Demander un devis Devis

lexique

IA générative

Comment fonctionne un modèle de langage qui répond. 89 termes, par ordre alphabétique.

A2A
Protocole ouvert qui permet à des agents IA d’éditeurs différents de communiquer entre eux, d’échanger des informations et de se coordonner.
Agent IA
Système dans lequel un modèle de langage décide lui-même des étapes et des outils à employer pour atteindre un objectif fixé par l’utilisateur.
AI Act
Règlement (UE) 2024/1689, qui fixe des règles harmonisées pour les systèmes d’IA dans l’Union européenne selon leur niveau de risque.
Analyse de sentiment
Classement automatique d’un texte selon l’opinion qu’il exprime — positive, négative ou neutre — parfois assorti d’un score d’intensité.
Ancrage
Fait de fournir à un modèle, au moment où il répond, des contenus tirés d’un index pour que sa réponse s’appuie sur eux.
Appel d’outils
Mécanisme par lequel un modèle demande l’exécution d’une fonction externe — recherche, calcul, requête à une API — et en reçoit le résultat.
Apprentissage automatique
Branche de l’IA où un programme ajuste ses paramètres à partir d’exemples, au lieu de suivre des règles écrites à la main par un développeur.
Apprentissage en contexte
Capacité d’un modèle à adapter sa réponse aux exemples et aux documents présents dans son prompt, sans modification de ses paramètres.
Apprentissage profond
Forme d’apprentissage automatique fondée sur des réseaux de neurones à nombreuses couches, qui tirent eux-mêmes des données leurs représentations.
Base de connaissances
Ensemble organisé de documents ou de faits qu’un système interroge pour répondre, par opposition à ce que le modèle a mémorisé.
Base de données vectorielle
Système de stockage conçu pour conserver des embeddings et retrouver rapidement ceux qui sont les plus proches d’un vecteur donné.
Benchmark
Jeu d’épreuves standardisé, assorti d’une méthode de notation, qui sert à comparer des modèles sur une même tâche.
Biais algorithmique
Écart systématique dans les résultats d’un système automatique, qui favorise ou défavorise certains groupes, sources ou points de vue.
Bibliothèque de prompts
Recueil organisé de prompts testés et versionnés, qu’une équipe réutilise pour ses tâches récurrentes au lieu de les réécrire à chaque fois.
BM25
Fonction de classement lexicale qui note un document d’après la présence des termes de la requête, leur rareté et la longueur du document.
Chaîne de pensée
Technique de prompt qui fait produire au modèle les étapes intermédiaires de son raisonnement avant la réponse finale.
Chatbot
Programme qui dialogue avec un utilisateur en langage naturel, par écrit ou à l’oral, pour répondre à ses questions ou accomplir une tâche.
Chunking
Découpage d’un document en fragments, les chunks, qui sont indexés et récupérés séparément par un système de recherche.
Connaissance paramétrique
Ce qu’un modèle restitue à partir de ses seuls paramètres, sans document fourni ni recherche, par opposition à ce qu’il lit dans son contexte.
Context engineering
Discipline qui consiste à choisir ce qu’on place dans la fenêtre de contexte d’un modèle à chaque étape : consignes, outils, documents, historique.
Contextual retrieval
Méthode de récupération présentée par Anthropic, qui ajoute à chaque fragment un court contexte le situant dans son document avant de l’indexer.
Cross-encoder
Modèle qui lit ensemble une requête et un passage pour noter leur adéquation, par opposition au bi-encoder, qui les encode séparément.
Date de coupure
Date après laquelle un modèle n’a plus rien acquis par entraînement, et au-delà de laquelle il ne dispose d’aucune information sans recherche.
Dense retrieval
Récupération de documents par comparaison d’embeddings, la requête et les passages étant encodés séparément en vecteurs denses.
Distillation
Technique qui entraîne un petit modèle à reproduire les sorties d’un grand, afin d’en conserver l’essentiel des capacités à moindre coût.
Données d’entraînement
Ensemble des textes, images ou autres contenus à partir desquels les paramètres d’un modèle ont été ajustés.
Données synthétiques
Données produites par un modèle ou un programme, et non recueillies dans le monde réel, pour entraîner ou tester un autre système.
Embedding
Représentation d’un texte ou d’une image par une liste de nombres, construite pour que deux contenus de sens proche aient des listes proches.
Entraînement
Phase pendant laquelle les paramètres d’un modèle sont ajustés à partir d’un grand volume de données, avant sa mise en service.
Espace latent
