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
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.
API (Application Programming Interface)
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.
Automatisation IA
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.
Base vectorielle
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.
Biais algorithmique
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.
Chain-of-Thought (CoT)
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.
Confidentialité des données
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.
Copilot
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.
Deep Learning
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.
Embeddings
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.
Explicabilité (XAI)
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.
Fenêtre de contexte
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.
Few-shot Learning
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.
Fine-tuning
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.
Génération de contenu
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.
Gouvernance IA
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.
GPT (Generative Pre-trained Transformer)
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.
Grounding
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.
Hallucination
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.
Human-in-the-Loop
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.
IA Responsable
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.
Inférence
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.
Intelligence Artificielle (IA)
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.
LLM (Large Language Model)
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.
Machine Learning
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.
Multimodal
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.
Politique d'usage IA
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.
Prompt
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.
Prompt Engineering
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.
RAG (Retrieval-Augmented Generation)
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.
Shadow AI
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.
Température
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.
Token
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.
Transformer
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.
Vision (Computer Vision)
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.
Zero-shot
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.
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