A-Z

Glossaire

56 mots pour parler d'IA, de « agent » à « token ».

A B C D E F G H I L M N P R S T

Agent: IA à laquelle on confie un objectif et qui enchaîne seule plusieurs actions pour l'atteindre, en utilisant des outils (navigateur, logiciels…). → DP 43
AI Act: Règlement européen sur l'intelligence artificielle, entré en vigueur en 2024, qui classe les IA selon leur niveau de risque. → DP 56
Algorithme: Suite d'instructions précises permettant de résoudre un problème ou d'accomplir une tâche.
Alignement: Ensemble des recherches visant à ce qu'une IA poursuive réellement les objectifs voulus par les humains et respecte leurs valeurs. → DP 62
Apprentissage automatique (machine learning): Méthode qui permet à une machine d'apprendre à partir d'exemples, sans que toutes les règles soient écrites à la main. → DP 20
Apprentissage par renforcement: Méthode d'apprentissage par essais et erreurs, guidée par des récompenses et des pénalités. → DP 16
Apprentissage profond (deep learning): Apprentissage automatique utilisant des réseaux de neurones à nombreuses couches. → DP 22
Assistant conversationnel (chatbot): Programme avec lequel on dialogue en langage naturel, à l'écrit ou à l'oral. → DP 34
Attention: Mécanisme du Transformer qui permet au modèle de peser l'importance de chaque mot d'un texte par rapport aux autres. → DP 17
Biais: Déformation systématique dans les résultats d'une IA, souvent héritée de déséquilibres ou de préjugés présents dans ses données. → DP 51
Boîte noire: Système dont on connaît les entrées et les sorties, mais dont le fonctionnement interne reste difficile à comprendre. → DP 19
C2PA (Content Credentials): Standard qui associe à une image des informations sur son origine et ses modifications. → DP 50
CAPTCHA: Petit test (images à identifier, texte déformé) servant à vérifier qu'un utilisateur est un humain et non un robot.
Complaisance: Tendance d'une IA à aller dans le sens de son utilisateur, au détriment de l'exactitude. → DP 35
Data center (centre de données): Bâtiment abritant des milliers de serveurs informatiques. → DP 29
Data scientist: Spécialiste de l'analyse des données. → DP 63
Date de coupure: Date au-delà de laquelle un modèle n'a plus reçu de données d'entraînement et ignore donc les événements.
Deepfake: Image, vidéo ou enregistrement sonore truqué par IA de façon réaliste. → DP 47
Descente de gradient: Méthode mathématique qui ajuste pas à pas les paramètres d'un modèle pour réduire son erreur. → DP 22
Diffusion: Technique de génération d'images ou de vidéos qui part d'un bruit aléatoire et le « nettoie » progressivement. → DP 37
Données d'entraînement: Ensemble des exemples à partir desquels un modèle apprend.
Exemple adverse: Donnée modifiée de façon imperceptible pour tromper une IA. → DP 24
Fenêtre de contexte: Quantité de texte, mesurée en tokens, qu'un modèle peut prendre en compte en même temps. → DP 26
Fine-tuning (affinage): Entraînement complémentaire d'un modèle existant pour l'adapter à une tâche ou à un comportement particulier. → DP 28
GPT: Generative Pre-trained Transformer, famille de modèles de langage développés par OpenAI. → DP 17
GPU (processeur graphique): Puce conçue à l'origine pour les jeux vidéo, devenue indispensable pour entraîner et faire fonctionner les IA. → DP 15 → DP 29
Hallucination: Information fausse ou inventée produite par une IA avec l'apparence de la vérité. → DP 30
IA générale: IA hypothétique capable d'apprendre et d'accomplir toute tâche intellectuelle aussi bien qu'un humain. → DP 64
IA générative: IA capable de créer des contenus nouveaux : texte, images, sons, vidéos, code. → DP 6
IA symbolique: Approche de l'IA fondée sur des règles logiques et des symboles écrits par des humains. → DP 11
Inférence: Utilisation d'un modèle déjà entraîné pour produire une réponse.
Injection de consignes (prompt injection): Attaque consistant à cacher des instructions malveillantes dans un contenu lu par une IA. → DP 43
Interprétabilité: Domaine de recherche qui cherche à comprendre comment les modèles prennent leurs décisions.
Lidar: Capteur laser qui mesure les distances et reconstitue l'environnement en trois dimensions. → DP 42
LLM (grand modèle de langage): Modèle d'IA entraîné sur d'immenses quantités de textes pour prédire la suite d'un texte. → DP 27
Modèle: Résultat de l'entraînement d'une IA ; ensemble de paramètres qui transforme une entrée en sortie.
Modèle de raisonnement: Modèle de langage entraîné à produire une réflexion par étapes avant de répondre. → DP 31
Modèle ouvert (open source): Modèle dont les paramètres sont publiés et peuvent être téléchargés librement. → DP 60
Multimodal: Se dit d'une IA capable de traiter plusieurs types de données : texte, images, son, vidéo.
Neurone artificiel: Unité de calcul élémentaire d'un réseau de neurones, qui additionne des entrées pondérées et produit une sortie. → DP 21
Paramètre (ou poids): Nombre ajusté pendant l'entraînement, qui détermine le comportement d'un modèle. Les grands modèles en comptent des centaines de milliards.
Paradoxe de Moravec: Constat selon lequel ce qui est difficile pour les humains est souvent facile pour les machines, et inversement. → DP 31
Pixel: Plus petit élément d'une image numérique, décrit par des nombres indiquant sa couleur. → DP 23
Plongement (embedding) ou vecteur: Liste de nombres représentant un mot ou un objet, de façon que les éléments proches par le sens soient proches dans l'espace. → DP 25
Pré-entraînement: Première phase d'entraînement d'un modèle de langage, au cours de laquelle il apprend à prédire la suite de textes très variés. → DP 28
Prompt: Demande, consigne ou question adressée à une IA. → DP 35
Réseau de neurones: Ensemble de neurones artificiels organisés en couches. → DP 22
Réseau convolutif: Type de réseau de neurones spécialisé dans l'analyse des images. → DP 23
Rétropropagation: Méthode qui calcule comment ajuster chaque paramètre d'un réseau pour réduire son erreur. → DP 22
RGPD: Règlement général sur la protection des données, loi européenne protégeant les données personnelles. → DP 53
RLHF: Apprentissage par renforcement à partir de retours humains ; méthode qui entraîne un modèle à produire les réponses préférées par des évaluateurs. → DP 28
Surapprentissage: Défaut d'un modèle qui a mémorisé ses exemples sans apprendre de règle générale. → DP 20
Température: Réglage qui détermine si un modèle choisit des mots plutôt prévisibles ou plutôt variés. → DP 27
Test de Turing: Expérience imaginée par Alan Turing pour juger si une machine peut se faire passer pour un humain dans une conversation. → DP 10
Token: Morceau de texte (mot, partie de mot ou signe) traité par un modèle de langage. → DP 26
Transformer: Architecture de réseau de neurones inventée en 2017, à la base des grands modèles de langage. → DP 17