GLOSSAIRE IA

Un agent IA est un programme informatique autonome capable de percevoir son environnement, de prendre des décisions et d'agir pour atteindre des objectifs spécifiques. Ces agents peuvent être intégrés dans divers systèmes pour automatiser des tâches complexes et interagir avec des utilisateurs ou d'autres systèmes.

Une API, ou Interface de Programmation d'Application, est un ensemble de règles et de protocoles permettant à différentes applications de communiquer entre elles. Elle facilite l'intégration de services ou de fonctionnalités sans que l'utilisateur ait besoin de comprendre le code sous-jacent.

Une base vectorielle est une base de données spécialisée dans le stockage et la recherche rapide d'embeddings, c'est-à-dire de représentations numériques de textes ou d'images. Elle est indispensable dans les architectures RAG pour retrouver instantanément les passages les plus proches sémantiquement d'une requête.

Un benchmark en intelligence artificielle est un ensemble de tests standardisés utilisés pour évaluer et comparer les performances de différents modèles ou algorithmes.

Claude est une série de modèles d'intelligence artificielle développée par la société Anthropic pour générer du texte, répondre à des questions et réaliser diverses tâches conversationnelles.

La 'context window' désigne la quantité maximale d'informations qu'un modèle de traitement du langage naturel peut prendre en compte lors d'une interaction. Elle est souvent mesurée en tokens et limite la taille des entrées que le modèle peut analyser en une seule fois.

DeepSeek est un laboratoire d'IA chinois qui a publié en 2025 des modèles de langage open source aux performances comparables à GPT-4o et o1, pour une fraction annoncée du coût d'entraînement. Ses modèles ont provoqué une onde de choc sur les marchés financiers et relancé le débat sur la domination américaine dans l'IA.

Les embeddings sont des vecteurs numériques qui représentent des mots, phrases ou autres éléments dans un espace à n dimensions, capturant ainsi leurs significations et relations contextuelles. Ils facilitent le traitement du langage naturel en permettant de mesurer la similarité entre différents éléments textuels de manière mathématique.

Le fine-tuning est le processus d'ajustement des paramètres d'un modèle de machine learning pré-entraîné en utilisant un jeu de données spécifique, afin d'améliorer ses performances pour une tâche particulière. Cette technique permet de tirer parti des connaissances préexistantes du modèle tout en l'adaptant à un nouvel ensemble de données ou à une nouvelle application.

Un Foundation model est un type d'intelligence artificielle conçu pour effectuer une large gamme de tâches sans modification spécifique. Ces modèles, comme GPT-4 ou Llama, sont entraînés sur de vastes ensembles de données pour comprendre et générer du texte ou d'autres types de données.

GPT, ou Generative Pre-trained Transformer, est une famille de modèles de langage développée par OpenAI qui utilise l'apprentissage profond pour générer du texte en langage naturel. Ces modèles sont pré-entraînés sur de vastes ensembles de données textuelles et peuvent être utilisés pour diverses tâches telles que la rédaction automatique, la traduction ou la conversation.

Les guardrails sont des mécanismes de sécurité ou des règles intégrées dans les systèmes d'intelligence artificielle pour limiter leurs comportements indésirables et garantir qu'ils fonctionnent dans des limites sûres. Ils visent à prévenir les actions nuisibles ou les réponses inappropriées des modèles IA, en contrôlant par exemple les sujets qu'ils peuvent aborder ou la manière dont ils interagissent avec les utilisateurs.

En intelligence artificielle, une hallucination désigne une situation où un modèle génère une information incorrecte ou inventée, qui n’existe pas dans les données d'apprentissage.

L'IA générative est un type d'intelligence artificielle capable de créer du contenu original, tel que du texte, des images, de la musique ou des vidéos, en s'appuyant sur des modèles d'apprentissage profond. Elle utilise des algorithmes pour analyser des données existantes et générer de nouvelles productions qui imitent ces données.

L'inférence en intelligence artificielle désigne le processus par lequel un modèle utilise ses paramètres appris pour faire des prédictions ou des classifications sur de nouvelles données. Cela s'oppose à la phase d'entraînement où le modèle apprend à partir d'un ensemble de données étiquetées.

