Glossaire IA
Termes clés de l'IA et des technologies d'entreprise — explications pratiques et accessibles.
135 terms
A
A/B Testing des modèles IA
L'A/B testing pour les modèles IA compare plusieurs versions de modèles en production pour déterminer laquelle offre de meilleurs résultats métier avec une confiance statistique.
En savoir plus →A2A (Agent-to-Agent Protocol)
Protocole de communication entre agents IA de différents éditeurs — permettant la collaboration entre agents Google, Microsoft et Salesforce.
En savoir plus →Achats IA
Le processus d'évaluation, de sélection et d'acquisition de solutions IA, nécessitant des critères spécialisés au-delà des achats IT traditionnels.
En savoir plus →Agents IA autonomes
Systèmes IA qui planifient, exécutent et adaptent des séquences d'actions de manière indépendante pour atteindre des objectifs complexes avec une intervention humaine minimale.
En savoir plus →AI Red Teaming
Test de la sécurité des systèmes IA par attaques simulées — recherche de vulnérabilités, contournements de guardrails et méthodes de manipulation des modèles.
En savoir plus →Alignement de l'IA
Le défi consistant à garantir que les systèmes IA se comportent conformément aux valeurs humaines, aux intentions et aux exigences de sécurité.
En savoir plus →Analyse de sentiment
Technologie IA qui détecte et classe automatiquement le ton émotionnel et les opinions dans les données textuelles à grande échelle.
En savoir plus →Annotation de données (Data Labeling)
Le processus d'étiquetage des données brutes avec des libellés informatifs pour permettre l'apprentissage automatique supervisé.
En savoir plus →Anonymisation des données IA
Suppression ou masquage automatique des données personnelles (PII) dans les jeux d'entraînement et les requêtes aux modèles IA, conforme au RGPD.
En savoir plus →Appel de fonctions (Function Calling)
Capacité LLM permettant aux modèles d'invoquer des outils et API externes en générant des appels de fonctions structurés.
En savoir plus →Apprentissage fédéré
Approche d'entraînement distribué permettant aux modèles IA d'apprendre à partir de données décentralisées sans partager les données brutes entre les parties.
En savoir plus →Apprentissage par Renforcement à partir des Retours Humains (RLHF)
Une technique d'entraînement qui utilise les préférences humaines pour rendre les modèles d'IA plus sûrs et plus utiles.
En savoir plus →Apprentissage par Transfert
Une technique IA où un modèle est pré-entraîné sur un grand ensemble de données puis adapté à des tâches spécifiques avec moins de données.
En savoir plus →Apprentissage Zéro-Shot
La capacité des modèles d'IA à accomplir des tâches pour lesquelles ils n'ont pas vu d'exemples d'entraînement spécifiques.
En savoir plus →Attaques adversariales contre l'IA
Attaques qui trompent ou manipulent les systèmes IA via des entrées soigneusement construites pour produire des sorties incorrectes ou un comportement non souhaité.
En savoir plus →Audit IA
Évaluation systématique des systèmes IA en matière de sécurité, conformité réglementaire, qualité des résultats et risque métier.
En savoir plus →Automatisation des processus par IA
Utilisation de l'IA pour automatiser des processus métier complexes nécessitant du jugement, la compréhension du langage et une prise de décision adaptative.
En savoir plus →B
Base de données vectorielle
Base de données spécialisée stockant les données sous forme de vecteurs numériques — permettant la recherche sémantique de contenu « similaire ».
En savoir plus →Benchmarks IA
Tests et jeux de données standardisés pour mesurer et comparer les performances des modèles IA sur différentes capacités et tâches.
En savoir plus →Biais IA
Préjugés systématiques dans les résultats des modèles IA résultant de données d'entraînement déséquilibrées — risque de discrimination et non-conformité réglementaire.
En savoir plus →C
Cache Sémantique
La mise en cache des réponses IA basée sur la similarité sémantique pour améliorer les performances et réduire les coûts.