Espace mathématique à nombreuses dimensions dans lequel un modèle place ses représentations, et où la proximité traduit une ressemblance.
Évaluation de modèle
Mesure méthodique de la qualité des sorties d’un modèle ou d’un prompt sur un ensemble de cas préparés à l’avance.
Fenêtre de contexte
Quantité maximale de texte, comptée en tokens, qu’un modèle peut prendre en compte en une fois : consignes, conversation, documents et réponse.
Few-shot
Manière d’interroger un modèle en plaçant dans le prompt quelques exemples de la tâche résolue, pour qu’il en reproduise le schéma.
Fine-tuning
Poursuite de l’entraînement d’un modèle déjà pré-entraîné sur un jeu de données plus restreint, pour l’adapter à un domaine ou à un style.
Garde-fous
Ensemble des mécanismes qui encadrent ce qu’un modèle accepte de traiter et de produire : filtres, consignes, contrôles en entrée et en sortie.
Génération d’images
Production d’une image par un modèle à partir d’une description en langage naturel, sans prise de vue ni dessin.
GPT
Sigle de Generative Pre-trained Transformer : famille de modèles de langage d’OpenAI et, par extension, nom d’usage de ce type de modèle.
Hallucination
Affirmation fausse ou invérifiable produite par un modèle génératif avec la même assurance qu’une affirmation exacte.
HyDE
Technique de récupération qui fait rédiger par un modèle une réponse hypothétique, puis cherche les documents réels qui lui ressemblent.
IA agentique
Usage de l’IA dans lequel des modèles ne se bornent plus à répondre, mais enchaînent des actions pour mener une tâche à son terme.
IA générative
Famille de modèles d’IA qui produisent du contenu nouveau — texte, image, son, code — à partir d’une consigne, au lieu de classer ou de prédire.
Inférence
Phase d’utilisation d’un modèle entraîné : il reçoit une entrée et calcule une sortie, sans que ses paramètres soient modifiés.
Injection de prompt
Attaque qui glisse des instructions dans un contenu lu par un modèle, pour détourner son comportement à l’insu de l’utilisateur.
Intelligence artificielle
Ensemble des techniques qui font exécuter à une machine des tâches jusque-là réservées à l’humain : reconnaître, classer, prédire, rédiger.
Jailbreak
Manœuvre par laquelle un utilisateur rédige ses demandes de façon à faire produire à un modèle ce que ses garde-fous lui interdisent.
LLM
Modèle entraîné sur de très grands volumes de texte à prédire la suite d’une séquence, ce qui lui permet de rédiger, résumer ou répondre.
LLM juge
Emploi d’un modèle de langage pour noter les sorties d’un autre modèle, à la place ou en complément d’une évaluation humaine.
MCP
Protocole ouvert qui normalise la façon dont une application d’IA se connecte à des sources de données, des outils et des services externes.
Mécanisme d’attention
Calcul par lequel un modèle pondère, pour chaque token, l’influence de tous les autres tokens du texte qu’il traite.
Mémoire
Fonction qui permet à un assistant de conserver des informations d’une conversation à l’autre et de les réutiliser dans ses réponses.
Modèle autorégressif
Modèle qui génère une séquence élément par élément, chaque nouveau token étant prédit à partir de tous ceux qui le précèdent.
Modèle de diffusion
Modèle génératif qui produit une image en partant d’un bruit aléatoire et en le débruitant par étapes, guidé par une description.
Modèle de fondation
Modèle entraîné sur des données larges et variées, puis adapté à de nombreuses tâches qu’il n’a pas apprises une à une.
Modèle de raisonnement
Modèle de langage qui produit des étapes de raisonnement internes avant de rédiger sa réponse, au prix de plus de temps et de tokens.
Modèle multimodal
Modèle capable de traiter ou de produire plusieurs types de contenus — texte, image, son, vidéo — au sein d’un même échange.
Modèle ouvert
Modèle dont les poids sont publiés et téléchargeables, ce qui permet de l’exécuter et de l’adapter sur sa propre infrastructure.
Non-déterminisme
Propriété d’un modèle génératif de pouvoir donner des réponses différentes à une même question posée plusieurs fois.
Orchestration d’agents
Coordination de plusieurs agents ou appels de modèle, chacun chargé d’une sous-tâche, par un programme ou par un agent principal.
Paramètres
Valeurs numériques internes d’un modèle, ajustées pendant l’entraînement, qui déterminent la sortie calculée pour chaque entrée.
Pré-entraînement
Première phase d’entraînement d’un modèle, sur un très grand corpus non étiqueté, où il acquiert ses capacités générales.
Prompt
