Bibliothèque d'apprentissage de l'IA
Glossaire de l'IA : plus de 150 termes expliqués simplement
Un glossaire en français clair des termes d'IA que l'on croise vraiment au travail — des tokens au RAG jusqu'au règlement européen sur l'IA.
162 termes
Aucun terme ne correspond. Essayez un mot plus court, ou .
A
Espace d'action
L'ensemble complet des choses qu'un agent est autorisé à faire — ses outils, ses API et ses permissions.
Fonction d'activation
L'étape non linéaire appliquée à chaque unité, sans laquelle un réseau profond se réduirait à un simple réseau linéaire.
Exemple adverse
Une entrée perturbée juste assez pour tromper un modèle, tout en paraissant inchangée à un humain.
Mémoire d'agent
La façon dont un agent conserve des informations d'une étape et d'une session à l'autre, au-delà de la fenêtre de contexte.
IA agentique
Une IA qui agit — planifie, utilise des outils, se corrige — au lieu de seulement produire du texte.
Boucle agentique
Le cycle qu'un agent répète : raisonner sur ce qu'il faut faire, agir, observer le résultat, décider à nouveau.
Agent IA
Un logiciel qui planifie et agit pour atteindre un objectif à votre place, au lieu de seulement répondre.
Alignement de l'IA
Le problème consistant à faire poursuivre aux systèmes d'IA ce que nous voulons réellement, y compris ce que nous n'avons jamais pensé à préciser.
Gouvernance de l'IA
La structure interne des décisions, des responsables et des contrôles qui encadre la façon dont une organisation construit et utilise l'IA.
Incident lié à l'IA
Un événement où un système d'IA cause un préjudice, ou manque de peu d'en causer un — de plus en plus souvent quelque chose que vous devez consigner et signaler.
Maîtrise de l'IA
Au sens du règlement européen sur l'IA : les compétences et la compréhension dont le personnel a besoin pour utiliser des systèmes d'IA en connaissance de cause — et une obligation légale depuis février 2025.
Bac à sable réglementaire de l'IA
Au sens du règlement européen sur l'IA : un environnement supervisé où les innovateurs peuvent développer et tester des systèmes d'IA sous l'œil d'un régulateur.
Sûreté de l'IA
Le domaine qui cherche à empêcher les systèmes d'IA de causer des préjudices, des défaillances quotidiennes aux risques systémiques.
AI slop
Du contenu généré par IA de faible qualité, produit pour le volume et non pour la valeur.
Système d'IA (définition juridique)
Au sens du règlement européen sur l'IA : un système automatisé qui fonctionne avec une certaine autonomie et déduit ses sorties à partir de ses entrées.
Biais algorithmique
Quand un système produit des résultats systématiquement différents selon les groupes, sans justification.
API API
L'interface que votre code utilise pour envoyer un prompt à un modèle et recevoir une réponse.
Clé API
L'identifiant secret qui authentifie et facture vos appels d'API — et qui ne doit jamais arriver jusqu'à un navigateur.
Intelligence artificielle générale AGI
Un système hypothétique égalant l'étendue humaine sur pratiquement n'importe quelle tâche cognitive — sans définition ni calendrier faisant consensus.
Intelligence artificielle AI
Des logiciels qui accomplissent des tâches que l'on associe d'ordinaire à la pensée humaine — reconnaître, prédire, générer, décider.
Mécanisme d'attention
L'opération qui permet à un modèle de pondérer les parties de l'entrée qui comptent le plus pour chaque partie de la sortie.
Autonomie
Jusqu'où un système agit sans intervention humaine — un curseur, pas un interrupteur.
B
Rétropropagation
L'algorithme qui détermine la part de chaque poids dans l'erreur, pour que la descente de gradient puisse la corriger.
Inférence par lots
Exécuter de nombreuses prédictions ensemble, sous forme de tâche groupée, plutôt qu'une par une en temps réel.
Taille de lot
Le nombre d'exemples que le modèle traite avant de mettre à jour ses poids une fois.
Benchmark
Un jeu de tests standard servant à comparer des modèles — utile pour donner une direction, peu fiable comme garantie.
Biais
Une distorsion systématique des sorties d'un modèle — une propriété des données et de la conception, pas une accusation morale.
Catégorisation biométrique
Au sens du règlement européen sur l'IA : ranger des personnes dans des catégories à partir de leurs données biométriques — encadré, et interdit pour les attributs sensibles.
