'un texte dans un espace multidimensionnel. Les textes sémantiquement similaires ont des embeddings proches, permettant la recherche sémantique et le RAG.

    Voir aussi :
    RAG
    Base vectorielle

    Explicabilité (XAI)

    Gouvernance & Éthique

    Capacité à comprendre et expliquer comment une IA arrive à ses conclusions. Les modèles "boîte noire" posent des défis pour la confiance et la conformité réglementaire. L'explicabilité est un enjeu croissant.

    Voir aussi :
    Transparence
    Audit
    Conformité

    Fenêtre de contexte

    Fondamentaux

    Quantité maximale de tokens qu'un LLM peut traiter en une seule interaction. Une fenêtre plus grande (ex: 128K tokens) permet d'analyser des documents longs ou de maintenir des conversations étendues.

    Voir aussi :
    Token
    LLM

    Few-shot Learning

    Technique

    Technique consistant à fournir quelques exemples dans le prompt pour guider le modèle vers le format ou le style de réponse souhaité. Très efficace pour les tâches de classification ou de formatage spécifique.

    Voir aussi :
    Prompt Engineering
    Zero-shot

    Fine-tuning

    Technique

    Processus d'adaptation d'un modèle pré-entraîné à une tâche ou un domaine spécifique en le ré-entraînant sur un dataset ciblé. Permet d'améliorer les performances sur des cas d'usage métier précis.

    Voir aussi :
    Entraînement
    Transfer Learning

    Génération de contenu

    Usage & Applications

    Création automatisée de textes, images, code ou médias par l'IA. Utilisée pour la rédaction, le marketing, la documentation ou la création visuelle. Nécessite une supervision humaine pour garantir la qualité.

    Voir aussi :
    LLM
    Créativité

    Gouvernance IA

    Gouvernance & Éthique

    Ensemble des politiques, processus et structures organisant l'utilisation de l'IA dans une entreprise. Définit qui peut utiliser quoi, comment, et avec quels contrôles. Essentielle pour maîtriser les risques.

    Voir aussi :
    Politique IA
    Conformité
    Risques

    GPT (Generative Pre-trained Transformer)

    Fondamentaux

    Architecture de modèle développée par OpenAI, pré-entraînée sur de vastes corpus textuels. GPT-4 et GPT-5 sont des versions successives avec des capacités croissantes de raisonnement et de compréhension contextuelle.

    Voir aussi :
    LLM
    Transformer
    OpenAI

    Grounding

    Usage & Applications

    Technique d'ancrage des réponses de l'IA dans des sources vérifiables. Le RAG est une forme de grounding qui connecte le modèle à des documents de référence pour réduire les hallucinations.

    Voir aussi :
    RAG
    Hallucination
    Sources

    Hallucination

    Usage & Applications

    Génération de contenu faux, inventé ou incohérent par une IA, présenté avec assurance. Les LLM peuvent "halluciner" des faits, des sources ou des citations inexistantes. La vérification humaine reste indispensable.

    Voir aussi :
    Grounding
    Fact-checking
    RAG

    Human-in-the-Loop

    Gouvernance & Éthique

    Principe maintenant l'humain dans la boucle décisionnelle, l'IA assistant mais ne remplaçant pas le jugement humain. Essentiel pour les décisions à fort impact ou les domaines sensibles.

    Voir aussi :
    IA Responsable
    Supervision
    Contrôle

    IA Responsable

    Gouvernance & Éthique

    Approche de développement et d'utilisation de l'IA intégrant des considérations éthiques, de transparence et d'équité. Inclut la gestion des biais, la protection de la vie privée et l'impact sociétal.

    Voir aussi :
    Éthique
    Biais
    Transparence

    Inférence

    Technique

    Processus d'utilisation d'un modèle entraîné pour générer des prédictions ou des réponses. Contrairement à l'entraînement, l'inférence est ce que fait le modèle quand vous lui posez une question.

    Voir aussi :
    Entraînement
    Latence

    Intelligence Artificielle (IA)

    Fondamentaux

    Ensemble de technologies permettant aux machines de simuler des capacités cognitives humaines comme l'apprentissage, le raisonnement et la prise de décision. L'IA moderne repose principalement sur l'apprentissage automatique et les réseaux de neurones.

