Glossaire de l'intelligence artificielle

Un agent IA est un système qui s'appuie sur un modèle de langage pour comprendre une demande, décider des étapes à suivre et les exécuter avec de vrais outils, comme votre agenda ou votre CRM, jusqu'à accomplir la tâche, pas seulement pour répondre.

L'AGI (intelligence artificielle générale) désigne une IA hypothétique capable d'apprendre et d'accomplir presque toute tâche intellectuelle humaine, avec la même souplesse. Il n'existe ni définition partagée ni système reconnu comme tel.

L'AI Act est le règlement (UE) 2024/1689, la loi européenne sur l'intelligence artificielle. Il classe les systèmes d'IA par niveau de risque et fixe des obligations à ceux qui les conçoivent et les utilisent, de l'interdiction de certains usages à des devoirs de transparence.

Un algorithme est une suite finie d'instructions précises qui permet de résoudre un problème ou d'accomplir une tâche. En IA, l'algorithme est la méthode qui apprend à partir des données ; le modèle est ce que cette méthode produit.

L'analyse de sentiment est la technique d'IA qui détecte la tonalité émotionnelle d'un texte (positive, négative ou neutre, parfois des émotions comme la colère ou l'urgence) pour savoir comment se sent son auteur sans tout lire à la main.

Une API (interface de programmation d'application) est un ensemble de règles qui permet à un logiciel de demander des données ou une action à un autre : vous envoyez une requête au format convenu et recevez une réponse, sans savoir comment l'autre est construit.

Un assistant virtuel est un logiciel d'IA qui aide une personne ou les clients d'une entreprise sur plusieurs tâches, à l'écrit ou à l'oral : il répond aux questions, garde le fil de l'échange et réalise des démarches simples, comme prendre un rendez-vous.

L'automatisation IA consiste à confier à des modèles d'intelligence artificielle des tâches qui demandaient un jugement humain, comme lire un message, comprendre la demande et choisir l'étape suivante, au lieu de répéter des étapes fixées à l'avance.

Une base de connaissances est l'ensemble organisé des informations d'une entreprise (questions fréquentes, conditions, horaires, fiches produit, procédures) dans lequel un agent IA ou une équipe va chercher ses réponses.

Une base de données vectorielle stocke des embeddings, ces suites de nombres qui représentent le sens d'un contenu, et retrouve très vite les plus proches d'une requête. C'est la brique de recherche de la plupart des systèmes RAG.

Un benchmark d'IA est un test standardisé, avec des questions ou des tâches et une méthode de notation fixe, qui sert à mesurer et comparer les performances de différents modèles sur une compétence précise : raisonner, coder, répondre à des questions.

Un biais en IA est une erreur systématique qui conduit un système d'intelligence artificielle à traiter différemment, et souvent injustement, des personnes ou des cas comparables. Il vient le plus souvent de données d'entraînement déséquilibrées ou de choix de conception.

Un callbot est un voicebot qui travaille dans les appels téléphoniques : il répond aux appels entrants ou passe des appels sortants, converse à l'oral et traite des demandes comme les rendez-vous, les rappels ou la qualification de prospects, relié au standard et à vos outils.

Le chain of thought, ou chaîne de pensée, est une technique où le modèle d'IA écrit les étapes intermédiaires de son raisonnement avant de donner sa réponse finale. Elle améliore les résultats sur les calculs, les règles en cascade et les problèmes à plusieurs étapes.

Un chatbot est un programme qui converse par écrit avec des personnes, sur un site ou sur WhatsApp, pour répondre à des questions ou guider une démarche. Il suit des règles fixes ou s'appuie sur un modèle de langage pour comprendre les messages.

La classification de texte est la tâche d'IA qui attribue automatiquement une ou plusieurs catégories à un texte, comme un e-mail ou un message : type de demande, sujet, priorité ou langue. C'est la base pour trier, prioriser et répartir le travail.

Un copilote IA est un assistant intégré à un outil de travail qui suggère, rédige ou résume pendant que la personne travaille, sans agir de lui-même : la décision finale et l'envoi restent toujours entre les mains de l'utilisateur.

Un dataset (jeu de données) est une collection organisée d'exemples, comme des textes, des enregistrements, des images ou des fiches, utilisée pour entraîner, ajuster ou évaluer un modèle d'IA. Sa qualité conditionne directement ce que le modèle apprend.

Le deep learning, ou apprentissage profond, est une forme de machine learning fondée sur des réseaux de neurones à nombreuses couches. Chaque couche extrait des caractéristiques plus abstraites, ce qui permet de traiter texte, voix et images sans règles écrites à la main.