C
Marquage CE
Le marquage déclarant qu'un système d'IA à haut risque est conforme aux exigences européennes applicables.
Prompting en chaîne de pensée CoT
Demander au modèle de dérouler son raisonnement étape par étape avant de répondre.
Découpage (chunking)
Découper des documents en passages assez petits pour être vectorisés et retrouvés utilement.
Classification
Prédire à quelle catégorie appartient quelque chose.
Computer use
Un agent qui se sert d'un ordinateur comme le ferait une personne — en lisant l'écran, en déplaçant le curseur, en tapant au clavier.
Évaluation de la conformité
La procédure démontrant qu'un système d'IA à haut risque satisfait aux exigences du règlement avant sa mise sur le marché.
Content Credentials C2PA
Des métadonnées signées cryptographiquement qui consignent la façon dont un média a été créé et modifié.
Ingénierie du contexte
Décider quelles informations entrent dans la fenêtre de contexte, dans quel ordre, et ce que l'on en laisse dehors.
Fenêtre de contexte
Le nombre maximal de tokens qu'un modèle peut prendre en compte d'un coup — prompt, documents et sa propre réponse réunis.
Copilote
Un assistant IA intégré à un outil, qui suggère pendant que vous gardez la main.
D
Empoisonnement des données
Corrompre les données d'entraînement pour que le modèle obtenu se comporte mal, souvent uniquement sur un déclencheur précis.
Provenance des données
Un enregistrement documenté de l'origine des données, de la façon dont elles ont été collectées et de ce que l'on a le droit d'en faire.
Apprentissage profond
De l'apprentissage automatique fondé sur des réseaux de neurones à nombreuses couches — l'approche derrière presque tous les systèmes d'IA modernes.
Deepfake
De l'audio ou de la vidéo de synthèse qui montre de façon convaincante une personne réelle faisant ou disant ce qu'elle n'a jamais fait ni dit.
Déployeur
Au sens du règlement européen sur l'IA : quiconque utilise un système d'IA sous sa propre autorité, dans un cadre professionnel.
Confidentialité différentielle
Une garantie mathématique selon laquelle un résultat change à peine, que les données d'une personne donnée aient été incluses ou non.
Modèle de diffusion
L'architecture derrière la plupart des générations d'images et de vidéos par IA : partir du bruit et le retirer étape par étape.
Distillation
Entraîner un petit modèle à imiter un grand, en conservant l'essentiel de la qualité pour une fraction du coût.
Fournisseur en aval
Au sens du règlement européen sur l'IA : un fournisseur dont le système intègre un modèle d'IA à usage général conçu par quelqu'un d'autre.
E
Embedding
Une liste de nombres représentant du sens, où les choses semblables se retrouvent proches les unes des autres.
Système de reconnaissance des émotions
Au sens du règlement européen sur l'IA : un système qui identifie ou déduit des émotions ou des intentions à partir de données biométriques — interdit au travail et à l'école.
Époque (epoch)
Un passage complet de l'algorithme d'entraînement sur la totalité du jeu de données d'entraînement.
Règlement européen sur l'IA (AI Act)
Le règlement de l'UE sur l'intelligence artificielle — la première loi générale et contraignante sur l'IA, qui s'applique par niveau de risque.
Évaluation (evals)
La mesure systématique de la capacité d'un système d'IA à faire ce dont vous avez besoin — vos tests à vous, pas ceux du fournisseur.
Explicabilité XAI
Pouvoir donner à un humain un compte rendu intelligible des raisons pour lesquelles un système a produit une sortie donnée.
F
Équité
L'exigence qu'un système traite les personnes de façon équitable — avec plusieurs définitions mathématiques dont on peut prouver qu'elles s'opposent.
Caractéristique
Une variable d'entrée que le modèle utilise pour produire sa prédiction.
Few-Shot Prompting
Inclure plusieurs exemples dans le prompt pour que le modèle déduise le schéma que vous attendez.
Fine-Tuning
Poursuivre l'entraînement sur vos propres exemples pour spécialiser le comportement d'un modèle généraliste.
Modèle de fondation
Un grand modèle entraîné largement une seule fois, puis adapté à de nombreuses tâches en aval au lieu d'être construit tâche par tâche.
Modèle de pointe
Un modèle au niveau de l'état de l'art actuel en capacité générale, ou au-delà — celui que les régulateurs surveillent le plus étroitement.
