Ce glossaire définit les mots de l'intelligence artificielle tels qu'ils se posent dans une entreprise : ce que le terme désigne, à quoi il sert, et ce qu'il ne faut pas lui faire dire. Chaque définition tient en quelques lignes et renvoie à un article complet, daté et vérifiable.
L'acculturation à l'IA est le processus par lequel une organisation et ses équipes s'approprient l'intelligence artificielle : repères communs sur ce qu'elle fait et ne fait pas, usages pratiqués sur de vraies tâches, règles partagées. Elle vise une culture collective et durable, là où la formation transmet des compétences précises.
Un agent IA est un système qui associe un modèle de langage, des outils et un objectif : le modèle décide de l'étape suivante, la fait exécuter par un outil, lit le résultat, puis recommence jusqu'à atteindre le but. Contrairement à un simple assistant, il enchaîne plusieurs actions sans attendre une nouvelle consigne à chaque étape.
L'AI Act, ou règlement (UE) 2024/1689, est le règlement européen qui encadre l'intelligence artificielle selon le risque de ses usages. Il impose des obligations aux fournisseurs, qui développent les systèmes d'IA, et aux déployeurs, qui les utilisent. Une PME utilisatrice est surtout concernée par la littératie IA et, selon ses usages, par la transparence.
Un assistant IA est un outil conversationnel fondé sur un modèle d'IA générative : il comprend une demande formulée librement et rédige une réponse adaptée. Contrairement à un chatbot à règles, il ne suit pas de scénario écrit d'avance ; contrairement à un agent IA, il n'enchaîne pas seul des actions pour atteindre un objectif.
Un biais algorithmique est un écart systématique dans les résultats d'un système automatisé, qui avantage ou désavantage de façon répétée certains groupes de personnes ou certains types de cas. Il peut venir des données d'entraînement, des choix de conception ou de l'usage de l'outil. Il se repère notamment en comparant les résultats entre groupes.
Un copilote IA est un assistant d'intelligence artificielle intégré aux outils de travail, comme le traitement de texte, la messagerie ou l'éditeur de code. Il rédige, résume ou complète à partir du document ouvert et des données auxquelles l'utilisateur a accès, sans que l'utilisateur quitte l'application. Il propose, l'utilisateur décide.
Le deep learning (apprentissage profond) est une famille de méthodes de machine learning fondée sur des réseaux de neurones artificiels à nombreuses couches. Chaque couche transforme ce que lui transmet la précédente, ce qui permet d'apprendre à partir de données brutes : images, sons, textes. Il fait fonctionner la dictée vocale et les assistants génératifs.
Un embedding (plongement vectoriel) est une représentation d'un texte, d'une image ou d'un autre contenu sous forme de liste de nombres, calculée par un modèle d'IA pour que deux contenus de sens proche obtiennent des listes proches. Il permet de rechercher par le sens plutôt que par les mots exacts.
La fenêtre de contexte est la quantité maximale de texte, mesurée en tokens, qu'un modèle d'intelligence artificielle peut prendre en compte en une seule fois : consigne, historique de la conversation, documents joints. Ce qui n'y entre pas n'existe pas pour le modèle, même si cela figure plus haut dans la conversation.
Le fine-tuning, ou affinage, consiste à réentraîner un modèle d'IA existant sur des exemples propres à une tâche, pour qu'il adopte durablement un format, un style ou un comportement. Contrairement à une consigne ou au RAG (génération augmentée par récupération), qui apportent instructions et documents au moment de la demande, il modifie le modèle lui-même.
Une hallucination d'IA est une information fausse ou inventée qu'un modèle génératif présente avec la même assurance qu'une information exacte : une source qui n'existe pas, un chiffre erroné, une citation jamais prononcée. Elle découle du fonctionnement même de ces modèles, qui produisent la suite la plus plausible sans vérifier les faits.
L'IA générative désigne les systèmes d'intelligence artificielle (IA) qui produisent des contenus nouveaux, texte, images, son, vidéo ou code, le plus souvent à partir d'une consigne. Entraînés sur de très grands volumes de données, ses modèles génèrent un résultat vraisemblable au regard de ce qu'ils ont appris. Vraisemblable ne veut pas dire exact.
Une IA multimodale est un système d'intelligence artificielle capable de traiter ou de produire plusieurs types de contenus, comme du texte, des images, du son ou de la vidéo, parfois dans une même demande. Elle peut par exemple lire une facture scannée, décrire une photo de chantier ou transcrire puis résumer une réunion.
