
Inférence
Exécution d’un modèle déjà entraîné pour produire une sortie. Elle se distingue de l’entraînement ; son coût dépend notamment du modèle et du volume traité.
#Des définitions courtes et précises pour lire les offres, poser de meilleures questions et évaluer les outils sans confondre promesses et capacités. 99 notions classées par usage.


Exécution d’un modèle déjà entraîné pour produire une sortie. Elle se distingue de l’entraînement ; son coût dépend notamment du modèle et du volume traité.
#
Document décrivant un modèle, ses usages prévus, ses limites et des informations sur son entraînement ou son évaluation. Vérifiez la version concernée.
#
Système entraîné sur des données pour produire un résultat à partir d’une entrée. Un modèle peut être proposé dans plusieurs applications.
#
Modèle entraîné à traiter et générer du langage. Il peut rédiger ou résumer, sans être une base de faits garantie.
#
Unité de texte traitée par un modèle : mot, partie de mot ou signe. Les limites et coûts sont souvent exprimés en tokens.
#
Quantité maximale d’informations qu’un modèle peut prendre en compte dans une requête, entrée et sortie comprises.
#
Réponse respectant un format défini, par exemple un schéma JSON. Un format valide ne prouve pas que les valeurs sont exactes.
#
Tentative de faire suivre au modèle des instructions introduites dans une entrée ou un document, au détriment de la tâche autorisée. Traitez les documents externes comme des données non fiables.
#
Instruction et contexte fournis à un système IA. Une bonne consigne précise le résultat attendu, les contraintes et le format.
#
Consigne qui encadre le comportement d’un assistant. Elle ne remplace pas les contrôles techniques des accès et des données.
#
Capacité à traiter ou produire plusieurs types de contenu, par exemple texte, image, son et vidéo.
#
Paramètre qui influe sur la diversité des sorties de certains modèles. Une valeur basse ne garantit pas une réponse exacte.
#
Extraction de voix ou instruments depuis un mélange audio. Une piste séparée peut garder des sons résiduels ou des artefacts.
#
Présence dans une piste séparée de sons appartenant à une autre cible. Évaluez-la dans la piste isolée et son contexte final.
#
Nombre d’échantillons audio par seconde, exprimé en hertz. Ne le confondez pas avec le débit du fichier compressé.
#
Description structurée des propriétés et contraintes attendues dans un document JSON. Une validation de schéma ne prouve pas l’exactitude des faits contenus.
#
Contrôle de la structure d’une sortie : champs requis, types et contraintes. Il complète la vérification du sens sans la remplacer.
#
Conversion de caractères présents dans une image en texte. La reconnaissance ne valide ni l’ordre de lecture, ni la structure d’un tableau, ni l’exactitude d’une valeur.
#
Étape qui réordonne des documents déjà trouvés selon leur pertinence pour une question. Elle ne remplace pas la vérification du contenu des documents.
#
Origine et historique d’une information : document, auteur, date et transformations. La provenance aide à retrouver ce qui soutient une affirmation.
#
Adéquation entre la date d’une source et la question posée. Distinguez date de publication, date de l’événement et dernière synchronisation du corpus.
#
Réponse plausible mais fausse, inventée ou sans appui dans les éléments disponibles. Une source ou citation peut aussi être fabriquée.
#
Méthode reliant une réponse à des documents identifiables. Elle facilite la vérification, mais une source peut encore être mal interprétée.
#
Architecture qui recherche des passages dans un corpus avant de les fournir au modèle pour sa réponse. Sa qualité dépend aussi des documents et de la recherche.
#
Référence affichée avec une réponse pour retrouver l’origine d’une affirmation. Il faut ouvrir la source et contrôler le passage, la date et le contexte.
#
Identifiant d’un objet documentaire utilisé pour retrouver sa référence et ses métadonnées. Un DOI ne certifie pas la fiabilité du contenu.
#
Publication choisie comme point de départ d’une recherche par relations ou recommandations. Le choix des graines influence les découvertes.
#
Représentation des relations entre publications. Il faut connaître la signification des liens : citation, proximité calculée ou recommandation.
#
Informations décrivant un document ou une ressource, comme titre, date, auteurs ou identifiants. Elles peuvent être incomplètes ou erronées.
#
Périmètre des documents réellement présents et utilisables dans un ensemble. Une réponse correcte ne prouve pas la couverture du sujet.
#
État identifiable d’un document à une date ou révision donnée. Deux versions peuvent contenir des conclusions différentes.
#
Règles pour décider quels documents entrent dans un corpus ou une revue. Leur application doit être explicable et conservée.
#
Métadonnées signées qui associent à un média des déclarations sur sa provenance ou ses transformations. Vérifiez séparément les faits que le média semble montrer.
#
Texte encodé dans un document, distinct de l’image visible de la page. Un texte sélectionnable peut rester incomplet ou suivre un ordre incorrect.
#
Séquence dans laquelle titres, paragraphes, colonnes et notes doivent être lus. Un extracteur peut reconnaître tous les mots tout en les ordonnant mal.