En savoir plus →Capacités émergentes de l'IA
Capacités qui apparaissent inopinément dans les grands modèles IA à certaines échelles, absentes dans les versions plus petites de la même architecture.
En savoir plus →Centre d'Excellence IA
Une unité organisationnelle dédiée qui stimule l'adoption de l'IA en fournissant expertise, standards, meilleures pratiques et ressources partagées.
En savoir plus →Chain of Thought
Technique de prompting où le modèle IA « pense à voix haute » — raisonne étape par étape, améliorant la précision sur les questions complexes.
En savoir plus →Chatbot vs. Agent IA
Comprendre les différences fondamentales entre les chatbots simples et les agents IA autonomes pour des décisions de déploiement éclairées.
En savoir plus →CI/CD pour l'IA
Adapter l'intégration continue et le déploiement continu aux charges de travail IA/ML avec versioning des modèles, tests automatisés et déploiement sécurisé.
En savoir plus →Classification du Risque IA
Cadres pour catégoriser les systèmes d'IA selon leur potentiel de préjudice pour la société et les individus.
En savoir plus →Computer Use (IA)
Capacité des modèles IA à contrôler directement un ordinateur — cliquer, taper, naviguer dans les interfaces comme un humain.
En savoir plus →Confidentialité différentielle
Cadre mathématique permettant aux systèmes IA d'apprendre à partir de jeux de données tout en offrant des garanties formelles pour protéger la vie privée individuelle.
En savoir plus →Coût Total de Possession (TCO) pour l'IA
Le coût total d'acquisition, d'exploitation et de maintenance des systèmes d'IA sur l'ensemble de leur cycle de vie.
En savoir plus →D
Découpage de documents (Chunking)
La technique de division des longs documents en segments plus petits pour améliorer la qualité de récupération dans les systèmes RAG et les bases de données vectorielles.
En savoir plus →Dépendance Fournisseur IA
La dépendance à un seul fournisseur d'IA qui rend le passage à des solutions alternatives coûteux ou difficile.
En savoir plus →Déploiement de l'IA
Le processus de transfert des modèles d'IA du développement vers les environnements de production pour qu'ils puissent accomplir des tâches réelles.
En savoir plus →Dérive des données
Le glissement graduel des données de production par rapport aux données d'entraînement d'un modèle, entraînant une dégradation des performances et des prédictions peu fiables.
En savoir plus →Détection des deepfakes
Les deepfakes sont des médias synthétiques générés par IA qui répliquent de manière convaincante de vraies personnes, posant de sérieux risques pour la sécurité des entreprises et l'intégrité de l'information.
En savoir plus →Distillation du Connaissances
Technique d'entraînement où un modèle plus petit « élève » apprend à répliquer le comportement d'un modèle « professeur » plus grand.
En savoir plus →Données synthétiques
Jeux de données générés artificiellement préservant les propriétés statistiques des originaux — pour l'entraînement IA sans violation de la vie privée.
En savoir plus →E
Edge AI
Exécution de modèles IA directement sur les appareils finaux — sans envoyer de données dans le cloud, avec une latence minimale.
En savoir plus →Embedding (représentation vectorielle)
Représentation de texte, images ou audio sous forme de vecteurs numériques — la base de la recherche sémantique et des systèmes RAG.
En savoir plus →Empoisonnement de Modèle
Attaques adversariales consistant à injecter des données malveillantes dans le processus d'entraînement pour manipuler le comportement du modèle.
En savoir plus →Empoisonnement des données
Attaques qui corrompent les données d'entraînement d'un modèle IA pour lui faire effectuer des prédictions incorrectes ou manipulables en production.
En savoir plus →É
Éthique de l'IA
L'éthique de l'IA examine les principes moraux et les implications sociétales de l'intelligence artificielle, guidant les organisations vers un développement responsable.