Appel de fonctions
Le mécanisme par lequel un modèle demande à votre code d'exécuter une fonction précise avec des arguments précis.
G
GAN (réseau antagoniste génératif) GAN
Deux réseaux entraînés l'un contre l'autre — l'un qui fabrique des faux, l'autre qui les détecte.
Modèle d'IA à usage général GPAI
Selon le règlement européen sur l'IA : un modèle d'une généralité significative, capable d'exécuter un large éventail de tâches et d'être intégré dans de nombreux systèmes.
IA générative GenAI
Des modèles qui produisent du contenu nouveau — texte, images, audio, vidéo, code — au lieu de seulement classer ou noter du contenu existant.
GPU GPU
Le processeur parallèle qui a rendu l'apprentissage profond praticable, et la ressource la plus rare du secteur.
Descente de gradient
La méthode d'optimisation qui trouve de meilleurs paramètres en descendant pas à pas la pente de la perte.
Garde-fous
Des contrôles qui limitent ce qu'on peut demander à un modèle et ce qu'il a le droit de produire.
H
Hallucination
Une sortie fluide et assurée qui est tout simplement fausse — le mode de défaillance emblématique des modèles de langage.
Système d'IA à haut risque
Selon le règlement européen sur l'IA : un système relevant d'un cas d'usage sensible répertorié, autorisé mais soumis aux obligations les plus strictes.
Contrôle humain
Selon le règlement européen sur l'IA : l'exigence que des personnes puissent comprendre, surveiller, corriger et arrêter un système à haut risque.
Humain dans la boucle HITL
Une conception où une personne relit ou approuve avant qu'une action de l'IA prenne effet.
Recherche hybride
Combiner recherche par mots-clés et recherche vectorielle, parce que chacune échoue là où l'autre fonctionne.
Hyperparamètre
Un réglage que vous choisissez avant l'entraînement, par opposition à un paramètre que le modèle apprend pendant.
I
Inférence
Exécuter un modèle entraîné pour obtenir une réponse — tout ce qui se passe une fois l'entraînement terminé.
Coût d'inférence
Ce que coûte l'exécution d'un modèle en production, facturé par token entrant et par token sortant.
Interprétabilité
Comprendre le fonctionnement interne d'un modèle, au lieu de se contenter de décrire ses sorties.
ISO/IEC 42001
La norme internationale pour un système de management de l'IA — certifiable, contrairement au cadre du NIST.
J
K
L
Étiquette
La bonne réponse attachée à un exemple d'entraînement.
Grand modèle de langage LLM
Un modèle entraîné sur d'énormes quantités de texte à prédire le token suivant, ce qui suffit, il se trouve, pour rédiger, résumer, traduire et raisonner.
Latence
Le temps que prend une requête — la différence entre un assistant qui semble vivant et un assistant qui semble cassé.
Taux d'apprentissage
L'ampleur du pas que fait l'entraînement à chaque mise à jour — l'hyperparamètre le plus susceptible de ruiner un run.
LLMOps
Le MLOps des systèmes bâtis sur des modèles de langage — prompts, évaluations, coûts et sécurité au lieu de sessions d'entraînement.
LoRA (adaptation de faible rang)
Une méthode de fine-tuning bon marché qui entraîne un petit module additionnel au lieu de mettre à jour tout le modèle.
Fonction de perte
La formule qui mesure à quel point la prédiction d'un modèle est fausse — ce que l'entraînement cherche à minimiser.
M
Apprentissage automatique ML
Une façon de construire des logiciels où le système apprend des motifs à partir d'exemples au lieu de suivre des règles écrites à la main.
Méta-prompting
Utiliser un modèle pour rédiger, critiquer ou améliorer les prompts destinés à un autre modèle.
Mélange d'experts MoE
Une architecture où seule une fraction des paramètres du modèle s'active pour un token donné.
MLOps
Les pratiques qui permettent de mettre des modèles de machine learning en production et de les y maintenir opérationnels.
Modèle
L'artefact entraîné — les paramètres appris plus l'architecture — qui transforme une entrée en sortie.
Fiche de modèle
Un court document standard indiquant à quoi sert un modèle, comment il a été évalué et où il échoue.
Model Context Protocol MCP
Une norme ouverte pour connecter des applications d'IA à des outils et à des sources de données via une interface commune.