#
Représentation d’un document analysé dans un format stockable ou échangeable. Une sérialisation sans perte du document analysé ne corrige pas les erreurs introduites pendant sa reconnaissance.
#
Fichier texte produit à côté du PDF. Il facilite l’inspection du résultat OCR. Contrôlez la correspondance des pages, surtout lorsqu’une page a été ignorée ou contenait déjà du texte.
#
Représentation XML suivant les conventions de la Text Encoding Initiative. Les balises permettent de distinguer le corps d’un article, ses sections et ses références.
#
Rapprochement d’une référence extraite avec des métadonnées de référence pour compléter ou vérifier un identifiant, un titre ou une date. Vérifiez les homonymes et les correspondances incertaines.
#
Représentation numérique d’un contenu utilisée pour comparer des proximités de sens. Des éléments proches ne sont pas nécessairement équivalents ou vrais.
#
Système qui stocke des vecteurs et retrouve des éléments proches. Dans un RAG, il aide à sélectionner des passages sans vérifier leur exactitude.
#
Entraînement complémentaire sur des exemples ciblés pour modifier le comportement d’un modèle. Il ne remplace pas une base documentaire à jour.
#
Accès technique permettant à une application de demander un service IA. Coûts, quotas et règles de traitement dépendent de l’offre.
#
Logiciel qui exécute un modèle pour produire ses sorties. Un même modèle peut se comporter différemment selon le moteur et sa configuration.
#
Représentation numérique de poids avec une précision réduite. Elle peut changer les besoins en ressources et la qualité ; la configuration doit être testée.
#
Format utilisé par certains outils pour distribuer des poids et informations de modèles. Il ne garantit pas la compatibilité avec tous les moteurs.
#
Service ou dépôt organisant la distribution de modèles ou d’artefacts identifiés. Conservez version, provenance et conditions d’utilisation.
#
Adresse d’accès à une fonction d’API. Des endpoints compatibles peuvent avoir des modèles, quotas et conditions de traitement différents.
#
Transmission progressive d’une sortie avant sa fin. Recevoir un premier fragment rapidement ne mesure pas la durée complète.
#
Nombre d’opérations actives simultanément dans une mesure ou un système. Fixez-le pour comparer des charges.
#
Regroupement de plusieurs entrées à traiter. Une mesure par lot n’est pas directement comparable au délai d’une conversation interactive.
#
Première exécution nécessitant une initialisation ou un chargement. Distinguez son délai de celui d’un service déjà prêt.
#
Réutilisation de calculs associés au début identique de plusieurs requêtes. Mesurez séparément les requêtes qui en bénéficient et celles dont le préfixe est inédit.
#
Restriction sur la fréquence ou le volume de demandes autorisés. Relevez la fenêtre et le périmètre avant de comparer deux offres. Comparez le plafond instantané et le volume autorisé sur la période. Un essai court peut réussir alors que plusieurs utilisateurs simultanés dépassent la limite partagée ; testez ce cas sans lancer de charge non autorisée.
#
Conservation temporaire d’un résultat ou d’un calcul pour le réutiliser. Vérifiez durée, actualité des informations et traitement des données. Exemple de contrôle : après correction du document source, demandez de nouveau la même information et vérifiez la version utilisée. Une réponse identique peut venir d’une copie encore conservée plutôt que d’une nouvelle lecture.
#
Choix explicite d’une version de dépendance ou de modèle pour limiter les changements involontaires. Cela ne garantit pas la reproductibilité de toutes les sorties.
#
Environnement qui limite les accès ou actions d’un programme. Qualifiez les frontières réellement appliquées plutôt que de supposer un isolement complet.
#
Notation comme application/pdf pour étiqueter un format. Comparez le type déclaré au contenu détecté lors d’un import et examinez les fichiers ambigus.
#
Famille de profils PDF conçus pour la conservation à long terme. Vérifiez le profil demandé et la fidélité du contenu, dont la couche de texte lorsqu’elle est utile.
#
Propriété d’une opération dont la répétition ne produit pas d’effet supplémentaire par rapport à une seule exécution. Utile pour éviter les doublons lors d’une reprise.
#
Principe consistant à accorder uniquement les permissions nécessaires à une tâche et pour la durée utile. Un agent ne doit pas recevoir tous les accès par défaut.
#
Réexécution après un échec. Limitez le nombre de tentatives, distinguez erreurs temporaires et permanentes et empêchez les écritures en double.
#
Système combinant modèle, objectifs, outils et étapes de décision pour accomplir une tâche. Son autonomie doit être encadrée par des permissions.
#
Mécanisme par lequel un modèle demande à une application d’exécuter une fonction, comme rechercher ou calculer. L’application contrôle l’exécution réelle.
#
Suite d’étapes reliant personnes, données et outils. Une automatisation fiable prévoit les erreurs, les reprises et les validations.
#
Décision ou contrôle exercé par une personne avant ou après une action du système, utile quand une erreur aurait des conséquences importantes.
