35 mots d'IA de plus, expliqués simplement.

Les trente-cinq mots

Modèle : le programme entraîné qui produit les réponses. ChatGPT, Claude, Gemini et Le Chat sont des assistants construits sur des modèles.
À retenir. Quand on dit « un nouveau modèle est sorti », c'est le moteur qui change, pas forcément l'application.

Entraînement : la phase où le modèle lit énormément de textes et ajuste ses réglages pour mieux prédire la suite d'une phrase.
À retenir. Il se termine avant que tu l'utilises : le modèle ne continue pas d'apprendre de ta conversation.

Paramètres : les réglages internes du modèle, des milliards de nombres. Plus il y en a, plus il est gros, pas forcément meilleur.
À retenir. Un petit modèle bien entraîné peut battre un gros modèle mal entraîné.

Fenêtre de contexte : la quantité de texte que le modèle peut garder en tête en même temps : ta question, la conversation et les documents.
À retenir. Quand une longue conversation devient confuse, c'est souvent que le début est sorti de la fenêtre.

Inférence : le moment où le modèle répond à ta question, par opposition à l'entraînement.
À retenir. Quand une réponse est lente ou payante, c'est le coût de l'inférence.

Température : un réglage qui décide si le modèle reste prévisible ou prend plus de risques dans ses mots.
À retenir. Pour un résumé fiable, on la baisse. Pour des idées de noms, on la monte.

Prompt système : les consignes cachées données au modèle avant ta première phrase, par exemple « tu es l'assistant de telle boutique ».
À retenir. C'est lui qui explique pourquoi deux applications basées sur le même modèle ne répondent pas pareil.

Instruction : une demande claire donnée au modèle : ce qu'il doit faire, pour qui, sous quelle forme.
À retenir. Plus l'instruction est précise, moins tu corriges après.

Zéro-shot : demander sans donner d'exemple. Le modèle se débrouille avec sa seule connaissance.
À retenir. Pratique pour une question simple, risqué pour un format précis.

Few-shot : donner deux ou trois exemples de ce que tu veux avant de poser ta demande.
À retenir. Montre un modèle de réponse : le résultat colle beaucoup mieux au style attendu.

Chaîne de raisonnement : demander ou laisser le modèle détailler les étapes avant la réponse finale.
À retenir. Sur un calcul ou un problème en plusieurs étapes, c'est ce qui limite les erreurs bêtes.

Modèle de raisonnement : un modèle qui prend du temps pour réfléchir en plusieurs étapes avant de répondre.
À retenir. Il est plus lent et parfois plus cher : à réserver aux problèmes difficiles.

Multimodal : un modèle qui comprend plusieurs types de contenus : texte, image, son, parfois vidéo.
À retenir. Tu peux lui montrer une photo de facture plutôt que de la recopier.

Embedding : une façon de transformer un texte en liste de nombres qui représente son sens, pour comparer des textes entre eux.
À retenir. C'est ce qui permet à un moteur de chercher « des idées proches » et pas seulement des mots identiques.

Base de données vectorielle : une base qui range des embeddings pour retrouver vite les textes les plus proches d'une question.
À retenir. Elle sert souvent de mémoire à un assistant branché sur tes documents.

Recherche augmentée : donner au modèle des extraits trouvés au bon moment pour qu'il réponde à partir d'eux plutôt que de mémoire.
À retenir. Demande toujours quels extraits ont servi : c'est ta preuve.

Ancrage : obliger la réponse à s'appuyer sur des sources précises.
À retenir. Une réponse ancrée dit d'où elle vient, une réponse non ancrée peut inventer.

Hallucination en chaîne : une erreur qui se glisse tôt, puis que le modèle développe comme si elle était vraie.
À retenir. Corrige l'erreur dès qu'elle apparaît, ne continue pas la conversation dessus.

Sycophantie : la tendance d'un modèle à te donner raison pour te plaire, même quand tu te trompes.
À retenir. Demande-lui explicitement les points faibles de ton idée.

Jailbreak : un texte conçu pour contourner les règles de sécurité d'un modèle.
À retenir. Les éditeurs corrigent régulièrement, mais le jeu du chat et de la souris continue.

Injection de prompt : cacher des instructions dans un texte ou une page web pour que l'IA qui la lit obéisse à quelqu'un d'autre.
À retenir. N'accorde pas de pouvoir d'action à une IA qui lit des contenus que tu ne maîtrises pas.

Garde-fous : les règles et filtres ajoutés autour d'un modèle pour limiter les réponses dangereuses ou hors sujet.
À retenir. Ils réduisent les risques sans les supprimer.

Alignement : le travail qui consiste à faire en sorte que le modèle suive ce que les humains attendent de lui.
À retenir. Un modèle puissant mal aligné peut être utile en apparence et gênant en pratique.

Évaluation : une série de tests pour mesurer ce qu'un modèle sait faire.
À retenir. Un seul score ne dit pas tout : regarde ce qui a été testé, par qui et comment.

Jeu de test contaminé : un test dont les questions ont fuité dans les données d'entraînement, ce qui gonfle le score.
À retenir. Méfie-toi des records annoncés sans méthode publique.

Quantification : une technique qui réduit la précision des nombres du modèle pour qu'il tienne sur un petit ordinateur.
À retenir. Tu perds un peu de qualité mais tu peux le faire tourner chez toi.

Distillation : entraîner un petit modèle à imiter un gros pour garder l'essentiel à moindre coût.
À retenir. C'est une des raisons pour lesquelles des modèles légers progressent vite.

Local : un modèle qui tourne sur ton propre ordinateur plutôt que chez un éditeur.
À retenir. Tes données ne partent pas sur Internet, mais il faut une machine assez puissante.

API : une porte d'entrée qui permet à un autre logiciel de parler à un modèle.
À retenir. Quand une application « utilise l'IA », elle passe souvent par l'API d'un éditeur.

Latence : le temps entre ta demande et le début de la réponse.
À retenir. Un modèle précis mais lent peut être moins pratique qu'un modèle rapide.

Coût par jeton : le prix facturé selon la quantité de texte lue et produite.
À retenir. Un long document envoyé à chaque question fait grimper la facture.

Données d'entraînement : les textes, images et sons utilisés pour apprendre au modèle ce qu'il sait.
À retenir. Ce qui n'y figure pas, il ne le sait pas, ou le devine.

Date de coupure : la date après laquelle le modèle n'a rien appris.
À retenir. Sans recherche web, ne lui demande pas ce qui s'est passé hier.

Droit d'auteur et IA : le débat sur l'usage de textes et d'images protégés pour entraîner un modèle.
À retenir. Avant de publier un contenu généré, vérifie les conditions d'usage de l'outil.

Filigrane : une marque, visible ou cachée, ajoutée à un contenu généré pour indiquer son origine.
À retenir. Son absence ne prouve pas qu'un contenu est humain.

Ton réflexe

• Choisis un mot que tu croises souvent.
• Demande à ton IA « Explique-moi ce mot en une phrase, avec un exemple. »
• Vérifie la définition sur un site officiel avant de la répéter.