Vocabulaire de l'IA : 40 mots de l'intelligence artificielle expliqués simplement

01Agent IA: IA qui ne se contente pas de répondre mais agit : elle utilise des outils, ouvre des fichiers, navigue sur le web, enchaîne des étapes pour accomplir une tâche.
02AI Act (règlement européen sur l'IA): Le règlement de l'Union européenne sur l'intelligence artificielle, entré en vigueur en 2024 avec des obligations appliquées par étapes. Il classe les systèmes d'IA selon leur niveau de risque.
03Alignement: Le travail visant à ce qu'une IA se comporte selon les intentions et les valeurs humaines : utile, honnête, inoffensive.
04API: La « porte de service » par laquelle un programme utilise une IA sans passer par le chat. On paie selon les tokens consommés.
05Benchmark (banc d'essai): Test standardisé pour comparer les modèles. Utile comme indication, mais il ne dit pas comment un modèle se comportera sur votre travail précis.
06Biais: Distorsion dans les réponses de l'IA héritée des données ou de l'entraînement : stéréotypes, points de vue surreprésentés, lacunes sur certains sujets.
07Chatbot (agent conversationnel): Programme avec lequel on dialogue par écrit (ou à l'oral). Aujourd'hui, presque tous les chatbots sont un LLM doté d'une interface de discussion.
08Clé API: Le code secret qui identifie l'utilisateur de l'API et à qui facturer les coûts. Elle se garde comme un mot de passe : ne jamais la publier.
09Date de coupure (cutoff): La date au-delà de laquelle le modèle n'a pas d'informations issues de l'entraînement. Pour l'actualité, l'IA doit chercher sur le web ou recevoir les données.
10Deep learning (apprentissage profond): Machine learning réalisé avec des réseaux de neurones à nombreuses couches. C'est la technique derrière presque toute l'IA moderne : chatbots, traducteurs, générateurs d'images.
11Deepfake (hypertrucage): Image, vidéo ou voix fausse mais réaliste, générée par l'IA pour faire croire qu'une personne a dit ou fait quelque chose.
12Données d'entraînement: Les textes, images ou sons à partir desquels le modèle a appris. Si les données sont déséquilibrées ou datées, les réponses le seront aussi.
13Embedding (plongement): Transformation d'un texte en une liste de nombres qui représente son sens. Elle sert à retrouver des textes proches même avec des mots différents.
14Entraînement: La phase où le modèle apprend en analysant d'énormes quantités de données. Elle est longue et coûteuse, et a lieu avant la mise à disposition du public.
15Fenêtre de contexte: La quantité de texte que le modèle peut « garder en tête » en une fois, mesurée en tokens. Au-delà, le début de la conversation est perdu.
16Filigrane IA: Signal caché inséré dans un contenu généré, pour pouvoir reconnaître ensuite qu'il a été produit par une IA.
17Fine-tuning (ajustement fin): Entraînement supplémentaire d'un modèle existant sur des données spécifiques, pour le spécialiser dans une tâche, un style ou un domaine.
18Garde-fous: Règles et filtres qui empêchent l'IA de produire certains contenus ou d'accomplir certaines actions.
19GPU (processeur graphique): Le processeur des cartes graphiques. Il effectue énormément de calculs en parallèle, c'est pourquoi il fait tourner l'entraînement et les modèles locaux.
20Hallucination: Quand l'IA affirme avec assurance quelque chose de faux : une citation inventée, un chiffre erroné, une source inexistante. Il faut toujours vérifier ce qui compte.
21IA générative: IA qui produit des contenus nouveaux (textes, images, musique, vidéos, code) au lieu de seulement classer ou reconnaître.
22Inférence: Le moment où le modèle déjà entraîné travaille pour vous et produit une réponse. C'est ce que l'on paie quand on utilise une IA via API.
23Intelligence artificielle (IA): Ensemble de techniques qui permettent à un ordinateur d'accomplir des tâches demandant d'ordinaire l'intelligence humaine : comprendre un texte, reconnaître une image, répondre à une question.
24Jailbreak (contournement): Tentative de contourner les règles de sécurité d'une IA avec des prompts conçus à cet effet.
25LLM (grand modèle de langage): Modèle entraîné sur d'énormes quantités de texte pour prédire le mot suivant. De cette capacité naissent l'écriture, les résumés, la traduction et la conversation.
26Machine learning (apprentissage automatique): L'ordinateur ne reçoit pas de règles écrites à la main : il apprend à partir de nombreux exemples à repérer des régularités et à faire des prédictions.
27Modèle: Le « cerveau » déjà entraîné qui fait le travail. ChatGPT, Claude ou Gemini sont des services construits sur un ou plusieurs modèles.
28Modèle de diffusion: La technique de nombreux générateurs d'images : elle part d'une image de pur bruit et la « nettoie » étape par étape jusqu'à obtenir ce que vous décrivez.
29Modèle local: Modèle qui tourne sur votre ordinateur plutôt que sur des serveurs externes : plus de confidentialité et aucun coût à l'usage, mais il faut une machine puissante.
30Modèle à poids ouverts: Modèle dont les « poids » (paramètres entraînés) sont téléchargeables, ce qui permet de le faire tourner sur son propre ordinateur. Pas toujours open source au sens strict.
31Multimodal: Modèle qui comprend (et parfois produit) plusieurs types de contenus à la fois : texte, images, audio, vidéo.
32Paramètres: Les nombres internes que le modèle ajuste pendant l'entraînement. On les compte en milliards : plus de paramètres signifie souvent plus de capacités, mais aussi plus de coût.
33Prompt (consigne): L'instruction que l'on donne à l'IA. Plus elle est claire (contexte, objectif, format, exemples), meilleure est la réponse.
34Prompt système: Instructions de fond, souvent invisibles pour l'utilisateur, qui fixent le rôle, le ton et les limites de l'assistant pour toute la conversation.
35Quantification: Technique qui « compresse » un modèle en réduisant la précision de ses nombres, pour le faire tenir sur des ordinateurs moins puissants. On perd un peu de qualité.
36RAG (génération augmentée par récupération): Technique où l'IA cherche d'abord des informations dans vos documents puis répond en s'appuyant dessus. Elle réduit les hallucinations sur des données précises.
37Réseau de neurones: Structure mathématique inspirée, de très loin, du cerveau : des millions de petits calculs reliés entre eux qui, ensemble, transforment une entrée en réponse.
38Synthèse vocale (TTS): Text-to-speech : l'IA lit un texte à voix haute avec une voix de synthèse de plus en plus naturelle. L'inverse est la reconnaissance vocale (speech-to-text).
39Température: Réglage qui détermine à quel point l'IA « ose » : basse pour des réponses précises et reproductibles, haute pour des réponses plus variées et créatives.
40Token (jeton): Le petit morceau de texte que le modèle lit et écrit : un mot court, un fragment de mot ou un signe. Les coûts et limites des IA se mesurent en tokens.

Vous écrivez ?

Nous préparons NarrativaAI, le correcteur pensé pour celles et ceux qui écrivent des livres et des nouvelles : grammaire, style, rythme, réécriture et lecture à voix haute. Inscrivez-vous à la newsletter pour être prévenu du lancement et recevoir l'essai gratuit de 30 jours.

S'inscrire à la newsletter