AI Glossary

Sûreté de l'IA

La sûreté de l’IA couvre des problèmes immédiats — un modèle qui donne des instructions dangereuses, un système qui échoue silencieusement en production — et des préoccupations à plus long terme sur les systèmes très performants. C’est autant une pratique d’ingénierie qu’une philosophie : évaluation, red teaming, supervision et retour arrière relèvent tous de la sûreté. En pratique : Tester ce qu’un modèle fait d’une requête qu’il devrait refuser, avant que les clients ne le découvrent. ...

Surveillance après commercialisation

L’article 3(25) et l’article 72 imposent aux fournisseurs de collecter et d’examiner l’expérience tirée des systèmes déployés, afin que les problèmes déclenchent une action corrective au lieu de s’accumuler. Cela referme la boucle que la mise en production laisse d’ordinaire ouverte, et cela va de pair avec les obligations de signalement des incidents graves. En pratique : Un plan documenté de collecte des données de performance sur le terrain et d’action à partir de celles-ci. ...

Synthèse vocale (text-to-speech)

La synthèse vocale actuelle produit une prosodie naturelle et peut cloner une voix à partir d’un court échantillon. C’est cette capacité qui a fait du consentement et de la divulgation en matière de clonage vocal des enjeux juridiques et éthiques bien réels, et non théoriques. En pratique : Un cours narré d’une voix constante sur 40 leçons, sans studio.

Système d'IA (définition juridique)

L’article 3(1) définit un système d’IA comme un système automatisé, conçu pour fonctionner à différents niveaux d’autonomie, pouvant faire preuve d’une capacité d’adaptation après son déploiement, et qui déduit, à partir des entrées qu’il reçoit, la manière de générer des sorties telles que des prédictions, du contenu, des recommandations ou des décisions susceptibles d’influencer des environnements. La définition est délibérément neutre sur le plan technologique, et « déduit » est le mot décisif — c’est lui qui sépare un système d’IA d’un logiciel ordinaire. La Commission a publié des lignes directrices en février 2025 pour aider à tracer cette limite. ...

Système d'IA à haut risque

Le haut risque couvre l’IA utilisée comme composant de sécurité d’un produit réglementé, plus la liste de l’annexe III : biométrie, infrastructures critiques, éducation, emploi, services essentiels, forces de l’ordre, migration et justice. Le haut risque n’est pas interdit ; il est encadré. Les obligations incluent la gestion des risques, la gouvernance des données, la documentation technique, la journalisation, le contrôle humain, l’exactitude et la robustesse, ainsi que l’évaluation de la conformité. ...

Système de reconnaissance des émotions

L’article 3(39) le définit et l’article 5 en interdit l’usage au travail et dans l’éducation, avec des exceptions étroites pour des raisons médicales ou de sécurité. Ailleurs, il relève généralement du haut risque. La base scientifique permettant de déduire une émotion d’un visage ou d’une voix est contestée, ce qui explique en partie la sévérité de la restriction. En pratique : Un logiciel prétendant noter l’enthousiasme d’un candidat à partir d’un entretien vidéo. ...

Système multi-agents

Les montages multi-agents découpent une tâche entre des agents aux rôles étroits — rechercher, rédiger, critiquer — en partant du principe qu’un contexte concentré vaut mieux qu’un agent unique qui jongle avec tout. Ils aident réellement sur les tâches qui se décomposent proprement. Ils multiplient aussi le coût, la latence et les modes de défaillance : n’y recourez qu’après l’échec avéré d’un agent unique. En pratique : Un agent rassemble les sources, un deuxième rédige, un troisième vérifie les faits par rapport aux sources. ...

Taille de lot

La taille de lot arbitre entre stabilité, mémoire et vitesse. De grands lots donnent des estimations de gradient plus lisses mais réclament plus de mémoire GPU ; de petits lots sont plus bruités mais généralisent parfois mieux. Elle interagit avec le taux d’apprentissage, si bien que les deux se règlent généralement ensemble. En pratique : Une taille de lot de 32 signifie 32 exemples en entrée, une mise à jour des poids en sortie. ...

Tatouage numérique (watermarking)

Le tatouage numérique biaise la génération pour qu’un motif statistique ou visuel caché puisse être détecté ensuite. C’est une mesure partielle : les filigranes d’image survivent à des retouches légères mais pas à une suppression déterminée, et les filigranes de texte s’affaiblissent avec la paraphrase. L’AI Act européen pousse les fournisseurs vers un marquage lisible par machine des contenus synthétiques. En pratique : Un motif dans les pixels générés qu’un détecteur sait lire mais qu’un spectateur ne voit pas. ...

Taux d'apprentissage

Un taux d’apprentissage trop élevé et l’entraînement dépasse la cible puis diverge ; trop faible et il rampe ou reste coincé. La plupart des runs réels le programment, en partant plus grand puis en le faisant décroître au fil du temps. C’est l’exemple classique de l’hyperparamètre : fixé par vous, pas appris par le modèle. En pratique : Mêmes données, même architecture, taux d’apprentissage 10× trop élevé — la perte part à l’infini. ...