Glossaire de l'intelligence artificielle

Système d'IA capable de planifier et d'exécuter une suite d'actions pour atteindre un objectif, avec peu d'intervention humaine.

Système autonome qui utilise un LLM pour planifier et exécuter des actions afin d'atteindre un objectif.

Interface qui permet à une application d'appeler les fonctions d'un service — y compris d'un modèle d'IA — par requêtes HTTP.

Apprentissage à partir de données sans labels, où le modèle découvre lui-même des structures.

Méthode d'apprentissage où un agent apprend à agir par essais et erreurs en maximisant une récompense.

Apprentissage à partir d'exemples étiquetés (entrée → sortie attendue).

Utilisation de l'IA pour exécuter automatiquement des tâches répétitives ou cognitives à la place d'un humain.

Base de données spécialisée dans le stockage et la recherche d'embeddings par similarité sémantique.

Programme conversationnel qui dialogue avec un utilisateur en langage naturel.

Discipline de l'IA qui apprend aux machines à interpréter le contenu d'images et de vidéos.

Assistant IA intégré dans un outil pour suggérer, compléter ou exécuter des actions aux côtés de l'utilisateur.

Ensemble structuré de données utilisé pour entraîner, valider ou évaluer un modèle d'IA.

Sous-domaine du machine learning utilisant des réseaux de neurones profonds pour apprendre des représentations complexes.

Procédé qui entraîne un petit modèle "élève" à imiter un gros modèle "professeur" pour conserver la qualité à moindre coût.

Représentation vectorielle d'un texte, d'une image ou d'un objet, capturant son sens dans un espace numérique.

Nombre maximal de tokens qu'un modèle peut considérer à la fois en entrée et en sortie.

Réentraînement d'un modèle pré-existant sur un jeu de données spécifique pour l'adapter à un domaine.

Réponse d'un modèle d'IA qui paraît crédible mais qui est factuellement fausse ou inventée.

Famille de modèles d'IA capables de créer des contenus nouveaux (texte, image, audio, vidéo, code) à partir d'un prompt.

Discipline qui conçoit des systèmes capables d'exécuter des tâches nécessitant habituellement de l'intelligence humaine.

Modèle de langage entraîné sur d'immenses corpus de texte pour comprendre et générer du langage naturel.

Branche de l'IA dans laquelle les modèles apprennent des motifs à partir de données plutôt que de suivre des règles explicites.

Protocole ouvert qui standardise la connexion entre un modèle d'IA et des outils ou sources de données externes.

Capacité d'un modèle d'IA à comprendre et générer plusieurs modalités (texte, image, audio, vidéo) au sein d'un même système.

Domaine de l'IA dédié à la compréhension et à la génération du langage humain.

Instruction en langage naturel envoyée à un modèle d'IA générative pour obtenir une réponse.

Discipline consistant à concevoir des instructions efficaces pour obtenir le meilleur résultat d'un LLM.

Technique qui réduit la précision numérique des poids d'un modèle pour le rendre plus léger et plus rapide.

Technique qui combine la recherche d'informations dans une base de connaissances et la génération par un LLM.

Modèle inspiré du cerveau, composé de couches de neurones artificiels qui transforment progressivement les données.

Technologie qui transcrit automatiquement la parole en texte écrit.

Technologie qui synthétise une voix réaliste à partir d'un texte écrit.

Unité de texte (souvent un fragment de mot) qu'un modèle de langage manipule en entrée comme en sortie.

Architecture de réseau de neurones basée sur le mécanisme d'attention, à la base des LLM modernes.

Capacité d'un modèle d'IA à analyser, comprendre et générer des images ou des vidéos.

Enchaînement structuré d'étapes où une ou plusieurs IA réalisent des tâches dans un processus métier.