Lexique de l’intelligence artificielle : 154 termes pour comprendre l’IA

Protocole ouvert conçu pour permettre à des agents distincts de se découvrir, communiquer et collaborer sur des tâches.

Exemple en entreprise : Un agent de support transmet une demande complexe à un agent spécialisé d’un autre service.

Proportion totale de prédictions correctes dans une évaluation de classification. Elle peut être trompeuse lorsque les classes sont déséquilibrées.

Exemple en entreprise : Si 95 % des tickets sont simples, prédire toujours « simple » peut afficher une accuracy élevée sans être utile.

Utilisation réelle, pertinente et durable d’une solution par les personnes concernées; un compte ouvert ne prouve pas l’adoption.

Exemple en entreprise : Le taux de tâches réellement effectuées avec l’assistant est suivi après la formation.

Système qui poursuit un objectif à l’aide d’un modèle, d’instructions, d’un état et éventuellement d’outils, avec une certaine capacité de décider des étapes à suivre. Son autonomie dépend du cadre fixé.

Exemple en entreprise : Un agent prépare un rapport, interroge une base autorisée et demande validation avant envoi.

Cycle au cours duquel un agent observe le résultat d’une action, décide de la suivante et vérifie les effets jusqu’à l’arrêt.

Exemple en entreprise : Un agent lance une recherche, examine les résultats puis affine sa recherche.

Processus coordonnant un ou plusieurs composants IA et outils dans une séquence d’actions éventuellement adaptative.

Exemple en entreprise : Lecture d’un ticket, qualification, proposition de réponse et validation constituent un workflow.

Organisation des responsabilités, règles, décisions et contrôles qui encadrent le choix, l’usage et le suivi des systèmes d’IA.

Exemple en entreprise : Un comité définit les usages autorisés, les seuils de risque et les responsables de chaque application.

Niveau de préparation de l’organisation en matière de données, compétences, sécurité, processus, gouvernance et capacité de transformation.

Exemple en entreprise : Avant un projet agentique, une entreprise vérifie la qualité de son référentiel et la clarté des responsabilités.

Discipline visant à réduire les risques de dommages liés au comportement ou à l’usage des systèmes d’IA.

Exemple en entreprise : Un déploiement sensible impose des tests d’erreur, des limites d’action et des procédures d’arrêt.

Suite finie d’instructions permettant de transformer des entrées en résultats. Tous les algorithmes ne sont pas de l’intelligence artificielle.

Exemple en entreprise : Un algorithme calcule une remise commerciale à partir d’un barème déterministe.

Interface définissant comment deux logiciels échangent des requêtes et des réponses; elle peut être utilisée avec ou sans IA.

Exemple en entreprise : Un assistant interroge l’ERP pour récupérer le statut d’une commande.

Méthode recherchant des groupes, des structures ou des régularités dans des données sans étiquettes de résultat fournies.

Exemple en entreprise : Une segmentation identifie des profils de comportements d’achat sans classes définies à l’avance.

Approche dans laquelle un agent apprend à choisir des actions en maximisant un signal de récompense au fil de ses interactions.

Exemple en entreprise : Un système expérimental optimise des décisions de pilotage dans un environnement simulé.

Méthode d’apprentissage fondée sur des exemples accompagnés de réponses ou d’étiquettes attendues.

Exemple en entreprise : Des devis historiques signalés comme gagnés ou perdus servent à entraîner un modèle de prédiction.

Mécanisme qui pondère l’importance d’éléments d’une entrée pour produire une représentation ou une réponse.

Exemple en entreprise : Le modèle relie un pronom au bon élément évoqué plus tôt dans une phrase.

Ensemble organisé de contenus, procédures ou données servant de référence aux utilisateurs et aux systèmes.

Exemple en entreprise : Un SAV regroupe notices, garanties et fiches d’incident dans une base validée.

Système destiné à stocker, indexer et rechercher efficacement des vecteurs, souvent utilisés dans les architectures RAG.

Exemple en entreprise : Les embeddings des notices produits sont indexés pour retrouver des passages proches d’une question.

Ensemble de tâches ou de métriques standardisées permettant de comparer des systèmes; un bon score général ne remplace pas les tests métier.

Exemple en entreprise : Deux modèles sont comparés sur les mêmes demandes clients réelles et anonymisées.

Tendance systématique des données, du modèle ou du processus produisant des résultats déséquilibrés ou injustes.