Dérive du modèle
Une dégradation silencieuse à mesure que le monde s'éloigne des données sur lesquelles un modèle a été entraîné.
Système multi-agents
Plusieurs agents spécialisés qui travaillent ensemble, généralement avec un coordinateur qui répartit le travail.
IA multimodale
Un modèle qui gère plus d'un type d'entrée ou de sortie — texte, images, audio, vidéo.
N
IA étroite
Une IA conçue pour une tâche précise, c'est-à-dire tous les systèmes d'IA qui existent aujourd'hui.
Prompt négatif
En génération d'images, la liste de ce que vous voulez tenir à l'écart du résultat.
Réseau de neurones
Un modèle fait de couches d'unités connectées qui se transmettent des nombres, vaguement inspiré des neurones.
NIST AI Risk Management Framework AI RMF
Un cadre américain volontaire de gestion du risque lié à l'IA, organisé autour de Govern, Map, Measure, Manage.
O
IA embarquée
Faire tourner un modèle sur un téléphone ou un ordinateur portable au lieu d'envoyer les données à un serveur.
One-Shot Prompting
Donner exactement un exemple traité à côté de la consigne.
Modèle à poids ouverts
Un modèle dont vous pouvez télécharger et exécuter vous-même les poids entraînés — pas nécessairement open source au sens strict.
Orchestration
La couche qui décide quel modèle, quel outil ou quel agent traite chaque étape, et dans quel ordre.
Surapprentissage
Quand un modèle mémorise ses données d'entraînement au lieu d'apprendre le motif, et échoue sur tout ce qui est nouveau.
P
Paramètre
L'un des nombres internes qu'un modèle ajuste pendant l'entraînement ; le nombre de paramètres est un indicateur grossier de sa capacité.
Surveillance après commercialisation
Selon le règlement européen sur l'IA : les fournisseurs doivent continuer à surveiller le comportement de leur système dans le monde réel après son lancement.
Précision et rappel
Les deux métriques qui vous disent vraiment si un classifieur fonctionne quand une classe est rare.
Pratique d'IA interdite
Selon le règlement européen sur l'IA : des usages de l'IA purement et simplement interdits dans l'UE, en vigueur depuis février 2025.
Prompt
L'entrée que vous donnez à un modèle — instructions, contexte, exemples et question, le tout sous forme de texte.
Prompt caching
Réutiliser la forme déjà traitée d'un préfixe de prompt répété, pour ne pas le payer plein tarif une seconde fois.
Prompt engineering
Concevoir et itérer sur les prompts pour obtenir des résultats fiables — plus proche de la rédaction d'un cahier des charges que des formules magiques.
Injection de prompt
Dissimuler des instructions dans un contenu que le modèle lit, de sorte qu'un tiers prend en réalité le contrôle du prompt.
Template de prompt
Un prompt réutilisable avec des emplacements variables, pour transformer un prompt qui marche en actif reproductible.
Fournisseur
Au sens de l'AI Act européen : celui qui développe un système d'IA ou un modèle d'IA à usage général et le met sur le marché sous son propre nom ou sa propre marque.
Q
R
Rate limit
Le plafond fixé par un fournisseur sur le nombre de requêtes ou de tokens que vous pouvez consommer par intervalle.
Pattern ReAct
Une conception d'agent qui entrelace raisonnement explicite et actions, une étape à la fois.
Modèle de raisonnement
Un modèle entraîné à consacrer du calcul supplémentaire à décortiquer un problème avant de répondre.
Red teaming
Attaquer délibérément votre propre système d'IA pour trouver les défaillances avant que quelqu'un d'autre ne le fasse.
Régression
Prédire un nombre plutôt qu'une catégorie.
Régularisation
Toute technique qui contraint délibérément un modèle pour l'empêcher d'apprendre par cœur le jeu d'entraînement.
Apprentissage par renforcement RL
Apprendre par essais et erreurs, guidé par des récompenses plutôt que par des réponses étiquetées.
IA responsable
La pratique consistant à construire et déployer l'IA en prenant délibérément en compte ses effets sur les personnes.
Retrieval-Augmented Generation (RAG) RAG
Aller d'abord chercher les documents pertinents et les placer dans le prompt, pour que le modèle réponde à partir de sources plutôt que de mémoire.
