Le vocabulaire qui revient sans cesse, expliqué sans jargon, du point de vue d'un dirigeant. Chaque définition tient en quelques lignes, avec ce qu'il faut en retenir.
Famille d’outils capables de produire du contenu nouveau : du texte, des images, du son, du code. On l’oppose aux IA qui se contentent de classer ou de prédire. C’est cette IA générative qui a popularisé le sujet auprès du grand public.
À retenir : quand on parle d’« IA » aujourd’hui dans le langage courant, c’est presque toujours d’IA générative qu’il s’agit.
Sigle de l’anglais pour « grand modèle de langage ». C’est le moteur derrière les assistants conversationnels. Entraîné sur d’énormes quantités de texte, il prédit le mot le plus probable après un autre, ce qui lui permet de rédiger, résumer ou répondre.
À retenir : un LLM ne « sait » rien au sens humain. Il calcule ce qui ressemble à une bonne réponse. D’où la nécessité de vérifier ce qui compte.
C’est la consigne que vous donnez à un outil d’IA : votre question, votre demande, le contexte que vous fournissez. La qualité de la réponse dépend largement de la qualité de la consigne. Plus elle est précise (le contexte, le ton voulu, le public, le format attendu), moins vous avez à corriger.
À retenir : apprendre à formuler une bonne consigne est la compétence la plus rentable pour bien utiliser l’IA. C’est l’objet de la session « Créer ».
C’est quand un outil d’IA produit une information fausse en la présentant comme vraie : une date inventée, une citation qui n’existe pas, un chiffre erroné, une référence imaginaire. Le modèle ne ment pas au sens humain, il génère ce qui ressemble à une réponse plausible, même quand il ne sait pas.
À retenir : ne jamais publier ni transmettre un fait produit par l’IA sans l’avoir vérifié. C’est la règle d’or, valable pour tous les outils.
Unité de base que l’IA manipule. Un texte est découpé en jetons, à peu près des morceaux de mots. C’est l’unité qui sert à mesurer la longueur des échanges et, souvent, à calculer la facturation des outils professionnels.
À retenir : vous croisez ce mot surtout côté tarification et limites de longueur. Pour un usage courant, il suffit de savoir que plus l’échange est long, plus il consomme de jetons.
Le « cerveau » entraîné qui fait tourner un outil d’IA. Un même service propose souvent plusieurs modèles : un rapide et économique pour les tâches simples, un plus puissant et plus lent pour les tâches complexes. Les modèles évoluent vite, avec de nouvelles versions régulières.
À retenir : le nom du modèle (et son numéro de version) change souvent. Ce qui compte pour vous, c’est le résultat sur votre tâche, pas la dernière version sur le papier.
La quantité d’information qu’un outil d’IA peut garder en tête en une seule fois : votre demande, plus l’historique de la conversation, plus les documents fournis. Au-delà de cette limite, le modèle « oublie » le début. Les fenêtres s’agrandissent au fil des versions, mais la limite existe toujours.
À retenir : dans une longue conversation ou avec un gros document, l’IA peut perdre le fil du début. Rappeler l’essentiel ou repartir d’un échange neuf règle souvent le problème.
Porte d’entrée technique qui permet à vos logiciels de dialoguer directement avec un service d’IA, sans passer par l’interface habituelle. C’est ce qui rend possible l’intégration de l’IA dans vos propres outils, votre site ou vos automatisations.
À retenir : vous n’utilisez pas une API à la main, mais c’est par elle que passe toute automatisation un peu poussée. Quand un prestataire vous parle d’« intégrer l’IA dans votre logiciel », c’est de cela qu’il s’agit.
Un cran au-dessus de l’assistant : au lieu de seulement répondre, un agent peut enchaîner des actions pour atteindre un objectif. Chercher une information, remplir un formulaire, envoyer un message, utiliser d’autres outils. On lui confie un but, il déroule les étapes.
À retenir : c’est prometteur mais encore jeune. Pour tout agent qui agit sur le monde réel (envois, achats, modifications), on garde un contrôle humain avant validation.
Technique qui consiste à brancher un outil d’IA sur vos propres documents (procédures, catalogue, base de connaissances) pour qu’il réponde à partir de ces sources plutôt que de ses seules connaissances générales. C’est ce qui permet de créer un assistant qui « connaît » votre entreprise.
À retenir : très utile pour répondre à des questions sur vos contenus internes en limitant les inventions, puisque l’IA s’appuie sur des documents réels que vous lui fournissez.
Se dit d’un outil capable de traiter plusieurs types de contenu, pas seulement du texte : une image, un document scanné, un son, parfois une vidéo. Vous pouvez par exemple photographier une facture et demander à l’IA d’en extraire les informations.
À retenir : ouvre des usages très concrets pour une petite structure : lire un document papier, décrire une photo, transcrire un enregistrement de réunion.
Procédé qui consiste à ré-entraîner un modèle existant sur vos propres données pour l’adapter à un usage précis : votre vocabulaire métier, votre style, vos cas particuliers. C’est plus lourd à mettre en place que de simplement brancher l’IA sur vos documents.
À retenir : rarement le premier réflexe pour une TPE ou une PME. On obtient déjà beaucoup avec de bonnes consignes et le branchement sur ses documents, avant d’envisager une spécialisation.
Modèle dont la « recette » est publiée librement, ce qui permet de l’installer sur ses propres serveurs plutôt que de dépendre d’un service en ligne. À l’opposé des modèles fermés, accessibles seulement via le service de leur éditeur.
À retenir : intéressant pour la maîtrise des données et l’indépendance, au prix d’un peu plus de technique. Plusieurs modèles ouverts sérieux existent, y compris européens.
Un modèle apprend à partir de textes et d’images produits par des humains. Il en reprend donc les partis pris, les stéréotypes et les angles morts. Le résultat peut refléter ces biais : sur des sujets sensibles, sur certaines populations, sur des points de vue dominants.
À retenir : une réponse d’IA n’est ni neutre ni objective. Sur les sujets sensibles ou les décisions qui touchent des personnes, le regard humain reste indispensable.
L’ensemble des contenus à partir desquels un modèle a appris : textes, images, code, récupérés en grande partie sur le web. Leur nature et leur date expliquent ce que le modèle sait, ses lacunes, et le fait qu’il ignore les événements récents postérieurs à son entraînement.
À retenir : un modèle a une date de connaissance limite. Pour l’actualité récente, il faut un outil connecté à des sources à jour, sinon il répond avec ce qu’il a appris avant.
Question du lieu où sont traitées et stockées vos données, et du fournisseur qui les détient. Un outil hébergé hors d’Europe, ou chez un acteur unique dont vous dépendez entièrement, ne pose pas les mêmes questions qu’une solution hébergée en Europe ou installée chez vous.
À retenir : pour les données sensibles ou un usage central, privilégier des solutions hébergées en Europe, et garder la possibilité de récupérer ses données pour ne pas dépendre d’un seul fournisseur. Sujet développé à la session « Maîtriser ».