Exemple en entreprise : Un outil d’aide au recrutement doit être testé sur des populations représentatives et selon les exigences applicables.

Décision entre développement interne ou spécifique et recours à une solution existante, fondée sur valeur, différenciation, risque et coût complet.

Exemple en entreprise : Une PME compare une fonction native de son CRM à un développement d’assistant sur mesure.

Situation métier définie dans laquelle un système IA apporte une contribution mesurable à un processus ou à une décision.

Exemple en entreprise : Préparer les réponses aux réclamations est un cas d’usage plus précis que « faire de l’IA au SAV ».

Un chunk est un fragment de document; le chunking est la méthode de découpage en fragments adaptés à la recherche et au contexte du modèle.

Exemple en entreprise : Une procédure de vingt pages est découpée en sections conservant titre, version et référence.

Mise à disposition de ressources informatiques et logicielles à distance via des services mutualisés ou dédiés.

Exemple en entreprise : Une entreprise consomme un modèle par API plutôt que d’exploiter elle-même les serveurs.

Capacité d’un agent à agir sur des interfaces graphiques en cliquant, saisissant ou naviguant, selon des autorisations et garde-fous.

Exemple en entreprise : Un agent complète un formulaire interne après une validation humaine.

Actions préparant les équipes à de nouveaux processus : communication, implication, formation, accompagnement et suivi des usages.

Exemple en entreprise : Les utilisateurs participent à la définition des règles et disposent de temps pour tester l’outil.

Terme utilisé notamment par le NIST pour désigner des contenus faux ou contradictoires produits et présentés de façon assurée par une IA générative.

Exemple en entreprise : Une réponse affirme à tort qu’une livraison a été effectuée alors que le dossier ne le confirme pas.

Perte d’efficacité lorsque le contexte fourni est trop long, bruité ou mal organisé, même s’il tient dans la fenêtre autorisée.

Exemple en entreprise : Un assistant s’appuie sur une annexe obsolète noyée dans un dossier très volumineux.

Organisation des instructions, données, documents, outils, mémoire et règles accessibles au modèle au bon moment.

Exemple en entreprise : Un assistant commercial reçoit seulement les extraits CRM autorisés et pertinents pour la demande.

Ensemble d’informations fournies au modèle pour interpréter et traiter correctement la demande en cours.

Exemple en entreprise : Des règles de facturation locales sont jointes à une question de support.

Information exploitable par un traitement informatique; la donnée peut être structurée, semi-structurée ou non structurée.

Exemple en entreprise : Un historique de commandes doit avoir une qualité suffisante pour alimenter un projet prédictif.

Divulgation non autorisée de données sensibles à travers des requêtes, sorties, journaux, intégrations ou usages mal maîtrisés.

Exemple en entreprise : Un résumé ne doit pas inclure des informations réservées à une autre équipe.

Séquence de collecte, transformation, contrôle et distribution des données entre systèmes.

Exemple en entreprise : Les ventes issues de plusieurs canaux sont rapprochées puis vérifiées avant analyse.

Ensemble organisé d’exemples servant à entraîner, valider ou tester un modèle; sa qualité et sa représentativité conditionnent les résultats.

Exemple en entreprise : Pour prédire la demande, l’entreprise rassemble un historique de ventes fiable et daté.

Sous-ensemble du machine learning utilisant des réseaux de neurones comportant plusieurs couches de traitement.

Exemple en entreprise : La reconnaissance vocale et de nombreux modèles d’images s’appuient sur le deep learning.

Entraînement d’un modèle généralement plus petit pour reproduire certains comportements d’un modèle enseignant.

Exemple en entreprise : Une entreprise cherche à réduire la latence d’une tâche répétitive grâce à un modèle spécialisé plus léger.

Informations permettant d’identifier directement ou indirectement une personne; la notion pertinente en France est celle de « donnée à caractère personnel » au sens du RGPD.

Exemple en entreprise : Noms, coordonnées et identifiants clients exigent des règles d’accès et de conservation adaptées.

Méthode d’optimisation qui entraîne un modèle directement à partir de paires de réponses préférées et moins préférées, sans étape séparée d’apprentissage par renforcement classique.

Exemple en entreprise : Des exemples de réponses jugées meilleures ou moins bonnes servent à ajuster le comportement du modèle.

