L’intelligence artificielle a son propre jargon, et il évolue aussi vite que la technologie. Ce glossaire regroupe les termes essentiels pour comprendre les discussions actuelles, des concepts fondamentaux aux notions les plus récentes.
- Les fondamentaux
- Intelligence artificielle (IA)
- Machine learning (apprentissage automatique)
- Deep learning (apprentissage profond)
- Réseau de neurones
- Les modèles de langage
- LLM (Large Language Model)
- Transformer
- Token
- Prompt
- Concepts avancés
- Fine-tuning
- RAG (Retrieval-Augmented Generation)
- Hallucination
- Embedding
- Inférence
- Température
- Termes récents
- Agent IA
- Multimodal
- Alignement
- Sources
Les fondamentaux
Intelligence artificielle (IA)
Discipline informatique visant à créer des systèmes capables de réaliser des tâches qui requerraient normalement l’intelligence humaine : comprendre le langage, reconnaître des images, prendre des décisions.
Machine learning (apprentissage automatique)
Sous-domaine de l’IA où les systèmes apprennent à partir de données plutôt que d’être explicitement programmés. Au lieu d’écrire des règles, on fournit des exemples et le système déduit les patterns.
Deep learning (apprentissage profond)
Branche du machine learning utilisant des réseaux de neurones artificiels à plusieurs couches. C’est la technologie derrière la plupart des avancées récentes en IA.
Réseau de neurones
Architecture informatique inspirée du cerveau humain. Des « neurones » artificiels organisés en couches traitent l’information. Plus le réseau est profond (nombreuses couches), plus il peut apprendre des patterns complexes.
Les modèles de langage
LLM (Large Language Model)
Grand modèle de langage entraîné sur d’énormes volumes de texte. ChatGPT, Claude et Gemini sont des LLM. Ils prédisent le mot suivant le plus probable dans une séquence, ce qui leur permet de générer du texte cohérent.
Transformer
Architecture de réseau de neurones introduite par Google en 2017 (article « Attention Is All You Need »). C’est la base de tous les LLM modernes. Son innovation clé : le mécanisme d’attention qui permet au modèle de pondérer l’importance de chaque mot par rapport aux autres.
Token
Unité de base du traitement de texte par un LLM. Un token correspond à environ 3/4 d’un mot en anglais. Les modèles ont une « fenêtre de contexte » mesurée en tokens (ex : 128 000 tokens pour GPT-4o).
Prompt
L’instruction ou la question que vous donnez à un modèle d’IA. La qualité du prompt influence directement la qualité de la réponse.
Concepts avancés
Fine-tuning
Processus d’adaptation d’un modèle pré-entraîné à une tâche ou un domaine spécifique, en l’entraînant sur un jeu de données supplémentaire plus petit et ciblé.
RAG (Retrieval-Augmented Generation)
Technique qui enrichit les réponses d’un LLM en lui donnant accès à des documents externes pertinents. Au lieu de se fier uniquement à ses connaissances d’entraînement, le modèle consulte une base de données pour répondre avec des informations à jour.
Hallucination
Quand un modèle d’IA génère des informations fausses ou inventées avec assurance. C’est l’un des problèmes majeurs des LLM : ils produisent du texte plausible, pas nécessairement vrai.
Embedding
Représentation numérique d’un mot, d’une phrase ou d’un document sous forme de vecteur (liste de nombres). Les embeddings permettent de mesurer la similarité sémantique entre des textes.
Inférence
Le processus d’utilisation d’un modèle déjà entraîné pour générer des prédictions ou des réponses. Quand vous interrogez ChatGPT, vous faites de l’inférence.
Température
Paramètre qui contrôle le degré d’aléatoire des réponses d’un LLM. Température basse (0) = réponses prévisibles et répétables. Température haute (1) = réponses plus créatives et variées.
Termes récents
Agent IA
Système d’IA capable d’agir de manière autonome : naviguer sur le web, exécuter du code, utiliser des outils, accomplir des tâches complexes en plusieurs étapes.
Multimodal
Se dit d’un modèle capable de traiter plusieurs types de données : texte, images, audio, vidéo. GPT-4o et Gemini sont des modèles multimodaux.
Alignement
Effort pour s’assurer que les systèmes d’IA agissent conformément aux intentions et aux valeurs humaines. C’est l’un des grands défis de la recherche en sécurité IA.
Quel terme de l’IA vous semblait le plus obscur avant de lire cet article ?