En savoir plus →Évaluation des modèles IA
L'évaluation des modèles IA évalue systématiquement les performances des modèles à l'aide de métriques, jeux de données de test et critères spécifiques au domaine pour garantir la préparation à la production.
En savoir plus →F
Fenêtre de contexte
Quantité maximale de texte (tokens) qu'un modèle IA peut traiter en une seule requête — une contrainte de performance clé des LLM.
En savoir plus →Fiche de Modèle
Documentation standardisée décrivant les capacités, limitations et considérations éthiques d'un modèle d'IA.
En savoir plus →Filigrane IA
Techniques permettant d'intégrer des signaux imperceptibles dans les contenus générés par IA pour le traçage et la détection.
En savoir plus →Fine-tuning
Réentraînement d'un modèle IA sur des données spécialisées — adaptation d'un modèle fondation général à un domaine ou une tâche spécifique.
En savoir plus →G
Génération d'images par IA
Création d'images originales à partir de descriptions textuelles ou d'autres entrées à l'aide de modèles IA tels que les réseaux de diffusion et les GANs.
En savoir plus →Génération de code par IA
Utilisation de modèles IA pour écrire, compléter et transformer automatiquement du code source à partir d'instructions en langage naturel ou de contexte de code.
En savoir plus →Génération de vidéo par IA
Utilisation de l'IA pour créer, éditer et améliorer du contenu vidéo à partir de prompts textuels, d'images ou de séquences existantes avec un effort manuel minimal.
En savoir plus →Gestion des Connaissances avec l'IA
L'utilisation de l'IA pour organiser, rechercher et fournir les connaissances institutionnelles d'une organisation.
En savoir plus →Gouvernance IA
Cadre organisationnel de gestion de l'IA en entreprise — politiques, processus, responsabilités et conformité réglementaire.
En savoir plus →GPU & TPU pour l'IA
Processeurs spécialisés pour l'entraînement et l'exécution des modèles d'IA.
En savoir plus →Graphe de Connaissances
Une représentation structurée de la connaissance sous forme de réseau d'entités et de leurs relations.
En savoir plus →Grounding AI
Technique d'ancrage des réponses des modèles IA dans des données factuelles — élimination des hallucinations en fournissant un contexte provenant de sources fiables.
En savoir plus →Guardrails IA
Mécanismes de protection limitant le comportement des modèles IA — filtres de contenu, validation des sorties, limites de permissions et contrôles de sécurité.
En savoir plus →Guide sur le Règlement IA de l'UE
Le Règlement IA de l'UE est le premier cadre juridique mondial complet pour l'intelligence artificielle, établissant des règles basées sur les niveaux de risque.
En savoir plus →H
Human-in-the-Loop
Patron de conception où un humain vérifie et approuve les décisions IA — contrôle qualité et sécurité.
En savoir plus →Hyperautomatisation
L'utilisation de plusieurs technologies d'IA et d'automatisation pour automatiser exhaustivement les processus métier.
En savoir plus →I
IA agentique
Systèmes IA capables de planifier, décider et exécuter des tâches multi-étapes de manière autonome, sans supervision humaine constante.
En savoir plus →IA Cloud vs. IA On-Premise
Cadre de décision pour choisir entre services IA cloud et solutions auto-hébergées selon les coûts, la confidentialité des données et le contrôle.
En savoir plus →IA conversationnelle
Systèmes IA capables de comprendre le langage naturel et de répondre de manière similaire à l'humain, maintenant des dialogues multi-tours conscients du contexte.
En savoir plus →IA dans la Chaîne d'Approvisionnement
L'application des technologies IA pour optimiser les opérations de la chaîne d'approvisionnement, les prévisions de la demande et la gestion des risques.
En savoir plus →IA dans la Fabrication
Comment l'IA optimise la fabrication grâce au contrôle qualité, à la maintenance prédictive, à l'optimisation des processus et à l'automatisation des usines intelligentes.