#
Composant reliant un outil à une autre application ou source. Contrôlez authentification, permissions, données lues et actions possibles.
#
Parcours utilisé lorsqu’un composant ne répond pas ou ne convient pas. Vérifiez qu’un repli ne change pas silencieusement les conditions importantes.
#
Attente entre tentatives répétées après une erreur. Elle doit s’accompagner d’un plafond et d’un contrôle des effets en double.
#
Description des états possibles d’un processus et des transitions autorisées. Elle aide à distinguer attente, exécution, échec et résultat accepté.
#
Traitement qui produit un résultat tout en échouant sur certains éléments. Vérifiez la couverture et les avertissements : la présence d’un fichier de sortie ne valide pas toutes ses pages.
#
Erreur dont la conséquence rend un résultat inacceptable, même si les autres critères sont bons. Définissez-la avant l’essai : mauvais destinataire, montant faux ou permission ignorée, par exemple.
#
Capacité à ne pas répondre ou agir lorsque les informations ou autorisations sont insuffisantes. Évaluez-la sur des cas explicitement hors périmètre.
#
Conditions observables fixées avant un essai pour décider si un résultat est utilisable. Incluez les erreurs qui entraînent un rejet.
#
Coût total de l’essai rapporté aux résultats qui passent les contrôles : service, appels, préparation et correction. Il ne se confond pas avec le prix par génération.
#
Capacité à comprendre le comportement d’un système à partir de journaux, métriques et traces. Conservez les éléments utiles sans journaliser inutilement des données sensibles.
#
Ensemble stable de cas représentatifs et de critères servant à comparer les versions d’une IA sur une tâche définie.
#
Évaluation standardisée comparant des systèmes selon une méthode annoncée. Un bon score public ne garantit pas la qualité sur vos données.
#
Dégradation d’un comportement qui fonctionnait auparavant, parfois après un changement de modèle, de consigne ou de données.
#
Temps entre une requête et un résultat utilisable. Mesurez aussi le temps de recherche, des outils et de validation humaine.
#
Délai avant le premier élément textuel généré reçu dans un flux. Il ne représente pas la durée totale ni la qualité de la réponse.
#
Quantité de travail traitée par unité de temps avec un périmètre et une charge définis. Distinguez résultats produits et acceptés.
#
Limite de temps après laquelle une opération est interrompue ou déclarée en échec. La reprise doit éviter de dupliquer une action déjà effectuée.
#
Réponse ou faits attendus pour contrôler un essai. Les formulations acceptables peuvent varier sans modifier les faits requis.
#
Écart de jugement sur une même sortie. Examinez critères et preuves plutôt que de masquer le désaccord par une moyenne.
#
Part des documents retrouvés qui sont pertinents pour la question : pertinents retrouvés divisés par tous les documents retrouvés. Elle n’évalue pas l’exactitude d’une réponse générée.
#
Part des documents pertinents du corpus qui ont été retrouvés. Son calcul exige de connaître les documents pertinents ; il ne peut pas être déduit d’une recherche ouverte sur tout le Web.
#
Moyenne harmonique de la précision et du rappel. Elle résume deux dimensions mais ne tient pas compte, à elle seule, de la gravité d’une erreur ou d’un document manqué.
#
Valeur calculée à partir d’un fichier pour détecter des différences ou vérifier une copie. Elle n’établit ni l’auteur ni la qualité du contenu.
#
Trace ordonnée des opérations et décisions permettant d’examiner ce qui s’est produit. Vérifiez couverture, horodatage et accès au journal.
#
Nombre minimal d’insertions, de suppressions et de substitutions pour passer de la référence au texte reconnu, rapporté au nombre de caractères de référence. Fixez les règles d’espaces, d’accents et de casse avant de comparer des moteurs OCR.
#
Possibilité technique d’exporter et réutiliser des données dans un autre système. Vérifiez formats, pièces jointes, métadonnées et capacité de réimportation ; un téléchargement seul ne prouve pas la portabilité.
#
Capacité à quitter un outil ou revenir à un état antérieur avec un effort maîtrisé. Elle se vérifie par un essai de restauration, pas seulement par une promesse d’export.
#
Exploitation du logiciel sur une infrastructure que vous gérez. Cela implique maintenance et sauvegardes, et ne garantit pas que tous les appels restent locaux.
#
Lieux où les données sont stockées ou traitées. Le pays de l’éditeur ne suffit pas à les connaître : vérifiez régions, sous-traitants et documents contractuels.
#
Information qui identifie une personne directement ou indirectement. Vérifiez la nécessité et les conditions de traitement avant de la transmettre.
#
Période pendant laquelle un service garde les entrées, sorties ou journaux. Elle varie selon le produit, l’offre et les réglages.
#
Modèle dont les paramètres entraînés sont distribués sous licence. Cela ne signifie pas toujours que les données ou le code sont ouverts.
#
Conditions encadrant l’usage, la redistribution ou la modification d’un modèle, outil ou contenu. Vérifiez la licence exacte avant un usage commercial.
#Aucune notion ne correspond à cette recherche. Afficher toutes les notions