Exécution de traitements IA près de la source des données, sur un terminal, un capteur ou une passerelle.

Exemple en entreprise : Une caméra industrielle détecte un défaut directement sur une ligne de production.

Représentation numérique d’un texte ou d’une autre information dans un espace où certaines proximités reflètent des similarités apprises.

Exemple en entreprise : Une recherche documentaire rapproche « délais de livraison » de « date d’expédition » même sans mots identiques.

Adresse ou interface réseau permettant d’accéder à un service, souvent une API d’inférence.

Exemple en entreprise : L’application appelle un endpoint avec un document et reçoit une classification.

Phase pendant laquelle les paramètres d’un modèle sont ajustés en fonction d’exemples et d’un objectif d’apprentissage.

Exemple en entreprise : Un modèle apprend à reconnaître des catégories de courriels à partir d’exemples étiquetés.

Représentation interne apprise par un modèle, dans laquelle des caractéristiques utiles sont encodées sous forme numérique.

Exemple en entreprise : Un modèle d’images peut représenter implicitement différentes propriétés visuelles dans son espace latent.

Espace mathématique dans lequel des éléments sont représentés par des vecteurs et comparés selon une mesure de distance ou de similarité.

Exemple en entreprise : Un moteur de recherche sémantique classe des passages selon leur proximité vectorielle avec une question.

Ensemble de tests servant à mesurer la qualité, la sécurité et l’utilité d’un système sur des cas représentatifs.

Exemple en entreprise : Une équipe mesure les réponses exactes, les refus pertinents et les temps de traitement avant déploiement.

Capacité à fournir des raisons ou éléments permettant de comprendre les résultats d’un système, sans confondre explication produite et preuve du mécanisme réel.

Exemple en entreprise : Une décision de scoring est accompagnée des principales variables utilisées et de ses limites.

Capacité maximale de tokens que le modèle peut prendre en compte à un instant donné, incluant selon le système les instructions, documents, échanges et sorties.

Exemple en entreprise : Un long dossier peut nécessiter une sélection d’extraits plutôt que son envoi intégral.

Technique consistant à inclure quelques exemples d’entrées et de sorties dans le prompt pour guider le résultat.

Exemple en entreprise : Trois tickets clients déjà classés servent d’exemples avant le classement d’un nouveau ticket.

Poursuite de l’entraînement d’un modèle préentraîné sur des exemples ciblés afin d’adapter certains comportements ou compétences; ce n’est pas une base documentaire tenue à jour.

Exemple en entreprise : Un modèle est affiné pour respecter des formats récurrents de classification métier.

Mécanisme par lequel le modèle propose ou prépare un appel structuré à une fonction; l’application exécute effectivement l’appel sous son contrôle.

Exemple en entreprise : Une demande de disponibilité se traduit en appel avec référence produit et quantité.

Production séquentielle d’une sortie dont chaque nouvel élément dépend des éléments déjà générés, souvent token après token.

Exemple en entreprise : Un LLM produit progressivement la phrase d’une réponse au lieu de la générer d’un seul bloc.

Processeur particulièrement adapté aux calculs parallèles, largement utilisé pour entraîner et exécuter certains modèles d’IA.

Exemple en entreprise : Un serveur doté de GPU accélère l’inférence d’un modèle volumineux.

Référence considérée comme correcte pour évaluer une prédiction, souvent vérifiée ou étiquetée par un humain.

Exemple en entreprise : Un échantillon de tickets classés par des experts sert de référence au test.

Degré auquel les affirmations générées sont effectivement soutenues par les sources présentées. Une réponse ancrée n’est pas forcément vraie si la source est erronée.

Exemple en entreprise : Un contrôle compare chaque affirmation aux documents cités.

Fait d’appuyer une réponse sur des éléments de référence identifiés plutôt que sur la seule génération du modèle.

Exemple en entreprise : Une réponse fournit les pages du guide interne qui justifient ses affirmations.

Mesures techniques et organisationnelles qui bornent le fonctionnement d’une IA : permissions, contrôles, filtres, validations, limites et procédures.

Exemple en entreprise : Un agent peut préparer un virement, mais pas l’exécuter sans autorisation humaine.

Terme courant décrivant un contenu inventé, erroné ou non étayé généré par l’IA, parfois avec une apparence de certitude.

Exemple en entreprise : Un assistant cite une clause contractuelle inexistante; une vérification des sources est indispensable.

