De l'apprentissage automatique aux agents : le vocabulaire de l'intelligence artificielle, en clair. Cherchez un terme ou filtrez par niveau et par thème.
29 termes
Un agent IA, c'est une intelligence artificielle qui ne se contente pas de répondre, mais qui agit : elle enchaîne des étapes, utilise des outils, réserve, envoie un mail ou cherche sur le web pour atteindre un but que vous lui avez donné. Elle décide elle-même de la marche à suivre.
Les AI Overviews (aperçus IA), c'est le résumé généré par l'IA de Google qui s'affiche tout en haut des résultats de recherche, avant les liens classiques. Il répond directement à la question et cite quelques sources. Cela réduit les clics vers les sites, mais offre une nouvelle place de choix à conquérir.
Le biais algorithmique, c'est quand une IA reproduit ou amplifie des préjugés présents dans ses données d'entraînement : favoriser un profil, négliger une langue, véhiculer un stéréotype. Le modèle apprend ce qu'on lui montre, sans recul critique. Pour une entreprise, cela peut fausser un tri de candidatures ou une réponse client.
ChatGPT, c'est l'assistant conversationnel d'OpenAI, lancé fin 2022, qui a popularisé l'IA générative auprès du grand public. On lui pose une question ou on lui donne une tâche en langage courant, et il répond en texte. Beaucoup de vos clients l'utilisent désormais pour chercher un service ou comparer des offres.
Claude, c'est l'assistant IA développé par Anthropic, un concurrent direct de ChatGPT. Il est apprécié pour ses réponses longues, son raisonnement sur des documents volumineux et son ton mesuré. Comme les autres assistants, il peut citer ou recommander une entreprise quand il répond à une question de vos prospects.
Le deep learning (apprentissage profond), c'est une branche du machine learning qui empile de nombreuses couches de neurones artificiels pour traiter des données complexes comme les images ou le langage. C'est cette technique qui a rendu possibles les outils modernes de reconnaissance vocale et les grands modèles de langage.
Un deepfake (hypertrucage), c'est une vidéo, une image ou une voix fabriquée par IA pour faire dire ou faire à quelqu'un ce qu'il n'a jamais dit ni fait. La ressemblance est souvent troublante. C'est un risque réel d'arnaque et d'usurpation d'identité, y compris pour des dirigeants de PME.
Les données d'entraînement, c'est l'ensemble des textes, images et exemples sur lesquels un modèle d'IA apprend. Leur qualité et leur diversité déterminent ce que le modèle saura faire et ses angles morts. Un modèle entraîné sur des données dépassées ou déséquilibrées donnera des réponses dépassées ou biaisées.
Un embedding (plongement), c'est la transformation d'un mot, d'une phrase ou d'un document en une liste de nombres qui capture son sens. Deux textes proches par le sens donnent des nombres proches, ce qui permet à une IA de comparer, regrouper et retrouver des contenus par similarité plutôt que par mots exacts.
La fenêtre de contexte, c'est la quantité de texte qu'un LLM peut prendre en compte en une seule fois, mesurée en tokens. Tout ce qui dépasse cette limite est oublié. Une grande fenêtre permet de soumettre un long document entier et d'obtenir une réponse qui tient compte de l'ensemble.
Le fine-tuning (affinage), c'est le fait de reprendre un modèle déjà entraîné et de l'entraîner un peu plus sur vos propres données pour le spécialiser. Une entreprise peut ainsi adapter un LLM au vocabulaire de son métier ou au ton de sa marque, sans repartir de zéro.
Gemini, c'est la famille de modèles d'IA de Google, intégrée à la recherche, à Gmail et aux outils Workspace. Multimodale par conception, elle alimente notamment les réponses générées en haut de Google. Pour une PME romande, être visible dans Gemini revient à peser dans l'écosystème Google que vos clients utilisent déjà.
Une hallucination, c'est quand une IA affirme avec assurance une information fausse ou inventée : une date erronée, une source qui n'existe pas, un chiffre sorti de nulle part. Le modèle cherche à produire une réponse plausible, pas vérifiée. D'où l'importance de toujours contrôler les faits qu'il avance.
L'IA générative, c'est une intelligence artificielle qui crée du contenu nouveau (texte, image, code, voix) plutôt que de simplement classer ou trier des données existantes. ChatGPT qui rédige un mail ou Midjourney qui dessine une affiche en sont les exemples les plus connus.