Un embedding est une suite de nombres qui représente le sens d'un texte, d'une image ou d'un son. Deux textes de sens proche ont des embeddings proches, ce qui permet de chercher par le sens et pas seulement par les mots exacts.

L'entraînement d'un modèle est le processus par lequel un modèle d'IA apprend à partir d'un jeu de données : on lui présente des exemples, on mesure ses erreurs et on ajuste ses paramètres, encore et encore, jusqu'à obtenir de bonnes réponses.

La fenêtre de contexte est la quantité maximale de texte, mesurée en tokens, qu'un modèle de langage peut prendre en compte d'un coup : consignes, conversation, documents et sa propre réponse. Ce qui en sort, le modèle ne le voit pas.

Le few-shot est une technique de prompt qui consiste à glisser quelques exemples déjà résolus dans la consigne, pour que le modèle d'IA reproduise le format, le ton ou le critère attendu sans avoir à le réentraîner.

Le fine-tuning (ajustement fin) consiste à réentraîner un modèle d'IA déjà pré-entraîné sur un petit ensemble d'exemples propres, afin de le spécialiser dans une tâche, un format ou un style précis sans repartir de zéro.

Un flux conversationnel est le parcours prédéfini d'une conversation automatisée : les étapes, questions et réponses qu'un bot suit selon ce que répond l'utilisateur, généralement dessiné sous forme de schéma à embranchements.

Le function calling est la capacité d'un modèle de langage à répondre, au lieu d'un texte, par une demande structurée pour utiliser une fonction précise, avec son nom et ses paramètres. Votre système exécute cette fonction et renvoie le résultat au modèle.

GPT (generative pre-trained transformer) désigne la famille de modèles de langage d'OpenAI. Le nom résume leur fonctionnement : ils génèrent du texte, sont pré-entraînés sur d'énormes volumes de données et reposent sur l'architecture transformer.

Le grounding, ou ancrage, consiste à faire reposer les réponses d'un modèle d'IA sur des sources précises et vérifiables, comme vos documents, une base de données ou une recherche, plutôt que sur ce qu'il a retenu de son entraînement.

Les guardrails sont les garde-fous placés autour d'un modèle d'IA pour qu'il reste dans le cadre prévu : filtres sur ce qui entre et ce qui sort, limites de sujets et d'actions, et règles pour passer la main à une personne quand il le faut.

Une hallucination est une réponse d'un modèle d'IA qui paraît convaincante mais se révèle fausse ou ne repose sur aucune source : un chiffre, une citation, un prix ou une référence que le modèle invente en produisant le texte le plus probable.

L'IA agentique désigne une IA qui ne se contente pas de répondre mais poursuit un objectif : elle planifie des étapes, utilise des outils, vérifie le résultat et décide de la suite avec une certaine autonomie, dans des règles fixées par une personne.

L'IA conversationnelle regroupe les technologies qui permettent à une machine de tenir une conversation en langage naturel, à l'écrit ou à l'oral : comprendre ce qu'on lui dit, garder le contexte et répondre de manière cohérente.

L'IA générative est l'intelligence artificielle qui crée du contenu nouveau, comme du texte, des images, de l'audio, de la vidéo ou du code, à partir d'une consigne, grâce à des modèles entraînés sur de très nombreux exemples de ce type de contenu.

L'IA open source désigne un modèle publié pour que chacun puisse l'utiliser, l'étudier, le modifier et le partager. En pratique, beaucoup de modèles dits ouverts ne publient que leurs poids, pas les données ni tout le code d'entraînement.

L'inférence est le moment où un modèle d'IA déjà entraîné est utilisé : il reçoit une entrée nouvelle, comme une question, un audio ou une image, et calcule la réponse avec ce qu'il a appris, sans modifier ses paramètres.

L'injection de prompt est une attaque qui consiste à glisser des instructions dans un texte lu par un modèle d'IA, comme un message, un e-mail ou une page web, pour lui faire faire autre chose que ce qu'a prévu celui qui l'a configuré.

L'intelligence artificielle (IA) est le domaine de l'informatique qui conçoit des systèmes capables de tâches associées à l'intelligence humaine, comme comprendre le langage, reconnaître des images ou décider, à partir de régularités apprises dans des données.

Une intention (intent) est l'objectif d'une personne quand elle écrit ou dit quelque chose à un chatbot ou à un agent IA, comme réserver, annuler ou demander un prix. La détecter permet au système de décider quoi faire du message.

