Glossaire

30 termes professionnels de l'IA & la Tech

Agent: Système piloté par un modèle qui poursuit un objectif de façon autonome en plusieurs étapes, avec outils et mémoire.
API: Application Programming Interface : contrat par lequel un programme expose des services à d'autres programmes via requêtes/réponses normalisées.
API Key: Clé secrète identifiant votre application auprès d'une API ; à garder côté serveur uniquement.
Backend: Partie serveur d'une application : logique métier, base de données, intégrations.
Benchmark: Jeu de tests standardisé pour comparer des modèles entre eux.
Context: Tout ce que le modèle voit : instructions, historique, documents, outils.
Context Engineering: Conception de l'ensemble des entrées du modèle : quoi inclure, quoi exclure, comment hiérarchiser.
Context window: Taille maximale (en tokens) du contexte traitable en une fois.
Deep Learning: Sous-domaine du ML fondé sur des réseaux de neurones à nombreuses couches.
Endpoint: Adresse précise d'un service d'API, ex. /v1/chat/completions.
Evals: Méthodes d'évaluation systématique de la qualité des réponses d'un système IA.
Fine-tuning: Ré-entraînement léger d'un modèle sur vos données pour modifier son comportement ou son style.
Frontend: Partie visible d'une application, exécutée dans le navigateur.
GPT: Generative Pre-trained Transformer : architecture de LLM. GPT ≠ ChatGPT (produit).
Hallucination: Information plausible mais fausse générée par un modèle.
Human in the Loop: Humain qui valide, corrige ou filtre les résultats d'un système IA.
Inference / Inférence: Phase d'utilisation d'un modèle entraîné pour produire des prédictions.
LLM: Large Language Model : réseau de neurones géant entraîné sur d'énormes corpus de texte.
Machine Learning: Apprentissage automatique : la machine déduit des règles à partir d'exemples.
Model / Modèle: Produit fini de l'entraînement ; transforme des entrées en prédictions.
Multimodal: Capacité à traiter plusieurs types de données : texte, image, audio, vidéo.
Parameter / Paramètre: Réglage numérique interne du modèle, ajusté pendant l'entraînement.
Prompt: Texte envoyé au modèle : instructions + contexte + question.
Prompt Engineering: Discipline de conception de prompts reproductibles et de qualité.
RAG: Retrieval-Augmented Generation : recherche documentaire ajoutée au contexte avant génération.
Rate limit: Nombre maximal de requêtes par période accepté par une API.
Token: En IA : plus petite unité de texte traitée par le modèle ; base de la facturation. ≠ access token (sécurité).
Training / Entraînement: Phase d'apprentissage : le modèle ajuste ses paramètres sur des données.
Webhook: URL qui reçoit des notifications d'événements d'autres systèmes ; trigger piloté par l'externe.
Workflow: Séquence d'étapes automatisées, avec conditions et actions.