Les mots de l’IA

Le jargon de l’IA, traduit simplement.

25 mots essentiels, une définition courte et un exemple concret. Recherchez le terme que vous venez de rencontrer.

25 mots

AUsage

Agent IA

Un système capable d’enchaîner des étapes et d’utiliser des outils pour atteindre un objectif, avec plus ou moins d’autonomie.

Exemple Un agent peut chercher des créneaux, comparer des options puis préparer une réservation à faire valider.
ABase

Algorithme

Une suite d’instructions précises permettant de transformer des informations d’entrée en un résultat.

Exemple Une recette de cuisine ressemble à un algorithme : elle décrit les étapes à suivre.
ATechnique

API

Une porte d’entrée qui permet à deux logiciels d’échanger des demandes et des résultats de façon organisée.

Exemple Un site peut utiliser une API pour envoyer une question à un modèle d’IA et afficher sa réponse.
AFonctionnement

Apprentissage automatique

Une méthode qui permet à un système de repérer des régularités dans des données au lieu de recevoir toutes les règles une par une.

Exemple Le système apprend à reconnaître des courriels indésirables à partir d’exemples déjà classés.
AFonctionnement

Apprentissage profond

Une forme d’apprentissage automatique utilisant des réseaux de neurones composés de nombreuses couches.

Exemple Il est notamment utilisé pour analyser des images, de la parole ou de grandes quantités de texte.
BVigilance

Biais

Une tendance répétée qui déforme un résultat ou avantage certains cas au détriment d’autres.

Exemple Des données peu représentatives peuvent produire de moins bons résultats pour certains groupes.
CUsage

Chatbot

Un programme conçu pour dialoguer avec une personne par écrit ou par la voix.

Exemple Le chatbot d’un service client peut répondre aux questions fréquentes.
CFonctionnement

Contexte

L’ensemble des informations que le modèle peut prendre en compte pour produire sa réponse à un moment donné.

Exemple Les messages précédents et le document joint peuvent faire partie du contexte.
DFonctionnement

Données d’entraînement

Les textes, images, sons ou autres exemples utilisés pour ajuster un modèle pendant sa création.

Exemple Un modèle de reconnaissance d’images apprend à partir d’un grand ensemble d’images.
DVigilance

Deepfake

Une image, une vidéo ou une voix créée ou modifiée par IA pour imiter de façon crédible une personne ou une situation.

Exemple Une fausse vidéo peut donner l’impression qu’une personne a prononcé des mots qu’elle n’a jamais dits.
EFonctionnement

Entraînement

La phase durant laquelle un modèle ajuste ses paramètres en étudiant de nombreux exemples.

Exemple Après l’entraînement, le modèle peut utiliser ce qu’il a appris pour traiter une nouvelle demande.
HVigilance

Hallucination

Une réponse fausse ou inventée produite par une IA avec une apparence parfois très convaincante.

Exemple L’IA peut citer un livre ou un jugement qui n’existe pas.
IBase

IA générative

Une IA capable de produire un nouveau contenu, comme du texte, une image, du son, de la vidéo ou du code.

Exemple Elle peut proposer le premier brouillon d’un message à partir d’une consigne.
IBase

Intelligence artificielle

Un ensemble de techniques permettant à une machine de produire des résultats comme des prédictions, recommandations ou contenus.

Exemple Une IA peut classer des photos, recommander une musique ou répondre à une question.
IFonctionnement

Inférence

Le moment où un modèle déjà entraîné utilise une nouvelle entrée pour produire un résultat.

Exemple Lorsque vous envoyez un prompt et recevez une réponse, le modèle réalise une inférence.
MTechnique

Modèle de langage — LLM

Un modèle entraîné sur de grandes quantités de texte pour traiter et produire du langage.

Exemple Un LLM peut reformuler un texte, répondre à une question ou résumer un document.
MBase

Modèle d’IA

Le mécanisme mathématique obtenu après l’entraînement et utilisé pour produire un résultat.

Exemple Une application de chatbot est l’interface ; le modèle est le moteur qui génère la réponse.
MCapacité

Multimodal

Se dit d’un système capable de traiter ou de produire plusieurs types de contenus.

Exemple Une IA multimodale peut analyser une photo puis répondre à une question écrite à son sujet.
PTechnique

Paramètre

Une valeur interne ajustée pendant l’entraînement qui participe aux calculs du modèle.

Exemple Un grand modèle peut comporter des milliards de paramètres, sans que chacun corresponde à une règle lisible.
PUsage

Prompt

La demande ou consigne donnée à une IA pour lui indiquer ce que l’on attend.

Exemple « Résume ce texte en cinq points pour un débutant » est un prompt.
RTechnique

RAG

Une méthode qui recherche d’abord des informations dans des documents, puis les fournit au modèle pour construire sa réponse.

Exemple Un assistant interne peut rechercher dans les procédures de l’entreprise avant de répondre.
RFonctionnement

Réseau de neurones

Un modèle composé de nombreuses unités de calcul reliées entre elles, dont les paramètres sont ajustés par apprentissage.

Exemple Malgré son nom, il s’agit d’un système mathématique et non d’un cerveau humain.
TTechnique

Token — jeton

Un petit morceau de texte traité par un modèle de langage : un mot, une partie de mot ou un signe.

Exemple La longueur maximale d’une conversation et certains tarifs d’API sont mesurés en tokens.
TTechnique

Température

Un réglage qui influence la variété des réponses produites par certains modèles génératifs.

Exemple Une température plus élevée peut varier davantage les formulations, sans rendre la réponse plus exacte.
TVigilance

Transparence

Le fait de donner des informations utiles sur l’emploi d’une IA, son origine, ses capacités et ses limites.

Exemple Signaler qu’un contenu a été généré ou modifié par IA aide le public à l’interpréter.

Un mot ne suffit pas toujours

Comprendre le terme, puis voir comment il s’utilise.

Le glossaire donne un premier repère. Les fiches pédagogiques expliquent ensuite les usages, les limites et les bons réflexes.

Parcourir les 15 fiches