L’intelligence artificielle a explosé dans l’usage courant, mais la terminologie peut sembler écrasante lorsque vous débutez. Que vous soyez étudiant, entrepreneur ou professionnel curieux de technologie, la compréhension du langage fondamental de l’intelligence artificielle vous aidera à naviguer en toute confiance dans les outils, les concepts et les conversations.
Ce glossaire présente les termes essentiels de l’IA dans un langage clair et accessible aux débutants, sans nécessiter de connaissances mathématiques ou de codage avancées.
Intelligence artificielle (IA)
Le domaine de la création de systèmes informatiques capables d’effectuer des tâches nécessitant normalement l’intelligence humaine, telles que l’apprentissage, la résolution de problèmes, la reconnaissance de formes et la prise de décision.
Apprentissage machine (ML)
Sous-ensemble de l’IA dans lequel les ordinateurs apprennent à partir de données au lieu d’être explicitement programmés. Le système améliore ses performances au fil du temps sur la base des modèles qu’il identifie.
Apprentissage profond
Un type d’apprentissage automatique qui utilise des réseaux neuronaux avec de nombreuses couches pour analyser des modèles complexes. Cette technologie permet la reconnaissance d’images, les assistants vocaux et la plupart des modèles d’IA modernes.
Réseau neuronal
Système informatique inspiré du cerveau humain, composé de nœuds interconnectés (ou « neurones ») qui traitent des données et apprennent des modèles.
Grand modèle linguistique (LLM)
Un modèle d’apprentissage profond formé sur des quantités massives de texte pour comprendre et générer un langage de type humain. Parmi les exemples, citons les modèles basés sur le GPT et d’autres systèmes d’IA générative de premier plan.
IA générative
L’IA qui crée un nouveau contenu – texte, image, audio ou vidéo – sur la base des données qu’elle a apprises. Elle ne se contente pas d’analyser les données, elle génère du nouveau matériel.
Données de formation
Les informations utilisées pour enseigner à un système d’intelligence artificielle comment effectuer une tâche. Des données de formation diversifiées et de haute qualité sont essentielles pour obtenir des résultats précis.
Mise au point
Processus par lequel un modèle d’IA pré-entraîné est entraîné sur des données spécifiques afin de se spécialiser dans une tâche ou un secteur particulier (par exemple, l’IA juridique ou médicale).
Paramètres
Paramètres internes d’un modèle d’IA qui influencent la manière dont il apprend et fait des prédictions. Les modèles modernes peuvent avoir des milliards de paramètres.
Prompt
Texte ou instruction donné à un modèle d’IA pour obtenir une réponse. De bons messages-guides permettent d’obtenir de meilleurs résultats.
Exemple : « Expliquez l’apprentissage automatique à un enfant de 10 ans » : « Expliquez l’apprentissage automatique à un enfant de 10 ans.
Ingénierie rapide
La pratique consistant à concevoir des invites efficaces pour guider un système d’intelligence artificielle afin qu’il produise le meilleur résultat possible.
Jetons
Unités de texte (mots ou morceaux de mots) qu’un modèle d’IA traite. La production et le prix des outils d’IA dépendent souvent de l’utilisation des jetons.
Hallucination
Lorsqu’une IA produit en toute confiance des informations inexactes ou fabriquées. Il s’agit d’une limite connue des systèmes actuels.
Biais
Tendance involontaire ou injuste dans les résultats de l’IA causée par des données de formation biaisées. Les pratiques responsables en matière d’IA visent à réduire ce phénomène.
Ensemble de données
Ensemble de données utilisées pour former ou évaluer un modèle d’intelligence artificielle. Les ensembles de données peuvent comprendre du texte, des images, du son ou des données structurées.
Vision par ordinateur
Un domaine de l’IA qui permet aux ordinateurs de comprendre et d’interpréter le contenu visuel, tel que les photos et les vidéos.
Traitement du langage naturel (NLP)
Technologie d’IA qui permet aux machines de comprendre et de générer du langage humain. Elle est utilisée dans les chatbots, la traduction et l’analyse des sentiments.
Apprentissage par renforcement
Méthode d’apprentissage dans laquelle un agent d’intelligence artificielle apprend par essais et erreurs et reçoit des récompenses ou des pénalités en fonction de ses performances.
Apprentissage supervisé
Méthode d’apprentissage automatique dans laquelle le modèle est formé sur des données étiquetées, c’est-à-dire que les réponses correctes sont fournies pendant la formation.
Apprentissage non supervisé
Méthode dans laquelle le modèle apprend des modèles à partir de données non étiquetées, sans connaître à l’avance les réponses correctes.
Agent AI
Un système capable de prendre des mesures au nom d’un utilisateur, de prendre des décisions et de fonctionner de manière plus autonome que les outils d’IA exclusivement axés sur le chat.
Modèle de formation
Le processus d’alimentation en données d’un système d’IA afin qu’il puisse apprendre à effectuer des tâches.
Inférence
Lorsqu’un modèle d’IA utilise ce qu’il a appris pour faire des prédictions ou générer des réponses.
Surajustement
Lorsqu’un modèle apprend trop bien les données d’apprentissage, y compris les erreurs ou le bruit, et qu’il donne de mauvais résultats sur les nouvelles données.
API (Interface de programmation d’applications)
Une méthode de connexion qui permet aux logiciels de communiquer avec un modèle d’IA – ce qui permet aux entreprises d’intégrer l’IA dans les applications et les sites web.
Chatbot
Un système d’IA qui interagit avec les utilisateurs par le biais du texte ou de la parole. Les chatbots peuvent répondre à des questions, automatiser des tâches et fournir une assistance à la clientèle.
L’éthique dans l’IA
Principes et pratiques visant à garantir que les systèmes d’IA sont équitables, transparents, sûrs et respectueux des droits de l’homme.
Gouvernance de l’IA
Politiques et procédures qui guident le développement et l’utilisation sûrs et responsables de l’IA au sein des organisations.
L’IA explicable (XAI)
Les techniques d’IA qui rendent les décisions des modèles transparentes et compréhensibles pour les humains – ce qui est important pour la confiance et la responsabilité.
Edge AI
L’IA s’exécute directement sur les appareils (téléphones, caméras, IoT) plutôt que sur des serveurs en nuage. Cela permet de gagner en rapidité et en confidentialité.
Conclusion
L’apprentissage des termes relatifs à l’intelligence artificielle est la première étape vers l’utilisation et l’évaluation en toute confiance de l’intelligence artificielle dans le cadre de votre travail ou de votre entreprise. À mesure que le secteur évolue, le fait de vous familiariser avec les concepts clés vous aidera à adopter de nouveaux outils de manière responsable et stratégique.