Le lexique de l'IA, en français clair.

Le jargon de l'IA a une particularité : il est partout, très vite, et rarement expliqué. Pas besoin de tout maîtriser — mais connaître une trentaine de termes te permet de lire un article ou suivre une discussion sans décrocher.

Voici la liste des mots qui reviennent, expliqués simplement.

Une IA capable de créer du contenu nouveau (texte, image, audio, code), par opposition aux IA qui se contentent de classer ou prédire. ChatGPT, Claude, Gemini en sont. Exemple : tu lui demandes un poème, elle l'écrit — elle ne le copie pas, elle le génère.

Le type d'IA derrière les chatbots. « Large Language Model » en anglais. Il fonctionne en prédisant le mot le plus probable après un autre, à très grande échelle. Exemple : ChatGPT, Claude et Gemini sont tous des LLM. Le concept est détaillé dans comment marche une IA.

L'instruction que tu donnes à l'IA. Ta question, ta demande, ton contexte — tout ce que tu écris. La qualité du prompt détermine la qualité de la réponse. Exemple : « Résume ce texte en 3 points » est un prompt.

L'unité de texte que l'IA manipule : un fragment de mot, environ trois quarts d'un mot en français. Sert à mesurer le volume traité et à facturer les versions payantes. Exemple : « anticonstitutionnellement » compte pour plusieurs tokens.

Tout ce que l'IA « voit » pour répondre : ta question, l'historique de la conversation, les documents joints. La « fenêtre » est sa taille maximale. Exemple : dans une longue conversation, l'IA peut « oublier » le début quand la fenêtre est saturée.

Quand l'IA invente une information fausse en la présentant avec assurance (date, citation, source inexistante). Conséquence directe de son fonctionnement « au plausible ». Exemple : elle cite un article qui n'existe pas. D'où la vérification systématique des faits.

Une interface de conversation avec une IA. C'est la fenêtre de discussion que tu utilises. Exemple : l'application ChatGPT est un chatbot reposant sur un LLM.

Le « cerveau » entraîné qui produit les réponses. Chaque IA propose plusieurs modèles (rapides ou plus puissants). Exemple : choisir entre un modèle « rapide » et un modèle « raisonnement » selon la tâche — voir quel modèle choisir.

La phase où le modèle « apprend » sur d'énormes quantités de texte avant d'être mis à disposition. Exemple : un modèle entraîné jusqu'à une certaine date ne connaît pas les événements postérieurs (sa « date de connaissance »).

Les milliards de « réglages » internes ajustés pendant l'entraînement. Plus il y en a, plus le modèle est gros (mais pas forcément meilleur sur tout). Exemple : on parle de modèles à plusieurs centaines de milliards de paramètres.

Une IA capable de traiter plusieurs types de contenu : texte, image, audio, parfois vidéo. Exemple : tu envoies une photo et tu demandes « qu'est-ce qui ne va pas sur ce graphique ? ».

Un mode où le modèle « réfléchit » par étapes avant de répondre, utile pour les problèmes complexes. Plus lent, plus rigoureux. Exemple : Extended Thinking chez Claude, modes « Thinking » ailleurs.

Un réglage (surtout côté technique) qui contrôle le degré de « créativité » des réponses. Basse = prévisible et factuel ; haute = varié et créatif. Exemple : on baisse la température pour des réponses factuelles stables.

Réentraîner un modèle existant sur des données spécifiques pour le spécialiser. Plutôt réservé aux usages avancés. Exemple : une entreprise fine-tune un modèle sur ses documents internes.

Technique qui permet à l'IA d'aller chercher des infos dans une base de documents avant de répondre, pour limiter les erreurs. Exemple : un assistant qui répond à partir de ta documentation interne au lieu de sa seule mémoire.

Une façon de transformer du texte en nombres pour que l'IA mesure la proximité de sens entre deux contenus. Le moteur des recherches « par sens ». Exemple : retrouver des documents proches d'une question même sans mots-clés identiques.

L'art de bien formuler ses prompts pour obtenir de meilleurs résultats. Exemple : donner du contexte, des exemples, un format attendu — tout le sujet de la rubrique Mieux prompter.

« Zero-shot » : tu demandes sans exemple. « Few-shot » : tu donnes 2-3 exemples du résultat voulu avant ta demande. Exemple : montrer deux mails bien rédigés pour que l'IA calque le style — voir le Few-Shot Prompting.

Des réglages permanents qui s'appliquent à toutes tes conversations (ton, format, qui tu es). Exemple : « réponds toujours en français, en allant droit au but » — voir configurer les Custom Instructions.

Une fonction qui permet à l'IA de retenir des infos d'une conversation à l'autre (sans elle, elle repart de zéro à chaque fois). Exemple : elle se souvient de ton prénom ou de ton métier sans que tu le redises.

Un modèle « open source » est librement accessible et modifiable ; un modèle « propriétaire » appartient à une entreprise et s'utilise via son service. Exemple : certains modèles s'installent sur ton propre serveur, d'autres seulement via une appli.

Une IA qui ne se contente pas de répondre, mais qui agit en plusieurs étapes pour accomplir un objectif (chercher, décider, exécuter). Exemple : un agent qui trie tes mails et prépare des réponses tout seul.

Une version personnalisée d'une IA, configurée pour un rôle précis et réutilisable. Exemple : un Custom GPT, un Claude Project ou un Gemini Gem dédié à la relecture.

Un standard récent pour connecter proprement une IA à tes outils (mails, agenda, fichiers). Exemple : relier ton IA à ton Drive ou ton calendrier — voir comprendre MCP.

Un pont entre l'IA et une application externe, qui lui permet de lire ou d'agir dedans. Exemple : un connecteur Gmail laisse l'IA lire et rédiger tes mails.

Une « prise » technique qui permet à un logiciel de parler à l'IA directement, sans interface de chat. Exemple : une application qui utilise l'IA en coulisses passe par son API.

Une suite d'étapes automatisées, souvent déclenchée par un événement, où l'IA joue un rôle. Exemple : « quand un mail arrive → l'IA le résume → l'envoie sur Slack ». Voir l'anatomie d'une automatisation.

Le principe de garder un humain qui valide les étapes sensibles d'une automatisation. Exemple : l'IA prépare la réponse, mais tu cliques « envoyer » — voir human-in-the-loop.