L'intelligence artificielle (IA), c'est un ensemble de technologies qui permettent à une machine d'accomplir des tâches qu'on associait à l'humain : comprendre du texte, reconnaître une image, répondre à une question. Pour une PME, c'est ce qui fait tourner ChatGPT ou les réponses automatiques de Google.
Un LLM (grand modèle de langage), c'est une IA entraînée sur d'immenses quantités de texte pour comprendre et générer du langage. Il prédit le mot suivant le plus probable, mot après mot, ce qui lui permet de rédiger, résumer ou répondre. ChatGPT, Claude et Gemini reposent tous sur un LLM.
Le machine learning (apprentissage automatique), c'est la méthode qui permet à un programme d'apprendre à partir d'exemples au lieu d'être programmé règle par règle. On lui montre des milliers de cas, il en déduit des schémas, puis il applique ces schémas à des situations nouvelles.
Multimodal, c'est la capacité d'une IA à traiter plusieurs types de contenus à la fois : texte, image, son, parfois vidéo. Vous pouvez par exemple envoyer une photo de votre menu à ChatGPT et lui demander de le traduire, parce que le modèle lit l'image et le texte ensemble.
Le NLP (traitement du langage naturel), c'est le domaine de l'IA qui apprend aux machines à comprendre et produire du langage humain, écrit ou parlé. C'est ce qui permet à un moteur de recherche de saisir le sens de votre question et à un chatbot de vous répondre dans un français correct.
Les paramètres, c'est l'ensemble des valeurs internes qu'un modèle ajuste pendant son apprentissage pour faire ses prédictions. Un grand modèle en compte des milliards. En gros, plus il y a de paramètres, plus le modèle peut capturer de nuances, mais aussi plus il coûte cher à entraîner et à faire tourner.
Perplexity, c'est un moteur de recherche basé sur l'IA qui répond directement à votre question en une synthèse rédigée, accompagnée de ses sources cliquables. Au lieu d'une liste de liens bleus, vous obtenez une réponse construite. Y figurer comme source citée devient un nouvel enjeu de visibilité pour les entreprises.
Un prompt, c'est l'instruction que vous donnez à une IA pour obtenir un résultat : une question, une consigne, un texte à reformuler. La qualité de la réponse dépend largement de la clarté du prompt. Plus vous précisez le contexte, le ton et le format voulus, meilleur est le résultat.
Le prompt engineering, c'est l'art de formuler ses instructions à une IA pour en tirer les meilleures réponses. Cela consiste à donner du contexte, des exemples, un rôle à tenir et un format de sortie. C'est devenu une compétence utile pour gagner du temps et obtenir des résultats fiables avec ChatGPT ou Claude.
Le RAG (génération augmentée par récupération), c'est une méthode qui va d'abord chercher des informations à jour dans une base de documents, puis les donne au LLM pour qu'il rédige sa réponse à partir de ces sources. Résultat : des réponses plus fiables, sourcées, et moins sujettes aux inventions.
Un réseau de neurones, c'est un modèle informatique inspiré du cerveau, fait de petites unités de calcul (les neurones) reliées entre elles par couches. Chaque connexion ajuste un poids pendant l'apprentissage, ce qui permet au réseau de reconnaître des motifs dans le texte, le son ou l'image.
La température, c'est un réglage qui contrôle le degré de hasard dans les réponses d'un LLM. Une température basse donne des réponses prévisibles et factuelles, utile pour un mail pro. Une température haute donne des réponses plus variées et créatives, utile pour générer des idées ou des accroches.
Un token (jeton), c'est l'unité de base que manipule un LLM : un mot, un morceau de mot ou un signe de ponctuation. Le modèle découpe votre texte en tokens pour le traiter, et la facturation des IA se compte souvent en tokens. Plus un texte est long, plus il consomme de tokens.
Le Transformer, c'est l'architecture de réseau de neurones qui a rendu possibles les LLM modernes. Son mécanisme d'attention permet au modèle de peser l'importance de chaque mot par rapport aux autres dans une phrase, ce qui lui donne une bien meilleure compréhension du contexte que les approches précédentes.
La visibilité IA (GEO), c'est le fait d'être cité ou recommandé par les assistants comme ChatGPT, Perplexity ou les aperçus de Google quand un prospect pose une question liée à votre métier. C'est le prolongement du référencement : on ne vise plus seulement la première page, mais la réponse générée.