Transfert explicite d’une tâche et de son contexte d’un agent ou intervenant vers un autre.

Exemple en entreprise : Un agent de qualification transmet un dossier au spécialiste facturation.

Organisation dans laquelle un humain intervient dans une étape du processus pour valider, corriger ou décider.

Exemple en entreprise : Une proposition d’avoir client doit être approuvée par le responsable avant exécution.

Capacité effective de personnes désignées à comprendre, contrôler, corriger, interrompre ou refuser les décisions d’un système.

Exemple en entreprise : Un gestionnaire peut annuler une proposition de refus produite par une IA.

Approche centrée sur des systèmes capables de conduire plusieurs étapes et d’agir sur un environnement, plutôt que seulement générer une réponse.

Exemple en entreprise : Un système traite une demande de SAV en consultant le dossier, proposant une action puis sollicitant un accord.

Injection d’instructions cachées dans des contenus tiers que l’application doit traiter comme des données, et non comme des ordres.

Exemple en entreprise : Un PDF fournisseur contient des instructions destinées à modifier les actions de l’assistant.

Passage d’un test réussi à un usage stable, maintenable, mesuré et gouverné à l’échelle voulue.

Exemple en entreprise : Le support, la sécurité, la formation et les procédures d’incident sont définis avant l’extension.

Phase d’utilisation d’un modèle déjà entraîné pour traiter de nouvelles entrées et produire une sortie.

Exemple en entreprise : Quand un collaborateur soumet une question à un assistant IA, la génération de la réponse relève de l’inférence.

Directive indiquant au système la tâche à accomplir, les contraintes, le ton ou le format attendu.

Exemple en entreprise : « Signale toute donnée absente plutôt que de la déduire » est une instruction utile.

Phase d’ajustement visant à rendre un modèle plus apte à suivre des consignes et à produire des réponses appropriées.

Exemple en entreprise : Le modèle apprend à répondre à des demandes formulées en langage naturel.

Ensemble de techniques permettant à un système informatique de réaliser des tâches qui demandent habituellement des capacités comme percevoir, classer, prévoir, comprendre ou générer du contenu.

Exemple en entreprise : Un service client classe automatiquement les demandes entrantes avant leur traitement.

Famille de systèmes d’IA conçus pour produire du texte, des images, du son, du code ou d’autres contenus à partir d’une consigne.

Exemple en entreprise : Une équipe marketing prépare plusieurs versions d’une fiche produit, puis les vérifie avant publication.

Degré auquel on peut analyser directement comment un modèle ou ses composants conduisent à un résultat.

Exemple en entreprise : Un modèle de décision simple peut être plus interprétable qu’un réseau profond complexe.

Tentative de contournement des règles ou restrictions d’un modèle au moyen de formulations ou de stratégies adversariales.

Exemple en entreprise : Un utilisateur essaie d’obtenir une action normalement interdite par le système.

Représentation structurée d’entités et de relations permettant d’explorer explicitement leurs liens.

Exemple en entreprise : Un catalogue relie produits, fournisseurs, familles, compatibilités et contraintes de livraison.

Temps écoulé entre une demande et tout ou partie de la réponse du système.

Exemple en entreprise : Une latence de plusieurs secondes peut dégrader l’expérience d’un outil de service client.

Grand modèle de langage entraîné sur de grands corpus pour traiter et générer du langage. Il peut être intégré à un assistant, mais le modèle seul n’est pas toute l’application.

Exemple en entreprise : Un LLM rédige une première synthèse d’un compte rendu à partir de notes validées.

Méthode d’évaluation dans laquelle un modèle examine les réponses d’un autre système selon une grille. Ses jugements doivent être contrôlés, notamment sur les cas sensibles.

Exemple en entreprise : Un modèle note la présence de sources et la clarté d’une synthèse, puis un humain vérifie un échantillon.

Extension des pratiques d’exploitation aux applications fondées sur les grands modèles de langage : prompts, traces, qualité, coûts, sécurité et évaluations.

Exemple en entreprise : On compare deux versions de l’assistant avant d’activer la nouvelle pour les utilisateurs.

Méthode de PEFT ajoutant des matrices de faible rang pour adapter certaines transformations du modèle sans réentraîner tous ses poids.

Exemple en entreprise : Un projet teste une adaptation ciblée d’un modèle avec moins de mémoire qu’un affinage intégral.