En savoir plus →IA dans la Finance
Comment l'IA transforme les services financiers grâce à la détection de fraude, l'évaluation des risques, l'automatisation du trading et la conformité réglementaire.
En savoir plus →IA dans la Logistique
Comment l'IA optimise les chaînes d'approvisionnement, la planification des itinéraires, les prévisions de demande et les opérations d'entrepôt pour plus d'efficacité.
En savoir plus →IA dans la Santé
Comment l'IA fait progresser le diagnostic médical, la découverte de médicaments, les soins aux patients et l'efficacité du système de santé.
En savoir plus →IA dans le Marketing
Comment l'IA transforme le marketing à travers la personnalisation, la génération de contenu, le ciblage d'audience et l'optimisation de campagnes.
En savoir plus →IA dans le Secteur Juridique
Comment l'IA transforme le travail juridique grâce à l'analyse de documents, la révision de contrats, la recherche juridique et l'automatisation de la conformité.
En savoir plus →IA dans le Service Client
Comment l'intelligence artificielle transforme le support client grâce à l'automatisation intelligente, la personnalisation et la disponibilité 24/7.
En savoir plus →IA dans les RH et le recrutement
Applications de l'IA dans les ressources humaines, du tri des candidats à l'engagement des employés, avec attention aux risques de biais et réglementaires.
En savoir plus →IA dans les Tests Logiciels
Appliquer l'IA pour automatiser la création, l'exécution et la maintenance des tests, améliorant la couverture et détectant les défauts plus tôt dans le développement.
En savoir plus →IA de Raisonnement
Modèles d'IA capables d'effectuer un raisonnement explicite étape par étape pour résoudre des problèmes complexes.
En savoir plus →IA en tant que Service (AIaaS)
Services IA basés sur le cloud permettant aux organisations d'accéder aux capacités d'intelligence artificielle sans construire d'infrastructure from scratch.
En savoir plus →IA et RGPD
La conformité RGPD pour les systèmes IA nécessite une gestion soigneuse des données personnelles tout au long du cycle de vie du machine learning, de l'entraînement à l'inférence.
En savoir plus →IA explicable (XAI)
Techniques permettant de comprendre pourquoi un modèle IA a pris une décision donnée — essentielles pour la confiance, l'audit et la conformité au AI Act.
En savoir plus →IA Générative
Systèmes IA capables de créer de nouveaux contenus, notamment du texte, des images, du code, de l'audio et de la vidéo, à partir de modèles appris.
En savoir plus →IA multimodale
Modèles IA traitant texte, images, audio et vidéo simultanément — comprenant le contexte à partir de plusieurs sources d'information.
En savoir plus →IA Open Source
Modèles et frameworks d'IA accessibles publiquement et pouvant être librement utilisés, modifiés et développés par la communauté.
En savoir plus →IA Responsable
Principes et pratiques garantissant que les systèmes d'IA sont développés et déployés de manière éthique, équitable, transparente et responsable.
En savoir plus →Inférence IA
Le processus de génération de réponses par un modèle IA entraîné — la phase de production où le modèle traite les entrées et renvoie les résultats.
En savoir plus →Informatique confidentielle
Technologie matérielle qui protège les données sensibles pendant leur traitement par l'IA, même des fournisseurs cloud.
En savoir plus →Ingénierie des caractéristiques
L'ingénierie des caractéristiques transforme les données brutes en variables d'entrée significatives qui améliorent les performances des modèles IA et le pouvoir prédictif.
En savoir plus →Ingénierie des Prompts
L'art et la science de créer des entrées efficaces pour les modèles de langage IA afin d'obtenir les sorties souhaitées.
En savoir plus →Intégration de l'IA
Le processus d'intégration des capacités d'IA dans les systèmes et processus métier existants.
En savoir plus →L
Littératie IA
Obligatoire depuis février 2025 — la capacité à comprendre et utiliser l'IA de manière responsable, exigée par l'article 4 du AI Act.
