Glossaire de l’IA

Un grand modèle de langage, ou LLM, est un réseau de neurones entraîné sur de très grandes quantités de texte pour prédire le morceau de texte qui vient ensuite.

Un jeton, ou token, est l’unité de base du texte pour un modèle de langage : un mot entier, un fragment de mot, un nombre ou un signe de ponctuation.

La fenêtre de contexte est la quantité maximale de texte, comptée en jetons, qu’un modèle de langage peut considérer en une fois.

La température est un réglage qui contrôle le degré de hasard d’un modèle de langage quand il choisit le jeton suivant.

Un modèle de raisonnement est un modèle de langage entraîné à décomposer un problème en étapes intermédiaires avant de donner sa réponse finale.

En IA, une hallucination est une réponse qui paraît fluide et sûre d’elle, mais qui est fausse, sans fondement ou inventée.

La génération augmentée par récupération, ou RAG, est une technique où les passages les plus pertinents pour une question sont cherchés dans une collection de documents puis confiés à un modèle de langage, qui rédige sa réponse à partir d’eux.

Un prompt système est un ensemble de consignes permanentes données à un modèle de langage avant le début de la conversation, qui définit son rôle, son ton, son format et ses règles.

Top-p, ou échantillonnage par noyau, est un réglage qui limite un modèle de langage au plus petit groupe de jetons probables dont les probabilités atteignent une part choisie, puis tire le jeton suivant dans ce groupe seulement.

Un modèle à mélange d’experts est un réseau de neurones découpé en nombreux sous-réseaux spécialisés appelés experts, avec un routeur qui n’envoie chaque jeton qu’à quelques-uns d’entre eux.

La quantification est une technique qui stocke les nombres d’un modèle sur moins de bits, par exemple 8 ou 4 au lieu de 16, pour que le modèle occupe moins de mémoire et tourne plus vite.

Les embeddings, ou plongements, sont des listes de nombres, appelées vecteurs, qui représentent le sens d’un texte, d’une image ou d’un son.

Un agent IA est un système construit autour d’un modèle de langage qui poursuit un objectif en plusieurs étapes : il décide de la suite, utilise des outils et vérifie les résultats.

L’appel d’outils, ou appel de fonctions, est une fonctionnalité qui permet à un modèle de langage de demander à ton programme d’exécuter une fonction, puis d’en utiliser le résultat dans sa réponse.

MCP, le Model Context Protocol, est un standard ouvert qui relie les applications d’IA à des outils et à des sources de données par une interface commune.

Un modèle non censuré est un modèle de langage qui n’a pas été réglé pour écarter des demandes de façon arbitraire ni pour noyer ses réponses sous les avertissements : il répond donc franchement à ce qu’on lui demande.

Un refus est le moment où un modèle de langage décline l’exécution d’une demande, en général avec une courte phrase disant qu’il ne peut pas ou ne veut pas aider.

Les garde-fous sont les règles, filtres et comportements appris qu’un éditeur d’IA ajoute à un modèle pour limiter ce qu’il accepte de dire ou de faire.

Un modèle à poids ouverts est un modèle d’IA dont les paramètres entraînés, appelés poids, sont publiés pour que chacun puisse les télécharger et les exécuter.

L’alignement est le travail qui consiste à faire se comporter un modèle d’IA comme le veulent ses concepteurs et ses utilisateurs : suivre les consignes, être utile et éviter ce qui est jugé nuisible.

Le RLHF, pour apprentissage par renforcement à partir de retours humains, est une méthode d’entraînement où des personnes classent les réponses d’un modèle, puis le modèle est ajusté pour produire le genre de réponses qu’elles préfèrent.

Le réglage fin (fine-tuning) consiste à poursuivre l’entraînement d’un modèle déjà préentraîné sur un jeu de données plus petit et plus précis, pour l’adapter à une tâche, un style ou un domaine.

Un modèle de diffusion est un générateur d’images qui part d’un bruit aléatoire et le retire pas à pas jusqu’à faire apparaître une image conforme à une description écrite.

Un prompt négatif est une seconde description qui indique à un modèle d’image ce dont il doit s’écarter, comme le flou, des doigts en trop ou un rendu délavé.

L’upscaling d’image agrandit une image vers une résolution plus élevée en cherchant à la garder nette.

Une graine (seed) est un nombre entier qui fixe le bruit aléatoire dont part un modèle d’image : la même graine, avec la même description et les mêmes réglages, peut redessiner la même image.

L’échelle CFG, abréviation de « classifier-free guidance » et aussi appelée guidage, est un réglage qui décide de la rigueur avec laquelle un modèle d’image suit ta description.

Un LoRA, pour « low-rank adaptation » (adaptation de faible rang), est un petit fichier d’extension qui ajuste un grand modèle d’IA pour lui faire apprendre un style, un sujet ou une compétence sans le réentraîner en entier.

L’inpainting est une technique de retouche d’image dans laquelle un modèle d’IA ne redessine qu’une région choisie d’une image, guidé par un texte, tandis que le reste de l’image demeure tel quel.

Le détourage, ou suppression du fond, est la séparation automatique du sujet principal d’une image et de son arrière-plan, pour pouvoir poser le sujet sur un fond transparent ou différent.

L’image vers vidéo est une façon de produire un court clip en donnant à un modèle d’IA une image fixe de départ et une phrase qui dit comment les choses doivent bouger.

Un logiciel local-first garde tes données sur ton propre appareil comme copie principale et traite les serveurs comme des aides facultatives.

Un proxy anonymisant est un intermédiaire qui envoie une requête à ta place pour que le service à l’autre bout ignore qui tu es.

La conservation des données est la durée pendant laquelle un service garde les informations qu’il reçoit ou crée avant de les supprimer.

IndexedDB est une base de données intégrée aux navigateurs web, qui permet à un site de stocker de gros volumes de données structurées sur l’appareil du visiteur.

Zero-log désigne un service qui ne tient pas de journaux de ce que tu demandes ou dis : aucune trace stockée de tes requêtes, de tes réponses ou de ton activité au-delà du strict nécessaire pour fonctionner.

Le chiffrement de bout en bout verrouille les données sur l’appareil de l’expéditeur et ne les déverrouille que sur celui du destinataire voulu : tout serveur intermédiaire ne porte que du texte chiffré illisible.

Une API compatible OpenAI accepte les mêmes requêtes et renvoie les mêmes réponses que l’API d’OpenAI, si bien que du code et des outils existants peuvent utiliser un autre fournisseur en ne changeant guère plus que l’adresse et la clé.

Une limite de débit plafonne le nombre de requêtes qu’un compte ou une clé peut envoyer à un service sur une période donnée.

Les crédits sont une unité de compte prépayée qu’un service utilise pour chiffrer l’usage : chaque requête en dépense un petit nombre selon ce qu’elle a consommé.