Apprentissage automatique : méthodes permettant à un modèle d’apprendre des régularités à partir de données plutôt que de suivre uniquement des règles programmées à la main.

Exemple en entreprise : Un commerçant prévoit ses ventes à partir de l’historique, de la saison et des promotions.

Arbitrage plus large entre réaliser avec ses propres ressources ou confier à un prestataire; proche de « build vs buy » mais centré sur l’organisation et l’externalisation.

Exemple en entreprise : Un directeur décide de mobiliser une équipe interne ou d’intégrer un spécialiste externe.

Standard ouvert visant à connecter des applications IA à des sources de données, outils et ressources externes à travers une interface commune.

Exemple en entreprise : Un assistant utilise un connecteur MCP pour accéder à une base documentaire autorisée.

Fonction permettant à une application de conserver et de restituer certains éléments d’échanges passés, dans des limites et conditions définies.

Exemple en entreprise : Un assistant réutilise une préférence de format déjà exprimée, si l’application le permet.

Informations conservées et réutilisées par une application agentique au-delà d’une seule étape, selon ses règles de conservation.

Exemple en entreprise : Un agent retrouve la décision approuvée lors d’un traitement précédent.

Informations décrivant d’autres données, telles que date, auteur, version, source ou droits d’accès.

Exemple en entreprise : Une procédure est indexée avec son numéro de version et son service propriétaire.

Pratiques et outillage permettant de gérer le cycle de vie de modèles de machine learning : versions, déploiements, tests et surveillance.

Exemple en entreprise : Une équipe suit les versions des modèles de prévision et la dérive des performances.

Dégradation ou évolution des performances au fil du temps, notamment lorsque les données ou conditions d’usage changent; à distinguer d’un changement explicite de version.

Exemple en entreprise : Les nouvelles catégories de demandes clients rendent les tests initiaux moins représentatifs.

Catalogue versionné des modèles et de leurs métadonnées pour faciliter traçabilité, promotion et retour arrière.

Exemple en entreprise : L’équipe retrouve quelle version du modèle était utilisée lors d’un incident.

Infrastructure et logiciel permettant d’exposer un modèle entraîné aux applications qui l’interrogent.

Exemple en entreprise : Une équipe déploie un modèle derrière un service permettant de répondre aux requêtes métiers.

Modèle dont les poids sont accessibles, sans que cela implique nécessairement l’ouverture du code, des données ni tous les droits d’usage d’un projet open source.

Exemple en entreprise : Une société héberge un modèle diffusé avec ses poids, après vérification de sa licence.

Système entraîné à partir de données, de règles ou de paramètres pour produire une prédiction, une classification ou un contenu.

Exemple en entreprise : Un modèle estime le risque de rupture de stock sur une référence.

Modèle entraîné à grande échelle sur des données variées et pouvant servir de base à de multiples applications.

Exemple en entreprise : Un même modèle généraliste alimente un assistant documentaire, une aide au code et une analyse de texte.

Modèle entraîné ou optimisé pour mieux résoudre certaines tâches complexes nécessitant plusieurs étapes; ses réponses restent à vérifier.

Exemple en entreprise : Il compare plusieurs contraintes de planning et propose une solution argumentée.

Modèle et éléments associés publiés sous des licences permettant l’accès et la réutilisation selon leurs termes; il faut vérifier précisément code, poids et conditions.

Exemple en entreprise : Une équipe audite les licences avant un déploiement en interne.

Modèle dont l’entraînement initial a déjà été réalisé et qui peut être exploité directement ou adapté.

Exemple en entreprise : Plutôt que repartir de zéro, un projet évalue un modèle existant sur ses propres données.

Modèle distribué sous des conditions d’accès ou de licence fixées par un fournisseur, avec un degré variable de transparence.

Exemple en entreprise : Une application appelle une API commerciale sans disposer des poids du modèle.

Modèle adapté à un domaine, une langue, un format ou une tâche particulière.

Exemple en entreprise : Un modèle spécialisé extrait les champs de documents logistiques standardisés.

Capacité d’un modèle ou système à traiter ou produire plusieurs types de contenus : texte, image, son ou vidéo.

Exemple en entreprise : Un assistant analyse une photographie de produit et les consignes textuelles associées.

Version minimale réellement utilisable d’un produit, conçue pour tester sa valeur auprès d’utilisateurs avec un périmètre réduit.