En savoir plus →LLM Routing
Orientation intelligente des requêtes vers le bon modèle de langage selon la complexité, le coût et la qualité de réponse requise.
En savoir plus →Lois d'Échelle
Des relations empiriques qui décrivent comment les performances des modèles IA évoluent avec l'augmentation des paramètres, des données et de la puissance de calcul.
En savoir plus →M
Maintenance Prédictive
L'utilisation de l'IA pour prédire les pannes d'équipements avant qu'elles ne surviennent, minimisant les temps d'arrêt et optimisant les coûts de maintenance.
En savoir plus →MCP (Model Context Protocol)
Standard ouvert de communication entre modèles IA et sources de données et outils externes — l'« USB-C de l'intelligence artificielle ».
En savoir plus →Mécanisme d'Attention
Le composant central des modèles Transformer qui leur permet de pondérer dynamiquement les parties pertinentes de l'entrée.
En savoir plus →Mise à l'Échelle de l'IA
Stratégies et techniques pour étendre les systèmes d'IA afin de gérer des charges plus importantes, plus d'utilisateurs et des tâches plus complexes.
En savoir plus →Mixture of Experts (MoE)
Une architecture IA dans laquelle différents sous-réseaux spécialisés sont activés sélectivement pour différentes entrées.
En savoir plus →MLOps
La pratique combinant le développement du machine learning et les opérations informatiques pour rationaliser le déploiement et la gestion des modèles.
En savoir plus →Modèle de maturité IA
Cadre structuré pour évaluer la préparation, les capacités et la progression d'une organisation dans l'adoption de l'intelligence artificielle.
En savoir plus →Modèle fondation
Grand modèle IA pré-entraîné servant de base — personnalisé via fine-tuning pour des applications spécifiques.
En savoir plus →O
Observabilité IA
Surveillance en temps réel des systèmes IA — suivi des performances, coûts, qualité des réponses et anomalies en production.
En savoir plus →OCR avec IA
Reconnaissance optique de caractères avancée qui utilise l'IA pour extraire du texte d'images et de documents avec une haute précision.
En savoir plus →Orchestration IA
Coordination de plusieurs modèles et agents IA travaillant ensemble sur des tâches complexes — de l'allocation des ressources à la gestion des flux de données.
En savoir plus →P
Parole en Texte
Technologie IA qui convertit la parole en texte, avec des applications en transcription, commande vocale et accessibilité.
En savoir plus →Pipeline IA
Un pipeline IA est une séquence automatisée d'étapes de traitement de données, d'entraînement de modèles, d'évaluation et de déploiement qui produit des systèmes IA prêts pour la production.
En savoir plus →Programmation en Binôme avec IA
La collaboration entre développeurs et assistants IA lors de l'écriture, de la révision et de l'amélioration du code.
En savoir plus →Prompt Injection
Attaque injectant des instructions malveillantes dans les données d'entrée du modèle IA — pour prendre le contrôle de son comportement.
En savoir plus →R
RAG (Retrieval-Augmented Generation)
Technique combinant recherche d'information et génération — l'IA répond en s'appuyant sur des documents actuels, pas seulement sa « mémoire ».
En savoir plus →RAG Multimodal
Génération Augmentée par Récupération qui traite des images, de l'audio et d'autres types de données au-delà du texte.
En savoir plus →Recherche dans une Base de Données Vectorielle
La recherche dans des bases de données vectorielles de contenus sémantiquement similaires à l'aide de vecteurs d'embedding.
En savoir plus →Recherche Sémantique
Une technologie de recherche qui comprend le sens des requêtes et fournit des résultats pertinents par contenu, pas seulement des correspondances de mots-clés.
En savoir plus →Registre de Modèles
Un référentiel central pour gérer, versionner et administrer le cycle de vie des modèles ML.
