Le vocabulaire
de l'IA

L'intelligence artificielle generative designe les systemes capables de creer du contenu nouveau : texte, images, code, musique, video. Contrairement a l'IA classique qui analyse ou classe des donnees existantes, l'IA generative produit quelque chose qui n'existait pas avant.

Un LLM est un modele de langage de grande taille, entraine sur des milliards de textes pour comprendre et generer du langage humain. C'est le moteur qui fait tourner ChatGPT, Claude, Gemini et les autres assistants IA textuels.

GPT est une architecture specifique de LLM developpee par OpenAI. Le 'Pre-trained' signifie que le modele a ete entraine sur d'enormes quantites de donnees avant d'etre affine. GPT est devenu un terme generique mais tous les LLM ne sont pas des GPT.

Un token est l'unite de mesure utilisee par les LLM pour traiter le texte. Ce n'est ni un mot ni un caractere, mais un fragment intermediaire. Les tokens determinent le cout d'utilisation des API et la limite de contexte de la conversation.

Un modele multimodal peut traiter et generer plusieurs types de contenus : texte, images, audio, video. Au lieu d'avoir un outil par type, un seul modele gere tout.

L'entrainement est le processus par lequel un modele IA apprend a partir de donnees. Le modele analyse des milliards d'exemples pour detecter des patterns. Entrainer un LLM de pointe peut couter plusieurs dizaines de millions d'euros.

Un prompt est l'instruction que vous donnez a l'IA — votre message, votre question, votre brief. La qualite du prompt determine directement la qualite de la reponse.

Le context engineering est l'art de structurer toutes les informations que vous fournissez a l'IA pour obtenir le meilleur resultat possible : role assigne, contexte metier, exemples, contraintes, format de sortie. C'est la competence cle des pros qui tirent vraiment parti de l'IA.

Le few-shot prompting consiste a donner quelques exemples du resultat attendu dans votre prompt. Au lieu d'expliquer ce que vous voulez en theorie, vous montrez a l'IA ce que vous attendez en pratique.

Le chain-of-thought (chaine de pensee) consiste a demander a l'IA de raisonner etape par etape avant de donner sa reponse finale. Ca ameliore considerablement la qualite des reponses sur les problemes complexes.

Le prompt-chaining decompose une tache complexe en plusieurs prompts successifs, ou la sortie de l'un devient l'entree du suivant. Vous guidez l'IA a travers un workflow structure plutot que de tout demander en une seule fois.

Le context rot designe la degradation du contexte : la qualite des reponses se degrade au fil d'une longue conversation. L'IA perd de vue les instructions initiales. Conseil : ouvrez une nouvelle conversation et resumez le contexte essentiel.

Les modeles de reasoning sont des LLM concus pour reflechir avant de repondre : ils decomposent les problemes complexes, evaluent differentes approches et verifient leur logique. o1 d'OpenAI et Claude 'extended thinking' utilisent cette approche.

Le RAG combine recherche d'information et generation de texte. L'IA va d'abord chercher des informations pertinentes dans une base de donnees ou des documents, puis genere sa reponse en s'appuyant dessus. C'est ce qui permet a un chatbot interne de connaitre votre documentation.

Une hallucination, c'est quand l'IA invente des informations fausses avec aplomb : faits, citations, statistiques ou references qui n'existent pas, presentes avec assurance. C'est le risque numero un en contexte professionnel — verifiez toujours les faits critiques.

Les biais en IA sont des prejudices systematiques presents dans les reponses, herites des donnees d'entrainement. Si les donnees surrepresentent certains points de vue ou demographics, le modele reproduira ces desequilibres avec des consequences reelles (ex. tri de CV).

Le fine-tuning consiste a re-entrainer un modele existant sur des donnees specifiques pour le specialiser. Vous prenez un LLM general et vous l'affinez avec vos propres donnees. C'est comme former un generaliste a votre secteur.

Un deepfake est un contenu multimedia falsifie par l'IA suffisamment realiste pour tromper. En entreprise, les deepfakes representent un risque de fraude croissant : faux appels video du CEO, faux messages vocaux, usurpation d'identite sophistiquee.

Un agent IA est un systeme qui peut agir de maniere autonome pour accomplir des taches. Contrairement a un chatbot, un agent prend des decisions, utilise des outils (envoi d'emails, bases de donnees, navigation web) et enchaine des actions pour atteindre un objectif.

Une interface de dialogue alimentee par l'IA qui interagit en langage naturel. Les versions modernes basees sur des LLM comprennent le contexte, gerent des requetes complexes et s'ameliorent avec le temps — bien au-dela des chatbots rigides d'antan.

Le Shadow AI designe l'utilisation non autorisee d'outils IA par les employes, hors du cadre defini par l'entreprise. Risque de fuite de donnees et de non-conformite eleves. Mieux vaut encadrer l'usage que l'interdire.

L'automatisation IA ajoute une couche d'intelligence aux workflows classiques (Zapier, Make). Au lieu de regles 'si X alors Y', l'IA interprete, decide et s'adapte au contexte. Avant : 'si urgent alors transferer'. Maintenant : 'l'IA lit l'email, comprend la priorite reelle, route intelligemment'.

Une API est un pont de communication entre deux logiciels. Dans le contexte IA, les API integrent les capacites d'un LLM directement dans vos outils : CRM, site web, outil interne. C'est ce qui transforme l'IA d'un jouet en outil professionnel integre.

Le premier cadre legislatif mondial sur l'IA, adopte par l'Union europeenne. Il classe les systemes IA par niveaux de risque (inacceptable, haut, limite, minimal) et impose des obligations proportionnelles. Mise en conformite progressive jusqu'en 2027.