IA-first qualifie une organisation qui prend l'intelligence artificielle comme point de départ par défaut pour concevoir ses processus, ses services et son organisation du travail. Par analogie avec le mobile-first, l'IA y est pensée dès la conception au lieu d'être ajoutée après coup, avec des règles d'usage, des données gouvernées et une supervision humaine.
L'intelligence artificielle (IA) désigne les techniques qui permettent à une machine d'accomplir des tâches demandant habituellement une intelligence humaine : reconnaître une image, répondre à une question, traduire, prévoir, rédiger. Elle repose sur des règles écrites par des humains ou sur un apprentissage à partir de données. Elle calcule, sans comprendre comme une personne.
La littératie IA désigne les connaissances et les réflexes qui permettent d'utiliser l'intelligence artificielle en connaissance de cause : savoir ce qu'un outil fait, quelles données lui confier et comment vérifier ce qu'il produit. Le règlement européen sur l'IA demande aux organisations qui fournissent ou utilisent ces systèmes de soutenir son développement.
Un LLM (grand modèle de langage, de l'anglais large language model) est un modèle d'intelligence artificielle entraîné sur de très grands volumes de texte pour prédire la suite la plus probable d'un texte. Ajusté ensuite pour suivre des consignes, il rédige, résume, traduit ou répond à des questions, sans garantie d'exactitude.
Le machine learning (apprentissage automatique) est une branche de l'intelligence artificielle dans laquelle un programme apprend à partir de données au lieu de suivre des règles écrites à la main. En repérant des régularités dans ces données, il produit un modèle capable de traiter des cas nouveaux : classer, prévoir, détecter une anomalie.
Le MCP (Model Context Protocol) est un protocole ouvert qui standardise la manière dont un assistant IA se connecte à des outils et à des sources de données, comme un agenda, des fichiers ou un logiciel de gestion. Un outil adapté une fois au protocole devient utilisable par les assistants compatibles.
Un modèle d'IA open source est un modèle publié avec ce qu'il faut pour l'utiliser, l'étudier, le modifier et le partager librement. Dans l'usage courant, le terme désigne souvent un modèle à poids ouverts (open weights) : ses paramètres sont téléchargeables, mais ses données d'entraînement ne sont généralement pas publiées.
Un modèle de raisonnement est un modèle de langage entraîné à produire un raisonnement intermédiaire, étape par étape, avant de donner sa réponse finale. Cette réflexion préalable améliore souvent les résultats sur les problèmes en plusieurs étapes, comme une analyse, un calcul ou du code, en contrepartie d'un temps de réponse et d'un coût plus élevés.
Un prompt (en français, une consigne) est le texte que l'on adresse à une intelligence artificielle générative pour obtenir un résultat : une question, une demande de rédaction, un document à résumer. Plus il précise le contexte, la tâche, le format attendu et les contraintes, plus la réponse a de chances d'être utile du premier coup.
Le RAG (génération augmentée par récupération) est une méthode qui fait répondre un modèle de langage à partir de vos documents : le système recherche d'abord les passages utiles à la question, puis les transmet au modèle, qui rédige une réponse appuyée sur eux, souvent en citant ses sources. Le modèle lui-même n'est pas réentraîné.
Un réseau de neurones artificiels est un modèle de calcul formé de petites unités, appelées neurones, organisées en couches et reliées entre elles. Chaque connexion porte un poids, un nombre que l'entraînement ajuste progressivement à partir d'exemples. Inspiré de loin du cerveau, il reste une suite de calculs.
Le shadow AI désigne l'usage, dans le travail, d'outils d'intelligence artificielle que l'entreprise n'a ni choisis ni validés, souvent sur des comptes personnels. Il expose à trois risques : des données qui sortent de l'entreprise, des décisions impossibles à retracer et des manquements à la confidentialité ou à la protection des données.
Un token, ou jeton, est l'unité de base du texte que lit et produit un modèle de langage : un mot entier, un morceau de mot ou un signe de ponctuation. Les modèles comptent en tokens, pas en mots : c'est l'unité de leur limite de lecture et de la facturation à l'usage.
Le vibe coding est une pratique qui consiste à faire écrire une application par une IA en la décrivant en langage courant, et à accepter le code produit sans le relire en détail. Utile pour un prototype, cette méthode devient risquée dès que l'application touche des données réelles ou doit durer.