En savoir plus →Rerankage
Un processus de récupération en deux étapes dans lequel des candidats sont d'abord récupérés puis réordonnés par pertinence pour la requête spécifique.
En savoir plus →Résumé de Documents avec IA
L'utilisation de modèles d'IA pour créer automatiquement des résumés précis de documents et textes longs.
En savoir plus →ROI de l'IA
La mesure et la quantification de la valeur que les investissements en IA apportent par rapport à leurs coûts.
En savoir plus →RPA vs. IA
La différence entre l'automatisation des processus basée sur des règles (RPA) et l'automatisation intelligente assistée par IA.
En savoir plus →S
Sandbox IA
Un environnement isolé pour expérimenter en toute sécurité avec des modèles IA, tester de nouvelles approches et valider des solutions avant le déploiement en production.
En savoir plus →Service de Modèles
L'infrastructure et les processus pour déployer des modèles ML comme services de production pour l'inférence en temps réel.
En savoir plus →Shadow AI
Utilisation non autorisée d'outils IA par les employés — sans connaissance ni contrôle du département informatique, avec risque de fuite de données.
En savoir plus →SLM (Small Language Models)
Modèles IA compacts (1–7 Md de paramètres) fonctionnant localement, rapidement et à moindre coût — idéaux pour les tâches spécialisées sans frais cloud.
En savoir plus →Sortie Structurée
La capacité des modèles d'IA à générer des réponses dans des formats prédéfinis comme JSON ou XML, facilitant le traitement programmatique.
En savoir plus →Stratégie IA
Un plan global définissant comment une organisation utilisera l'IA pour atteindre ses objectifs métier et obtenir des avantages concurrentiels.
En savoir plus →Streaming de Tokens
La sortie progressive des réponses IA token par token, plutôt que d'attendre la génération complète, ce qui améliore la réactivité perçue.
En savoir plus →Surveillance des Modèles
La supervision continue des modèles d'IA en production pour détecter la dégradation des performances, la dérive des données et les anomalies.
En savoir plus →Systèmes de Recommandation
Systèmes IA qui suggèrent des contenus, produits ou actions personnalisés aux utilisateurs en fonction de leurs préférences et de leur historique de comportement.
En savoir plus →Systèmes multi-agents
Architecture IA où des dizaines d'agents spécialisés collaborent sur des tâches — chacun avec des compétences et des rôles uniques.
En savoir plus →T
Température et Top-P
Paramètres qui contrôlent le caractère aléatoire et la créativité des sorties des modèles IA en modifiant la distribution de probabilité des tokens.
En savoir plus →Tests de Conformité IA
Processus permettant de vérifier que les systèmes d'IA répondent aux exigences légales, aux directives éthiques et aux normes de l'entreprise.
En savoir plus →Tokenisation IA
Processus de conversion du texte en tokens (fragments de mots/caractères) compris par le modèle IA — impacte directement les coûts et la qualité.
En savoir plus →Traduction Automatique
Traduction automatique assistée par IA de texte ou de parole entre différentes langues.
En savoir plus →Traitement du Langage Naturel (TAL)
Le domaine de l'IA qui s'occupe de la compréhension et de la génération du langage humain.
En savoir plus →Traitement Intelligent des Documents (IDP)
Systèmes alimentés par l'IA pour l'extraction, la classification et le traitement automatiques d'informations issues de documents.
En savoir plus →Transformer
L'architecture révolutionnaire de réseau de neurones qui forme la base des modèles de langage IA modernes.
En savoir plus →V
Versionnage des Modèles
La pratique de gérer systématiquement les différentes itérations des modèles d'IA, leurs métriques et leurs déploiements.
En savoir plus →Vibe Coding
Créer des logiciels en décrivant en langage naturel — le développeur dit « quoi », l'IA génère le « comment ».
En savoir plus →Vision par Ordinateur
Technologie IA permettant aux ordinateurs d'interpréter et de comprendre les informations visuelles des images et vidéos.
En savoir plus →