AI Glossary

Modèle de fondation

L’idée du modèle de fondation inverse l’ancien flux de travail : plutôt que d’entraîner un modèle neuf pour chaque problème, on entraîne un modèle généraliste à grands frais et on l’adapte à moindre coût par prompting ou par fine-tuning. Cette économie explique pourquoi une poignée de laboratoires entraînent les modèles et pourquoi tous les autres construisent par-dessus. Le règlement européen sur l’IA traite à peu près la même chose sous le nom de modèle d’IA à usage général. ...

Modèle de pointe

Modèle de pointe n’a aucun seuil technique net ; l’expression désigne ce qui est actuellement le plus capable et donc le moins bien compris. Le terme compte surtout côté politique publique, où des obligations supplémentaires d’évaluation et de déclaration s’attachent à l’avant-garde. Le concept le plus proche dans le règlement européen sur l’IA est le modèle d’IA à usage général présentant un risque systémique. En pratique : À chaque génération, le modèle de pointe d’hier devient le modèle par défaut ordinaire d’aujourd’hui. ...

Modèle de raisonnement

Les modèles de raisonnement produisent des étapes intermédiaires — un brouillon privé — avant la réponse finale, et sont entraînés à bien le faire plutôt que simplement poussés à le faire par le prompt. Ils échangent de la latence et du coût contre de la précision en maths, en code et en analyse en plusieurs étapes. Sur des tâches simples, ils sont plus lents et plus chers sans aucun bénéfice. ...

NIST AI Risk Management Framework

Publié par le NIST en janvier 2023, l’AI RMF relève de la recommandation et non de la loi, et il ne vise aucun secteur en particulier. Ses quatre fonctions donnent aux équipes une structure pour cerner le contexte, mesurer le risque et agir dessus. Il est devenu la référence de fait des programmes de gouvernance de l’IA, y compris dans des entreprises sans la moindre obligation américaine, parce qu’il est pratique et gratuit. ...

One-Shot Prompting

Un seul exemple suffit souvent à verrouiller le format quand la tâche elle-même est comprise mais pas la forme attendue de la sortie. C’est le moyen le moins cher d’empêcher un modèle d’emballer du JSON dans de la prose. En pratique : Montrez une paire entrée-sortie, puis passez la vraie entrée.

Orchestration

L’orchestration, c’est la logique de routage et de contrôle autour des modèles : reprises, solutions de repli, escalade en commençant par le modèle le moins cher, étapes en parallèle, gestion de l’état. En production, c’est cette couche, et non le modèle, qui détermine généralement si le système est fiable et abordable. En pratique : Router les tickets faciles vers un petit modèle, escalader les cas ambigus vers un modèle de raisonnement. ...

Paramètre

Les paramètres sont les valeurs apprenables à l’intérieur d’un modèle — surtout des poids et des biais. L’entraînement est le processus qui les pousse petit à petit jusqu’à ce que les sorties du modèle cessent d’être fausses. Les chiffres affichés en titre, comme ‘70 milliards de paramètres’, décrivent une capacité, pas une qualité : l’architecture, les données et le post-entraînement comptent souvent plus que la taille brute. En pratique : Un modèle 70B possède environ 70 milliards de nombres ajustables ; un nombre plus grand ne signifie pas automatiquement de meilleures réponses. ...

Pattern ReAct

ReAct — reason plus act, raisonner et agir — fait énoncer au modèle son raisonnement, exécuter une action, lire l’observation, puis réfléchir de nouveau. Alterner les deux fonctionne mieux que tout raisonner d’avance, parce que les environnements réels réservent des surprises. La plupart des frameworks d’agents en implémentent une version. En pratique : Pensée : il me faut la date de la facture. Action : search_invoices. Observation : trois résultats. Pensée : prendre la plus récente. ...

Poids

Les poids déterminent la contribution de chaque entrée à chaque sortie, à chaque couche. Ils partent de valeurs aléatoires et sont mis à jour par descente de gradient jusqu’à ce que la perte cesse de s’améliorer. Quand on parle de ‘poids ouverts’, on veut dire que les nombres entraînés sont téléchargeables, ce qui rend possible l’usage local et auto-hébergé. En pratique : Télécharger un modèle à poids ouverts, c’est télécharger un fichier de milliards de nombres à virgule flottante. ...

Pratique d'IA interdite

L’article 5 interdit une liste définie : techniques manipulatrices qui altèrent substantiellement le comportement et causent un préjudice, exploitation de vulnérabilités, notation sociale par des autorités publiques ou pour leur compte, moissonnage non ciblé d’images faciales pour constituer des bases de reconnaissance, et inférence des émotions au travail et à l’école — avec des exceptions étroites. Ces interdictions s’appliquent indépendamment de toute évaluation des risques : il n’existe aucune voie de mise en conformité. ...