§ Référence · Glossaire IA
Vocabulaire IA · Définitions courtes
30 termes définis. Vulgarisation accessible pour décideurs PME et ETI, pas de jargon, juste l'essentiel.
Workflows & Automatisation
- Agent autonome Un agent autonome reçoit un objectif et le poursuit seul sur plusieurs heures, en enchaînant recherches, décisions et actions sans intervention humaine à chaque étape.
- Human-in-the-loop Le human-in-the-loop intègre un point de validation humaine dans un workflow IA automatisé, pour les décisions à fort enjeu ou à risque d'erreur significatif.
- Workflow agentique Flux de travail piloté par des agents IA qui s'adaptent et agissent sans scripts figés.
IA · Technique
- Agent IA Un agent IA agit de façon autonome : il planifie, choisit des outils et exécute des tâches complexes en chaîne pour accomplir un objectif.
- Embeddings Conversion de texte en vecteurs numériques pour comparer le sens de documents.
- Fenêtre de contexte La fenêtre de contexte est la mémoire de travail du LLM : tout ce qui y entre est visible au modèle. Au-delà, l'information est perdue ou tronquée.
- Fine-tuning Spécialisation d'un LLM sur vos données métier pour améliorer sa précision et son style.
- Function Calling Le function calling permet au LLM de déclencher des actions réelles : envoyer un email, interroger une base de données, lancer un paiement, via des outils définis par le développeur.
- LLM (Grand modèle de langage) Modèle IA massif qui comprend et génère du texte à partir de milliards d'exemples.
- MCP (Model Context Protocol) Protocole standard qui branche des LLM sur vos outils et données en quelques lignes.
- Prompt Engineering Le prompt engineering est l'art de formuler des instructions claires à un LLM pour maximiser la qualité et la fiabilité de ses réponses dans un contexte métier donné.
- Prompt injection Injection d'instructions malveillantes dans les données pour manipuler un agent IA.
- Prompt système Le prompt système est la « constitution » du LLM : il définit qui il est, ce qu'il peut faire et comment il se comporte dans tous les cas.
- RAG (Génération Augmentée par Récupération) Le RAG permet à un LLM de répondre avec vos propres données, documentations internes, contrats, bases produits, sans nécessiter de fine-tuning.
- Température LLM La température règle le niveau d'aléatoire du LLM. Proche de 0 pour l'extraction de données fiable ; plus haute pour la génération créative.
- Tokens LLM Un token est le fragment minimal de texte qu'un LLM comprend. 1 000 tokens ≈ 750 mots. C'est l'unité de mesure des coûts et des limites de contexte.
Gouvernance & Compliance
- AI Act Règlement UE qui oblige les entreprises utilisant l'IA à respecter des règles selon le risque.
- Gouvernance IA La gouvernance IA définit qui peut déployer quoi, comment les données sont protégées et comment les risques sont contrôlés, indispensable avant tout passage en production.
- RGPD et IA Le RGPD s'applique pleinement aux projets IA qui traitent des données personnelles : consentement, minimisation, transparence et droits d'accès/effacement sont obligatoires.
Data & Pipelines
- Anonymisation des données personnelles (PII) Anonymiser les PII consiste à supprimer ou masquer irréversiblement toute information permettant d'identifier une personne, avant de l'envoyer à un LLM ou de la stocker dans une base vectorielle.
- Base de données vectorielle Base de données spécialisée pour retrouver des documents par similarité sémantique.
- Data Mesh Le data mesh remet la propriété des données aux équipes métier qui les produisent, chacune exposant ses données comme un produit accessible et documenté.
- Pipeline de données Un pipeline de données est la chaîne logistique des données : collecte, nettoyage, transformation et livraison automatisées vers les systèmes qui en ont besoin.
- Qualité des données Fiabilité et complétude des données qui conditionnent la qualité des résultats IA.
IA · Business
- Coût par tâche Coût total par tâche automatisée, clé pour évaluer la rentabilité d'un agent IA.
- KPI IA Les KPI IA mesurent ce qui compte vraiment : taux d'automatisation réel, qualité des réponses, coût par tâche et ROI, pas seulement la satisfaction subjective des utilisateurs.
- Maturité IA (AI Readiness) L'AI Readiness mesure si une entreprise est réellement prête pour l'IA, au-delà de l'enthousiasme, ce sont les données, les compétences et la gouvernance qui déterminent le succès.
- Pilot vs Production IA Un pilote IA qui fonctionne en sandbox ne prédit pas sa performance en production. Le passage nécessite une validation formelle sur des données réelles à volume représentatif.
- ROI IA Le ROI IA quantifie ce qu'une entreprise gagne réellement sur son investissement en automatisation et en intelligence artificielle, au-delà du discours marketing.
- TCO IA Le TCO IA révèle le vrai coût d'un projet sur 3 ans, au-delà du devis initial. Les coûts récurrents (tokens, maintenance) dépassent souvent l'investissement de départ.