Un jailbreak d'IA est une tentative pour amener un modèle de langage à contourner ses règles de sécurité ou les consignes de celui qui l'a configuré, au moyen de messages conçus pour le tromper ou détourner son attention.

La latence est le temps qui s'écoule entre une requête et le début de la réponse. Pour un agent vocal, c'est le silence entre le moment où le client se tait et celui où il entend le premier mot de l'agent : c'est elle qui rend la conversation naturelle ou non.

Le lead scoring est une méthode qui attribue une note à chaque prospect selon sa proximité avec l'achat, en combinant qui il est (secteur, taille, zone) et ce qu'il a fait (questions, visites, réponses), pour que l'équipe commerciale traite d'abord les plus prometteurs.

Un LLM (large language model, grand modèle de langage) est un modèle d'IA entraîné sur d'immenses volumes de texte pour prédire le mot suivant. Cette capacité lui permet de rédiger, résumer, traduire, classer et converser.

Le machine learning, ou apprentissage automatique, est la branche de l'IA où un système apprend une tâche à partir d'exemples, au lieu de suivre des règles écrites à la main, et s'améliore à mesure qu'il voit davantage de données.

Le MCP (Model Context Protocol) est un standard ouvert qui définit comment une application d'IA se connecte à des outils et à des données externes. Chaque service est exposé une fois en « serveur MCP », utilisable par tout assistant compatible sans intégration sur mesure.

La mémoire d'un agent désigne les informations qu'un agent IA conserve pour s'en resservir : ce qui a été dit dans l'échange en cours (court terme) et les données gardées des échanges précédents, comme les préférences ou l'historique d'un client (long terme).

Le mixture of experts (MoE, mélange d'experts) est une architecture de modèle d'IA découpée en plusieurs sous-réseaux appelés experts. Pour chaque token, un routeur n'en active que quelques-uns : le modèle peut être très grand sans mobiliser tout son calcul à chaque étape.

Un modèle d'IA est le programme obtenu en entraînant un algorithme sur des données : un ensemble de paramètres appris qui, face à une entrée nouvelle, produit un résultat comme une prédiction, une catégorie, un texte ou une image.

Un modèle de langage est un système d'IA qui calcule quel mot, ou quel token, a le plus de chances de suivre un texte. En répétant cette prédiction, il peut compléter une phrase, répondre à une question, résumer ou traduire.

Un modèle de raisonnement est un modèle de langage entraîné à produire une suite d'étapes intermédiaires avant de donner sa réponse finale. Il réussit mieux les problèmes de logique, de calcul ou de planification, au prix d'un délai et d'une consommation de tokens plus élevés.

Un modèle multimodal est un modèle d'IA capable de recevoir ou de produire plusieurs types de données, comme du texte, des images, du son ou de la vidéo, et de les relier entre eux. Il peut par exemple lire la photo d'une facture et répondre à des questions dessus.

Le NLP (traitement du langage naturel) est la branche de l'intelligence artificielle qui permet aux machines de travailler avec le langage humain : lire, analyser, classer, traduire et produire du texte ou de la parole comme le font les personnes.

Le NLU (compréhension du langage naturel) est la partie du NLP qui s'attache au sens d'un message : ce que veut la personne (son intention) et les données précises qu'elle fournit (des entités comme des dates, des noms ou des produits).

L'OCR (reconnaissance optique de caractères) est la technologie qui convertit le texte présent dans une image, un PDF scanné ou une photo en texte numérique modifiable, consultable et exploitable. Avec l'IA, il comprend aussi la structure du document.

L'orchestration d'agents consiste à coordonner plusieurs agents IA spécialisés pour mener une tâche à bien ensemble : un composant décide quel agent intervient à chaque étape, quelles informations il reçoit et comment les résultats sont combinés.

Les paramètres d'un modèle sont les valeurs numériques internes, surtout les poids d'un réseau de neurones, ajustées pendant l'entraînement et qui stockent ce qu'il a appris. Leur nombre sert de mesure approximative de la taille du modèle.

Un prompt est l'instruction ou le texte que l'on donne à un modèle d'IA pour obtenir quelque chose : une question, une consigne, un document à résumer ou un mélange des trois. La qualité de la réponse dépend en grande partie du prompt.

Le prompt engineering, ou ingénierie de prompts, consiste à concevoir, tester et ajuster les instructions données à un modèle d'IA pour qu'il réponde correctement de façon stable, et pas seulement une fois.

