Le vocabulaire de l’IA nécessaire aux PME
Déployer l’intelligence artificielle en entreprise implique de comprendre un vocabulaire spécifique, ainsi que des concepts, méthodes et outils qui reviennent souvent dans les projets IA. Avec ce glossaire IA destiné aux dirigeants de PME, nous vous aidons à clarifier cette terminologie et à mieux structurer vos décisions.
Nous reprenons également les acronymes et abréviations les plus couramment utilisés dans le cadre de nos missions. Ce glossaire viendra s’enrichir au fil du temps.
Accès direct aux lexique classés alphabétiquement
Lexique IA de A à B
AI Act (Règlement européen sur l’IA)
Cadre réglementaire de l’Union européenne qui encadre la conception, la mise sur le marché et l’usage des systèmes d’IA selon leur niveau de risque, avec des obligations renforcées pour les usages sensibles.
Agent IA (Agent autonome)
Système d’IA capable d’enchaîner des actions de manière semi-autonome (raisonner, planifier, utiliser des outils) pour atteindre un objectif défini, au-delà d’une simple réponse.
API (Interface de programmation)
Interface technique qui permet à deux logiciels de communiquer pour échanger des données et déclencher des actions (ex. connecter un site, un CRM et un outil d’IA).
Big Data
Ensemble de données très volumineux, varié et souvent généré en continu, dont l’exploitation nécessite des outils spécifiques pour en extraire des tendances et des insights utiles.
Lexique IA de C à D
Chatbot
Outil conversationnel qui répond automatiquement aux questions des utilisateurs via un script ou de l’IA, afin d’informer, qualifier des demandes et orienter vers la bonne action (contact, devis, achat).
Connecteur
Module qui relie un outil d’IA à une application ou une source de données (CRM, Drive, Notion, site web) pour lire/écrire des informations ou automatiser des actions.
Contexte
Ensemble des informations fournies au modèle (instructions, historique, données utiles) qui lui permet de produire une réponse pertinente et cohérente.
Data privacy
Ensemble des principes et mesures visant à protéger les données personnelles (collecte, stockage, accès, usage), notamment lors de traitements par des outils d’IA.
Deep Learning
Sous-domaine du Machine Learning basé sur des réseaux de neurones profonds, utilisé pour traiter des problèmes complexes comme la compréhension du langage, la vision ou la génération de contenu.
Lexique IA de E à N
Embeddings
Représentations numériques (vecteurs) qui traduisent le sens d’un texte, d’un mot ou d’un document pour permettre la recherche sémantique, la comparaison et le classement par similarité.
Hallucination
Réponse produite par une IA qui semble plausible mais qui est fausse, non vérifiable ou inventée, souvent faute de sources fiables dans le contexte.
IA générative
Famille de modèles capables de produire du contenu original (texte, image, audio, code) à partir d’instructions, en s’appuyant sur des données d’entraînement.
LLM (Large Language Model)
Modèle d’IA entraîné sur de grandes quantités de texte pour comprendre et générer du langage naturel (ex. rédaction, synthèse, assistance conversationnelle).
Machine Learning
Branche de l’IA où un modèle apprend à partir de données pour prédire, classer ou recommander, sans règles codées manuellement pour chaque situation.
NLP (Traitement automatique du langage)
Domaine de l’IA qui vise à analyser, comprendre et générer du langage humain (ex. classification de textes, extraction d’informations, résumé).
Lexique IA de O à R
Prompt
Texte ou instruction donnée à un modèle (comme ChatGPT) pour guider la réponse ou la génération de contenu.
Prompt engineering
Pratique consistant à concevoir des instructions (prompts) claires et structurées pour obtenir des réponses plus pertinentes, plus fiables et mieux alignées sur un besoin.
Prompt system (Instructions système)
Consignes “haut niveau” qui définissent le rôle, le ton, les règles et les priorités du modèle pour l’ensemble d’une conversation ou d’un assistant.
RAG (Retrieval-Augmented Generation)
Méthode qui combine une recherche dans une base de connaissances (documents internes) et une génération de réponse par IA, afin d’être plus factuel et mieux ancré dans vos contenus.
Retrieval
Étape de recherche (souvent sémantique) qui consiste à retrouver les documents ou passages les plus pertinents dans une base avant de générer une réponse (souvent utilisée dans le RAG).
RGPD et IA
Application des règles RGPD aux projets IA : base légale, minimisation des données, transparence, droits des personnes, sécurité et gestion des sous-traitants.
Lexique IA de S à Z
Température
Paramètre qui règle le degré de créativité/variabilité des réponses : faible = plus stable et factuel, élevé = plus créatif mais plus risqué.
Tokens
Unités de texte manipulées par les modèles (morceaux de mots/ponctuation) qui déterminent la “taille” d’un prompt et d’une réponse, donc le coût et les limites de contexte.
Transcription (Speech-to-text)
Technologie qui convertit automatiquement un fichier audio ou une voix en texte (ex. compte-rendu de réunion, notes vocales).
TTS (Text-to-Speech)
Technologie qui transforme un texte en voix synthétique, utile pour des assistants vocaux, des contenus audio ou de l’accessibilité.
Vector database (Base vectorielle)
Base de données conçue pour stocker et rechercher des embeddings afin de retrouver rapidement des contenus “proches en sens” (recherche sémantique, RAG).