Glossaire IA
Concepts importants à maîtriser pour comprendre l'univers de l'intelligence artificielle.
LLM (Large Language Model)
Modèle de langage entraîné sur des quantités massives de texte, capable de générer du contenu cohérent à partir d'un prompt.
Token
Unité de texte traitée par le modèle (mot, partie de mot ou caractère). La tokenisation varie selon les modèles.
Prompt
L'instruction ou la question que vous envoyez à l'IA pour déclencher une réponse.
Contexte / Fenêtre de contexte
Quantité maximale de tokens que le modèle peut traiter en une fois (prompt + historique).
Température
Paramètre qui contrôle l'aléatoire des réponses. Basse = plus déterministe ; haute = plus créatif et varié.
Hallucination
Quand l'IA produit des informations incorrectes ou inventées avec assurance. À vérifier systématiquement pour les faits.
Fine-tuning
Adaptation d'un modèle pré-entraîné à une tâche ou un domaine spécifique avec des données spécialisées.
RAG (Retrieval Augmented Generation)
Technique qui enrichit le prompt avec des documents récupérés d'une base de connaissances pour améliorer la précision.
Attention (mécanisme)
Dans les Transformers, mécanisme qui permet au modèle de pondérer l'importance des différentes parties de l'entrée pour produire chaque sortie.
Embedding
Représentation vectorielle d'un mot, d'une phrase ou d'un document. Les modèles convertissent le texte en vecteurs numériques pour le traitement.
Paramètres
Nombre de « poids » ajustables dans un modèle. Plus il y a de paramètres, plus le modèle peut mémoriser des patterns complexes, au prix d'un coût de calcul élevé.
Inference
Phase d'utilisation du modèle (génération de réponse) par opposition à l'entraînement. L'inférence est plus légère que l'entraînement.
Biais (bias)
Tendance du modèle à produire des sorties discriminatoires ou stéréotypées, héritées des données d'entraînement.
Prompt engineering
Art et technique d'écrire des prompts efficaces pour obtenir les meilleures réponses d'un modèle.
Chain-of-Thought (CoT)
Technique consistant à demander au modèle de « réfléchir à voix haute » (étape par étape) pour améliorer la qualité des raisonnements.
Bonnes pratiques
- Vérifier les faits importants : l'IA peut se tromper ou inventer.
- Protéger les données sensibles : ne pas partager d'informations confidentielles.
- Être précis dans les prompts : clarifier le format, le ton, la longueur.
- Itérer : affiner les prompts selon les résultats.
- Comprendre les limites : l'IA est un outil, pas un oracle.
- Citer les sources quand pertinent : demandez à l'IA de préciser si elle s'appuie sur des références.
- Respecter les droits d'auteur : ne pas demander de copies d'œuvres protégées.
Éthique de l'IA
L'IA soulève des questions éthiques majeures : biais algorithmiques, impact sur l'emploi, désinformation, vie privée, autonomie des systèmes. Les principes clés incluent :
- Transparence : savoir quand et comment l'IA est utilisée.
- Responsabilité : qui est responsable des décisions prises avec l'aide de l'IA ?
- Équité : éviter les discriminations et les biais.
- Protection des données : respect de la vie privée et du consentement.
En tant qu'utilisateur, rester critique et informé permet de profiter de l'IA de manière responsable.
Avenir de l'IA
Les tendances actuelles pointent vers : des modèles plus puissants et moins coûteux, une meilleure intégration dans les outils du quotidien, une régulation croissante (ex. UE AI Act), et une évolution vers des systèmes multimodaux (texte, image, audio, vidéo).
L'apprentissage continu et l'adaptabilité resteront des atouts essentiels pour accompagner ces évolutions.
Pistes pour approfondir
- Cours en ligne : MOOC sur le Machine Learning, Deep Learning, et NLP (Natural Language Processing). Plusieurs plateformes proposent des parcours structurés.
- Livre : « Artificial Intelligence: A Modern Approach » (Russell & Norvig) reste une référence académique.
- Pratique : Utiliser régulièrement des assistants IA (texte, image) pour se familiariser avec les prompts et les limites.
- Communautés : Forums, newsletters et comptes spécialisés sur les réseaux pour suivre l'actualité.