La quantification est une technique qui stocke les paramètres d'un modèle d'IA avec des nombres moins précis, par exemple 8 ou 4 bits au lieu de 16. Le modèle occupe moins de mémoire et répond souvent plus vite, au prix d'une perte de qualité parfois minime.

Le RAG (génération augmentée par récupération) est une technique qui fait chercher à un modèle de langage les passages utiles dans vos documents, puis rédiger sa réponse à partir d'eux, au lieu de répondre uniquement de mémoire.

La reconnaissance vocale est la branche de l'intelligence artificielle qui permet à une machine d'identifier les mots prononcés par une personne et de les convertir en texte ou en commandes. Son nom technique est ASR (reconnaissance automatique de la parole).

Un réseau de neurones artificiels est un modèle mathématique composé de couches d'unités reliées, appelées neurones, qui transforment une entrée numérique en sortie. Il apprend en ajustant le poids de chaque connexion à partir d'exemples.

Un SLM (small language model) est un modèle de langage doté de beaucoup moins de paramètres qu'un LLM. Il en sait moins sur tout, mais répond plus vite, coûte moins cher et peut tourner sur un serveur modeste, un ordinateur portable, voire un téléphone.

Le speech to text (STT) est la technologie qui convertit la parole en texte écrit. C'est la brique logicielle, en général un modèle accessible par API, qui « écoute » dans un voicebot, une dictée ou un outil de transcription, en temps réel ou sur des enregistrements.

La synthèse vocale est la production artificielle de voix humaine par ordinateur. C'est la discipline derrière le text to speech, le clonage de voix et les agents qui parlent ; elle repose aujourd'hui surtout sur des réseaux de neurones entraînés sur de vrais enregistrements.

Le system prompt, ou prompt système, est l'ensemble des consignes fixes qu'un modèle d'IA reçoit avant toute conversation : il définit son rôle, son ton, ce qu'il sait de l'entreprise et ce qu'il n'a pas le droit de faire.

La température est un réglage des modèles de langage qui contrôle la part de hasard dans le choix de chaque token. Basse, le modèle retient presque toujours l'option la plus probable et répond de façon prévisible ; haute, il varie davantage et se montre plus créatif.

Le text to speech (TTS) est la technologie qui convertit un texte écrit en parole. C'est la brique, en général un modèle accessible par API, qui donne une voix à un agent téléphonique, à un lecteur d'écran ou à un audio généré à partir d'un texte.

Un token est le morceau de texte que manipule un modèle de langage : un mot, une partie de mot ou un signe. Le modèle lit, compte et facture en tokens, pas en mots ni en caractères.

La tokenisation est l'étape qui découpe un texte en tokens, les morceaux que comprend un modèle de langage, et associe à chacun un numéro de son vocabulaire. C'est le passage obligé avant que le modèle puisse lire ou écrire quoi que ce soit.

La transcription automatique consiste à convertir un enregistrement audio ou vidéo en texte écrit sans que personne ne le tape, grâce à la reconnaissance vocale. Elle inclut en général la ponctuation, l'horodatage et l'identification de qui parle à chaque instant.

Le transfert vers un humain (handoff) est le moment où un chatbot ou un agent IA passe la conversation à une personne de l'équipe, avec le contexte recueilli, parce que le cas l'exige, qu'une règle le prévoit ou que le client le demande.

Un transformer est une architecture de réseau de neurones qui traite tous les mots d'un texte en même temps et s'appuie sur un mécanisme d'attention pour repérer quelles parties sont liées entre elles. C'est la base de presque tous les modèles de langage actuels.

La vision par ordinateur est la branche de l'IA qui permet à un système d'interpréter images et vidéos : reconnaître des objets, lire du texte, détecter des défauts ou décrire une scène. Elle repose surtout sur des réseaux de neurones entraînés sur de nombreuses images.

Un voicebot est un programme qui converse à l'oral : il écoute une personne, comprend ce qu'elle veut et lui répond de vive voix. Il fonctionne au téléphone, sur un site, une appli ou une enceinte et, avec l'IA générative, gère des conversations ouvertes, pas seulement des menus.

Un webhook est une notification automatique qu'un système envoie à l'adresse web d'un autre système quand un événement se produit, par exemple un nouveau rendez-vous ou un message reçu, pour que ce second système réagisse aussitôt sans avoir à demander.

On parle de zero-shot quand un modèle d'IA accomplit une tâche à partir de la seule consigne, sans aucun exemple préalable. Il y parvient grâce à tout ce qu'il a appris pendant son entraînement.