Texte soumis à un modèle génératif pour obtenir une réponse : une question, une consigne, des documents, ou les trois à la fois.
Prompt engineering
Pratique qui consiste à rédiger et à organiser les consignes données à un modèle pour en obtenir des sorties plus justes et plus régulières.
Prompt système
Jeu d’instructions placé par l’éditeur d’un produit en amont de la conversation, qui fixe le rôle, le ton et les limites du modèle.
RAG
Architecture qui fait précéder la génération d’une recherche : le modèle rédige sa réponse à partir de documents récupérés pour l’occasion.
Rappel et précision
Deux mesures d’une recherche : la part des documents pertinents effectivement retrouvés, et la part de pertinents parmi ceux retrouvés.
Recherche agentique
Recherche menée par un modèle qui décide lui-même de ses requêtes, lit les résultats, puis relance ou approfondit jusqu’à pouvoir répondre.
Recherche des plus proches voisins
Opération qui consiste à trouver, parmi un très grand nombre de vecteurs, ceux qui sont les plus proches d’un vecteur de requête.
Recherche hybride
Recherche qui exécute en parallèle une recherche lexicale et une recherche vectorielle, puis fusionne les deux listes de résultats.
Recherche lexicale
Recherche qui retrouve les documents contenant les mots de la requête et les classe selon la fréquence et la rareté de ces mots.
Recherche vectorielle
Recherche qui retrouve les contenus dont l’embedding est le plus proche de celui de la requête, sans exiger de mots en commun.
Récupération
Étape où un système va chercher, dans un index, les documents ou les passages susceptibles de répondre à une question.
Réécriture de requête
Transformation de la question d’un utilisateur en une ou plusieurs requêtes mieux adaptées à l’index, avant de lancer la recherche.
Reranking
Second tri appliqué aux passages récupérés : un modèle plus précis les note un par un face à la requête et n’en garde que les meilleurs.
Réseau de neurones
Modèle de calcul fait de couches d’unités reliées par des poids, dont les valeurs sont ajustées pendant l’entraînement.
Résumé automatique
Production par un modèle d’un texte court qui restitue l’essentiel d’un ou de plusieurs documents plus longs.
RLHF
Méthode d’entraînement qui affine un modèle à partir de jugements humains sur ses réponses, pour qu’il préfère les sorties les mieux notées.
Similarité cosinus
Mesure de proximité entre deux vecteurs fondée sur l’angle qu’ils forment, indépendamment de leur longueur.
SLM
Modèle de langage de taille réduite, conçu pour tourner à moindre coût, parfois sur un téléphone ou un ordinateur sans passer par un serveur.
Sortie structurée
Réponse d’un modèle contrainte à respecter un format lisible par un programme, le plus souvent un objet JSON conforme à un schéma.
Tatouage numérique
Marque imperceptible insérée dans un contenu généré par IA au moment de sa création, pour permettre d’en détecter l’origine ensuite.
Température
Paramètre de génération qui règle la part de hasard dans le choix de chaque token : basse, la sortie est plus prévisible ; haute, plus variée.
Token
Unité de texte que manipule un modèle de langage : un mot, un fragment de mot, un signe de ponctuation ou quelques caractères.
Tokenisation
Découpage d’un texte en tokens, première opération qu’un modèle de langage applique à tout ce qu’il reçoit.
Top-p
Paramètre d’échantillonnage qui limite le choix du token suivant aux candidats les plus probables, jusqu’à un seuil de probabilité cumulée.
Traduction automatique
Traduction d’un texte d’une langue vers une autre par un modèle, sans intervention d’un traducteur humain.
Traitement automatique du langage
Discipline qui fait traiter le langage humain par des programmes : analyser un texte, le classer, le traduire, le résumer ou en produire un.
Transcription automatique
Conversion d’un enregistrement audio ou vidéo en texte par un modèle de reconnaissance de la parole.
Transformer
Architecture de réseau de neurones fondée sur le mécanisme d’attention, sur laquelle reposent les modèles de langage actuels.
Zero-shot
Manière d’interroger un modèle en lui décrivant la tâche sans lui fournir aucun exemple de réponse attendue.

Et sur votre site ?

Cette question se pose chez vous ?

Décrivez votre situation : nous répondons par écrit, avec une première lecture de ce qu’il faudrait regarder d’abord.

Voir le diagnostic

Vous recevez un premier avis écrit et le prix du diagnostic.
4,9/5 sur 34 avis Google. Réponse écrite, sans relance commerciale. Vos données ne servent qu’à vous répondre.