La latence en intelligence artificielle désigne le délai entre l'entrée d'une requête et la réponse du système. Cela inclut le temps de traitement et de transmission des données, qui peut être critique pour des applications en temps réel.

LLM signifie 'Large Language Model', un type d'intelligence artificielle conçu pour comprendre et générer du texte en langage naturel. Ces modèles, comme GPT-4 ou Gemini, sont entraînés sur de vastes ensembles de données textuelles pour accomplir des tâches variées telles que la traduction, le résumé ou la conversation.

MCP, ou Model Context Protocol, est un protocole open source développé par Anthropic permettant de connecter les LLMs à des outils et sources de données externes (fichiers, APIs, bases de données) de façon standardisée. Il simplifie considérablement l'intégration des agents IA dans les systèmes d'information existants.

Mistral AI est une entreprise spécialisée dans le développement de modèles d'intelligence artificielle de pointe. Elle se concentre sur la création de modèles de langage capables de traiter et de générer du texte de manière sophistiquée.

Le terme 'multimodal' en intelligence artificielle fait référence à la capacité d'un modèle à traiter et à intégrer plusieurs types de données, comme du texte, des images, de l'audio ou de la vidéo, pour accomplir une tâche. Cette approche permet de combiner les forces de différents types de données pour améliorer la compréhension et la performance du modèle.

Le No-Code est une approche de développement qui permet de créer des applications ou des logiciels sans écrire de code informatique. Il utilise des interfaces visuelles et des modules préconstruits pour faciliter le processus de création, rendant le développement accessible à ceux qui ne maîtrisent pas la programmation.

Open source désigne un modèle de développement logiciel où le code source est rendu public, permettant à quiconque de l'étudier, le modifier et le distribuer. Ce modèle favorise la collaboration et l'amélioration continue par une communauté de développeurs.

Un 'prompt' est une instruction ou une question donnée à une intelligence artificielle pour qu'elle génère une réponse ou effectue une tâche spécifique. Il peut être aussi simple qu'une phrase ou plus complexe pour guider l'IA dans sa réponse.

Le prompt engineering est l'art de concevoir et d'optimiser les instructions données à un modèle de langage pour obtenir des réponses précises et pertinentes. Cela implique de formuler des requêtes spécifiques, d'utiliser des contraintes ou de structurer les prompts pour guider le modèle vers le résultat souhaité.

La quantification en IA est le processus de réduction de la précision des poids et biais d'un modèle de réseau de neurones, généralement en convertissant des valeurs en virgule flottante en valeurs entières, pour diminuer la taille du modèle et accélérer son exécution sans perte significative de précision.

Retrieval-Augmented Generation (RAG) est un cadre qui combine des techniques de récupération d'information avec des modèles de génération de texte. Il utilise un moteur de recherche pour extraire des documents pertinents d'une base de données, puis un modèle de langage, comme GPT-4 ou Llama, pour générer des réponses basées sur ces documents.

RLHF, ou Reinforcement Learning from Human Feedback, est une technique d'apprentissage qui combine l'apprentissage par renforcement avec des retours d'informations humains pour guider le modèle vers des comportements souhaités. Elle est utilisée pour affiner les modèles de langage, comme GPT-4, en ajustant leurs réponses en fonction des préférences humaines.

La 'SaaSpocalypse' désigne un phénomène où le marché des logiciels en tant que service (SaaS) connaît une saturation ou un effondrement, causé par une concurrence accrue, des surévaluations ou des changements économiques drastiques. Cela peut entraîner des faillites massives ou des consolidations dans le secteur.

Un système multi-agents est un ensemble de programmes autonomes interagissant dans un environnement partagé, chacun poursuivant ses propres objectifs ou coopérant pour atteindre un but commun. Ces agents peuvent communiquer, se coordonner et se concurrencer pour optimiser les performances globales du système.

Un token est une unité de texte traitée par un modèle de langage. Il peut s'agir d'un mot entier, d'une partie de mot ou même d'un caractère, selon le modèle utilisé.

Le vendor lock-in désigne une situation où un client devient dépendant d'un fournisseur spécifique pour un produit ou un service, rendant difficile et coûteux le changement de fournisseur. Cela se produit souvent lorsque les systèmes, logiciels ou données ne sont pas facilement transférables vers d'autres plateformes.