Exemple en entreprise : Une équipe utilise un assistant documentaire limité à un seul département.

Accélérateur matériel dédié à certaines opérations d’IA et souvent intégré à des ordinateurs ou terminaux.

Exemple en entreprise : Une fonction locale de transcription exploite la NPU d’un portable compatible.

Capacité à comprendre le fonctionnement réel d’un système grâce à des journaux, métriques et traces utiles.

Exemple en entreprise : L’équipe détecte une hausse des erreurs, du temps de réponse ou des coûts sur un assistant.

Hébergement et exploitation d’un système sur une infrastructure contrôlée localement par l’organisation.

Exemple en entreprise : Certaines données et applications peuvent rester sur l’infrastructure interne, selon les contraintes retenues.

Demande accompagnée d’un seul exemple représentatif du résultat attendu.

Exemple en entreprise : Une fiche produit modèle montre le ton et la structure souhaités.

Coordination des étapes, modèles, services, validations et erreurs dans un processus automatisé.

Exemple en entreprise : Le système organise extraction, vérification, création du brouillon et validation finale.

Valeur interne d’un modèle, apprise ou configurée selon le contexte, qui influe sur ses calculs. Dans un réseau de neurones, les poids et biais sont des paramètres entraînables.

Exemple en entreprise : Deux modèles peuvent avoir des architectures proches mais des paramètres appris différents.

Famille de techniques qui adapte un modèle en entraînant une faible partie des paramètres ou des composants additionnels.

Exemple en entreprise : Une équipe personnalise certains comportements en limitant les ressources de calcul nécessaires.

Déploiement contrôlé auprès de vrais utilisateurs ou sur un processus limité afin d’observer la qualité et les résultats opérationnels.

Exemple en entreprise : Une agence teste l’assistant pendant quatre semaines avec un groupe de collaborateurs volontaires.

Capacité à décomposer un objectif en étapes ou sous-tâches, puis à réviser ce plan si nécessaire.

Exemple en entreprise : Pour traiter un appel d’offres, le système liste documents, vérifications et dépendances.

Expérimentation ciblée destinée à démontrer la faisabilité d’une idée ou d’un mécanisme technique, pas encore sa rentabilité en production.

Exemple en entreprise : Une équipe vérifie qu’un assistant retrouve correctement des contrats sur un petit corpus.

Nombres appris durant l’entraînement qui déterminent l’intensité des connexions ou transformations dans un réseau de neurones.

Exemple en entreprise : L’ajustement des poids améliore progressivement la détection de défauts sur un jeu d’entraînement.

Entraînement initial, souvent sur de grandes quantités de données, afin d’acquérir des capacités générales réutilisables.

Exemple en entreprise : Un LLM préentraîné peut ensuite être adapté à un format de réponse propre à un métier.

Parmi les cas prédits positifs, proportion qui est réellement positive. Elle indique le risque de fausses alertes.

Exemple en entreprise : Dans une détection de fraude, la précision mesure la part des alertes vraiment justifiées.

Consigne ou contenu envoyé à un modèle pour orienter son traitement ou sa réponse.

Exemple en entreprise : « Résume ce compte rendu en cinq décisions avec responsables et échéances » est un prompt.

Enchaînement de plusieurs requêtes ou étapes où la sortie de l’une alimente la suivante, éventuellement après contrôle.

Exemple en entreprise : Extraire les faits, vérifier les sources, puis rédiger une synthèse constituent trois étapes distinctes.

Conception, test et amélioration des consignes afin d’obtenir des sorties adaptées à une tâche.

Exemple en entreprise : Une équipe compare plusieurs formulations sur le même jeu de demandes réelles.

Attaque qui introduit des instructions malveillantes dans les entrées d’un système pour détourner son comportement ou ses outils.

Exemple en entreprise : Une page consultée tente de convaincre l’agent de révéler des informations internes.

Gabarit de consigne avec des champs variables qui standardise les demandes et facilite les tests.

Exemple en entreprise : Un modèle de brief contient les champs public, objectif, contraintes et livrable.

Première réalisation permettant de tester l’ergonomie, la logique ou certaines fonctions d’une solution.

Exemple en entreprise : Un écran simulé permet de confronter le parcours à cinq utilisateurs pilotes.

Réduction de la précision numérique utilisée pour représenter les poids ou calculs d’un modèle, afin de diminuer mémoire et parfois coûts d’inférence.