RLHF (apprentissage par renforcement à partir de retours humains) RLHF
Entraîner un modèle sur des jugements de préférence humains pour qu'il devienne utile et bien élevé, et pas seulement fluide.
Robustesse
La capacité d'un système à continuer de fonctionner quand les entrées sont bruitées, inhabituelles ou délibérément adverses.
Role prompting
Attribuer un rôle au modèle pour façonner son vocabulaire, sa profondeur et son cadrage.
S
SDK SDK
Une bibliothèque officielle qui encapsule l'API d'un fournisseur dans votre langage de programmation.
Apprentissage auto-supervisé
Un entraînement où les données génèrent leurs propres étiquettes — l'astuce qui a rendu possibles les grands modèles de langage.
Shadow AI
Des salariés qui utilisent des outils d'IA que l'organisation n'a pas approuvés et ne peut pas voir.
Reconnaissance vocale (speech-to-text) STT
Transformer de l'audio parlé en texte écrit.
Sortie structurée
Forcer le modèle à renvoyer des données selon un schéma fixe, pour que le code en aval puisse les parser.
Apprentissage supervisé
Apprendre à partir d'exemples fournis avec la bonne réponse.
Données synthétiques
Des données d'entraînement ou de test générées par un modèle plutôt que collectées dans le monde réel.
Prompt système
Des instructions permanentes qui fixent le rôle, les règles et le ton d'un modèle pour toute une conversation.
Risque systémique
Au sens de l'AI Act européen : le risque né des capacités à fort impact des modèles à usage général les plus performants.
T
Documentation technique
Au sens de l'AI Act européen : le dossier décrivant comment un système a été construit, testé et contrôlé, tenu prêt pour les autorités.
Température
Le réglage qui contrôle l'aléa dans la génération — bas pour la constance, haut pour la variété.
Données de test
Des données que le modèle n'a jamais vues, utilisées une seule fois à la fin pour estimer la performance réelle.
Test-time compute
Dépenser plus de calcul au moment de répondre — réfléchir plus longtemps — pour obtenir de meilleurs résultats sans réentraîner.
Text-to-image
Générer une image à partir d'une description écrite.
Synthèse vocale (text-to-speech) TTS
Générer de l'audio parlé à partir d'un texte écrit.
Text-to-video
Générer des clips vidéo à partir d'une description écrite.
Débit (throughput)
La quantité de travail qu'un système traite par unité de temps — tokens par seconde, requêtes par minute.
Token
L'unité que le modèle lit et écrit réellement — le plus souvent un fragment de mot, pas un mot.
Tokenisation
Découper le texte en tokens que le modèle peut traiter — et une source discrète de comportements étranges.
Utilisation d'outils (tool use)
Un modèle qui appelle des logiciels externes — recherche, code, API, bases de données — au lieu de répondre de mémoire.
Top-p (échantillonnage par noyau)
Un autre contrôle de l'aléa, qui échantillonne uniquement dans le plus petit ensemble de tokens couvrant la probabilité p.
TPU TPU
La puce accélératrice maison de Google, conçue spécifiquement pour les charges de travail de machine learning.
Données d'entraînement
Les exemples dont un modèle apprend — le facteur qui détermine le plus ce qu'il sait faire et ce qu'il ne sait pas faire.
Transformer
L'architecture de réseau de neurones derrière pratiquement tous les modèles de langage modernes, construite autour de l'attention.
Transparence
Faire savoir clairement ce qu'est un système d'IA, sur quoi il a été entraîné et quand quelqu'un interagit avec lui.
IA digne de confiance
Un terme générique pour les propriétés dont un système d'IA a besoin pour qu'on s'y fie : valide, sûr, sécurisé, redevable, explicable, équitable, respectueux de la vie privée.
U
V
Données de validation
Une part de données mise de côté pour régler les paramètres et suivre les progrès pendant l'entraînement, sans toucher au jeu de test.
Base de données vectorielle
Une base de données conçue pour stocker des embeddings et retrouver très vite les plus proches.
Recherche vectorielle
Trouver du contenu par le sens plutôt que par correspondance de mots-clés.
W
Tatouage numérique (watermarking)
Intégrer un signal détectable dans un contenu généré par IA pour en marquer l'origine.
Poids
Les forces apprises des connexions d'un réseau de neurones — la substance même de ce qu'un modèle sait.
Automatisation de workflows
Enchaîner des étapes d'IA dans un processus défini qui s'exécute de la même façon à chaque fois.