    Voir aussi :
    Machine Learning
    Deep Learning

    LLM (Large Language Model)

    Fondamentaux

    Modèle de langage de grande taille, entraîné sur d'immenses corpus de textes pour comprendre et générer du langage naturel. ChatGPT, Claude et Gemini sont des exemples de LLM. Ces modèles contiennent des milliards de paramètres et excellent dans les tâches conversationnelles.

    Voir aussi :
    GPT
    Transformer
    Token

    Machine Learning

    Fondamentaux

    Branche de l'IA où les systèmes apprennent à partir de données plutôt que d'être explicitement programmés. Le modèle identifie des patterns dans les données d'entraînement pour faire des prédictions ou prendre des décisions.

    Voir aussi :
    Deep Learning
    Entraînement

    Multimodal

    Usage & Applications

    Capacité d'un modèle à traiter et générer plusieurs types de contenus : texte, images, audio, vidéo. GPT-4o et Gemini sont multimodaux et peuvent analyser des images ou générer des illustrations.

    Voir aussi :
    Vision
    Audio
    LLM

    Politique d'usage IA

    Gouvernance & Éthique

    Document définissant les règles d'utilisation de l'IA au sein d'une organisation : outils autorisés, cas d'usage approuvés, données interdites, processus de validation. Cadre essentiel pour une adoption sécurisée.

    Voir aussi :
    Gouvernance IA
    Sécurité

    Prompt

    Technique

    Instruction ou question donnée à une IA pour obtenir une réponse. La qualité du prompt influence directement la pertinence et la précision de la réponse générée. Un bon prompt est clair, contextuel et précis.

    Voir aussi :
    Prompt Engineering
    Contexte

    Prompt Engineering

    Technique

    Art et science de formuler des instructions optimales pour obtenir les meilleurs résultats d'une IA. Inclut des techniques comme le few-shot learning, le chain-of-thought et la structuration du contexte.

    Voir aussi :
    Prompt
    Few-shot
    Chain-of-Thought

    RAG (Retrieval-Augmented Generation)

    Technique

    Architecture combinant recherche documentaire et génération de texte. Le système récupère d'abord des documents pertinents dans une base de connaissances, puis les utilise comme contexte pour générer une réponse précise et sourcée.

    Voir aussi :
    Embeddings
    Base vectorielle
    Grounding

    Shadow AI

    Gouvernance & Éthique

    Utilisation non autorisée d'outils IA par les collaborateurs, hors du contrôle de l'entreprise. Risque majeur pour la sécurité et la conformité. Une politique claire et des outils approuvés réduisent ce phénomène.

    Voir aussi :
    Gouvernance IA
    Risques
    Adoption

    Température

    Technique

    Paramètre contrôlant la créativité des réponses d'un LLM. Une température basse (0-0.3) produit des réponses déterministes et factuelles. Une température haute (0.7-1) génère des réponses plus variées et créatives.

    Voir aussi :
    LLM
    Paramètres

    Token

    Fondamentaux

    Unité de base du texte traitée par un LLM. Un token peut être un mot, une partie de mot ou un caractère. En français, un mot équivaut généralement à 1,5 tokens. Les modèles ont des limites de tokens (contexte) qu'ils peuvent traiter.

    Voir aussi :
    LLM
    Fenêtre de contexte

    Transformer

    Fondamentaux

    Architecture de réseau de neurones révolutionnaire (2017) utilisant des mécanismes d'attention pour traiter les séquences. Base de tous les LLM modernes, elle permet de capturer les relations à longue distance dans le texte.

    Voir aussi :
    LLM
    Attention

    Vision (Computer Vision)

    Usage & Applications

    Capacité d'une IA à analyser et comprendre des images ou vidéos. Les LLM multimodaux peuvent décrire des images, extraire du texte (OCR) ou répondre à des questions sur des visuels.

    Voir aussi :
    Multimodal
    OCR

    Zero-shot

    Technique

    Capacité d'un modèle à accomplir une tâche sans exemple préalable, uniquement à partir de l'instruction. Les LLM modernes excellent en zero-shot grâce à leur pré-entraînement massif.

    Voir aussi :
    Few-shot Learning
    Prompt

    Besoin d'aller plus loin ?

    Ce glossaire vous donne les bases. Pour une compréhension approfondie et une stratégie IA adaptée à votre entreprise, échangeons.

    Demander un audit gratuit