Exemple en entreprise : Un modèle quantifié peut s’exécuter sur une machine moins puissante, moyennant des compromis de qualité.

Architecture qui recherche des informations dans des sources externes, les fournit au modèle puis utilise ces éléments pour générer une réponse; elle ne garantit pas automatiquement l’exactitude.

Exemple en entreprise : Un assistant RH cite des passages des procédures en vigueur pour répondre aux salariés.

Parmi les cas réellement positifs, proportion identifiée par le système. Il indique le risque de cas manqués.

Exemple en entreprise : Pour des demandes urgentes, un rappel élevé réduit les urgences non détectées.

Recherche fondée sur des représentations du sens ou du contexte, plutôt que sur les seules correspondances exactes de mots.

Exemple en entreprise : La requête « remboursement tardif » retrouve une procédure appelée « retard d’avoir ».

Tests adversariaux menés pour révéler les faiblesses, comportements dangereux et possibilités d’abus d’un système.

Exemple en entreprise : Une équipe tente d’exfiltrer des données ou de détourner les outils dans un environnement de test.

Étape qui réordonne des résultats de recherche à l’aide de critères ou d’un modèle de pertinence plus fin.

Exemple en entreprise : Les dix documents retrouvés sont reclassés pour présenter en premier la procédure la plus pertinente.

Modèle mathématique composé d’unités de calcul connectées dont les paramètres sont ajustés durant l’apprentissage.

Exemple en entreprise : Un réseau de neurones apprend à reconnaître des défauts sur des photos de produits.

Ensemble de principes et de pratiques visant des usages fiables, équitables, transparents et respectueux des personnes.

Exemple en entreprise : Une entreprise documente les finalités, les risques, les responsabilités et les contrôles de ses projets IA.

Étape qui retrouve des documents ou extraits pertinents avant la génération, à partir de mots-clés, de vecteurs ou d’approches hybrides.

Exemple en entreprise : Le système sélectionne les trois procédures les plus utiles avant de préparer sa réponse.

Composant qui sélectionne des passages ou documents candidats pour répondre à une question.

Exemple en entreprise : Un retriever renvoie les extraits pertinents avant leur éventuel reclassement.

Approche exploitant des évaluations générées par un autre système d’IA comme signal d’amélioration, avec des limites de fiabilité à contrôler.

Exemple en entreprise : Un modèle évaluateur classe des réponses suivant des critères définis.

Famille de méthodes mobilisant des préférences ou évaluations humaines pour orienter l’optimisation d’un modèle.

Exemple en entreprise : Des évaluateurs comparent deux réponses afin de guider l’amélioration du système.

Capacité à maintenir un fonctionnement acceptable face à des variations d’entrées, erreurs ou perturbations prévues.

Exemple en entreprise : Le système ne doit pas accepter silencieusement une date invalide ni inventer la valeur manquante.

Rapport entre les bénéfices attribuables et les coûts complets d’un projet IA sur une période définie; les heures libérées doivent être distinguées des économies encaissables.

Exemple en entreprise : Un pilote mesure qualité et capacité gagnée, puis vérifie les gains réellement transformés en valeur économique.

Capacité d’un système à absorber une hausse de volume ou du nombre d’utilisateurs sans dégradation excessive du service ni des coûts.

Exemple en entreprise : Une application doit tenir la charge lorsque dix équipes rejoignent le pilote.

Forme d’attention qui met en relation les éléments d’une même séquence afin de construire leur représentation contextualisée.

Exemple en entreprise : Dans un contrat, le sens d’un terme dépend des clauses qui l’entourent.

Utilisation d’outils d’IA en dehors du cadre et de la visibilité de l’organisation.

Exemple en entreprise : Un collaborateur copie un dossier confidentiel dans un service non approuvé.

Réponse générée selon un schéma explicite, par exemple un objet JSON, afin d’être mieux exploitée par une application.

Exemple en entreprise : Un assistant extrait « numéro de commande », « date » et « statut » dans des champs contrôlables.

Informations représentant la situation courante d’un processus en cours : étape, résultats obtenus, décisions et erreurs.

Exemple en entreprise : Le système conserve la liste des documents déjà contrôlés dans un dossier.

Données artificiellement générées pour simuler certaines propriétés de données réelles; elles ne sont pas nécessairement anonymes.

Exemple en entreprise : Un jeu de commandes fictives permet de tester une interface sans exposer de vraies coordonnées clients.

Instructions de niveau système fournies par l’application pour cadrer le comportement de l’assistant; elles ne constituent pas une protection de sécurité suffisante à elles seules.

Exemple en entreprise : Une application demande d’utiliser uniquement une base documentaire approuvée.

Architecture composée de plusieurs agents coopérant ou se répartissant des tâches selon un protocole ou une orchestration.

Exemple en entreprise : Un agent collecte les données et un second contrôle la conformité du dossier.

Coût complet d’un système sur sa durée de vie : licences, intégration, données, contrôle, support, exploitation et sortie.

Exemple en entreprise : Une offre API peu chère peut devenir coûteuse si les reprises manuelles et l’intégration sont lourdes.

Réglage de l’échantillonnage qui influe, quand il est disponible, sur la diversité des sorties; ce réglage ne garantit pas la véracité.

Exemple en entreprise : Une température faible peut favoriser des formulations plus stables pour une extraction structurée.

Données réservées à l’évaluation finale et non utilisées pour ajuster le modèle pendant son développement.

Exemple en entreprise : L’équipe garde des tickets inconnus du système pour la recette finale.

Quantité de requêtes, de tokens ou de tâches qu’un système peut traiter pendant un intervalle donné.

Exemple en entreprise : Un assistant doit supporter le pic de demandes lors des soldes.

Unité élémentaire traitée par un modèle : mot, fragment de mot, signe ou autre unité selon le modèle et sa modalité.

Exemple en entreprise : Un document est décomposé en tokens avant d’être traité; leur quantité influence les coûts et les limites de contexte.

Opération qui découpe une entrée en tokens suivant les règles propres au modèle.

Exemple en entreprise : Un même mot peut être découpé différemment selon le tokenizer utilisé.

Composant logiciel transformant une entrée en unités exploitables par le modèle, et souvent l’inverse pour reconstituer du texte.

Exemple en entreprise : Pour estimer une consommation d’API, on utilise le tokenizer correspondant au modèle choisi.

Fonction, service ou ressource qu’un agent peut solliciter pour obtenir des informations ou réaliser une opération.

Exemple en entreprise : Consulter un stock via API est un outil utilisable par un agent.

Capacité d’un modèle ou système à choisir et utiliser un outil selon la demande et les autorisations disponibles.

Exemple en entreprise : Un assistant appelle un calculateur plutôt que d’improviser un total complexe.

Méthode d’échantillonnage limitant les tokens candidats à un ensemble dont la probabilité cumulée atteint un seuil choisi.

Exemple en entreprise : Un paramétrage top-p modifie la diversité des formulations proposées par un modèle.

Production de contenus offensants, abusifs ou inappropriés par un système.

Exemple en entreprise : Un assistant public doit limiter les réponses agressives ou discriminatoires.

Enregistrement du déroulement d’une requête à travers les étapes, outils et composants, avec un traitement approprié des données sensibles.

Exemple en entreprise : On retrouve quelle recherche documentaire a alimenté une réponse contestée.

Exemples employés pour ajuster les paramètres d’un modèle pendant l’apprentissage.

Exemple en entreprise : Les données historiques doivent être pertinentes, licites et représentatives de l’usage prévu.

Réutilisation des connaissances d’un modèle entraîné sur une tâche ou un domaine pour faciliter un nouvel apprentissage.

Exemple en entreprise : Un modèle de vision déjà entraîné est adapté à l’inspection de pièces spécifiques.

Architecture de réseau de neurones s’appuyant notamment sur l’attention pour traiter les relations au sein d’une séquence; elle est centrale dans de nombreux LLM.

Exemple en entreprise : Dans une question longue, un Transformer tient compte des liens entre les passages du texte.

Demande adressée au système par l’utilisateur dans le cadre d’une interaction.

Exemple en entreprise : Un responsable demande de comparer deux notes internes et de relever les divergences.

Données utilisées durant le développement pour comparer des réglages et choisir une variante sans utiliser le jeu de test final.

Exemple en entreprise : Une équipe sélectionne un seuil de confiance à l’aide d’un jeu distinct du test final.

Demande effectuée sans fournir d’exemple de réponse attendu au modèle.

Exemple en entreprise : « Classe ce message en réclamation ou question commerciale » sans exemple préalable.