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.
#Glossaire pratique de l’intelligence artificielle
Des définitions courtes et précises pour lire les offres, poser de meilleures questions et évaluer les outils sans confondre promesses et capacités. 48 notions classées par usage.
48 notions
Fondations
Fiche de modèle
Document décrivant un modèle, ses usages prévus, ses limites et des informations sur son entraînement ou son évaluation. Vérifiez la version concernée.
#Modèle IA
Système entraîné sur des données pour produire un résultat à partir d’une entrée. Un modèle peut être proposé dans plusieurs applications.
#Grand modèle de langage (LLM)
Modèle entraîné à traiter et générer du langage. Il peut rédiger ou résumer, sans être une base de faits garantie.
#Token
Unité de texte traitée par un modèle : mot, partie de mot ou signe. Les limites et coûts sont souvent exprimés en tokens.
#Fenêtre de contexte
Quantité maximale d’informations qu’un modèle peut prendre en compte dans une requête, entrée et sortie comprises.
#Interagir avec un modèle
Sortie structurée
Réponse respectant un format défini, par exemple un schéma JSON. Un format valide ne prouve pas que les valeurs sont exactes.
#Injection de consigne
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.
#Consigne (prompt)
Instruction et contexte fournis à un système IA. Une bonne consigne précise le résultat attendu, les contraintes et le format.
#Instruction système
Consigne qui encadre le comportement d’un assistant. Elle ne remplace pas les contrôles techniques des accès et des données.
#Multimodal
Capacité à traiter ou produire plusieurs types de contenu, par exemple texte, image, son et vidéo.
#Température
Paramètre qui influe sur la diversité des sorties de certains modèles. Une valeur basse ne garantit pas une réponse exacte.
#Réponses et sources
Reconnaissance optique de caractères (OCR)
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.
#Reclassement des résultats
Étape qui réordonne des documents déjà trouvés selon leur pertinence pour une question. Elle ne remplace pas la vérification du contenu des documents.
#Provenance
Origine et historique d’une information : document, auteur, date et transformations. La provenance aide à retrouver ce qui soutient une affirmation.
#Fraîcheur des sources
Adéquation entre la date d’une source et la question posée. Distinguez date de publication, date de l’événement et dernière synchronisation du corpus.
#Hallucination
Réponse plausible mais fausse, inventée ou sans appui dans les éléments disponibles. Une source ou citation peut aussi être fabriquée.
#Ancrage dans les sources
Méthode reliant une réponse à des documents identifiables. Elle facilite la vérification, mais une source peut encore être mal interprétée.
#Génération augmentée par récupération (RAG)
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.
#Citation de source
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.
#Architecture
Vecteur sémantique (embedding)
Représentation numérique d’un contenu utilisée pour comparer des proximités de sens. Des éléments proches ne sont pas nécessairement équivalents ou vrais.
#Base vectorielle
Système qui stocke des vecteurs et retrouve des éléments proches. Dans un RAG, il aide à sélectionner des passages sans vérifier leur exactitude.
#Ajustement du modèle (fine-tuning)
Entraînement complémentaire sur des exemples ciblés pour modifier le comportement d’un modèle. Il ne remplace pas une base documentaire à jour.
#Interface de programmation (API)
Accès technique permettant à une application de demander un service IA. Coûts, quotas et règles de traitement dépendent de l’offre.
#Agents et automatisation
Idempotence
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.
#Moindre privilège
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.
#Nouvelle tentative
Réexécution après un échec. Limitez le nombre de tentatives, distinguez erreurs temporaires et permanentes et empêchez les écritures en double.
#Agent IA
Système combinant modèle, objectifs, outils et étapes de décision pour accomplir une tâche. Son autonomie doit être encadrée par des permissions.
#Appel d’outil
Mécanisme par lequel un modèle demande à une application d’exécuter une fonction, comme rechercher ou calculer. L’application contrôle l’exécution réelle.
#Flux de travail
Suite d’étapes reliant personnes, données et outils. Une automatisation fiable prévoit les erreurs, les reprises et les validations.
#Validation humaine
Décision ou contrôle exercé par une personne avant ou après une action du système, utile quand une erreur aurait des conséquences importantes.
#Évaluation
Erreur critique
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.
#Abstention
Capacité à ne pas répondre ou agir lorsque les informations ou autorisations sont insuffisantes. Évaluez-la sur des cas explicitement hors périmètre.
#Critères d’acceptation
Conditions observables fixées avant un essai pour décider si un résultat est utilisable. Incluez les erreurs qui entraînent un rejet.
#Coût par résultat accepté
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.
#Observabilité
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.
#Jeu de tests
Ensemble stable de cas représentatifs et de critères servant à comparer les versions d’une IA sur une tâche définie.
#Référence comparative (benchmark)
Évaluation standardisée comparant des systèmes selon une méthode annoncée. Un bon score public ne garantit pas la qualité sur vos données.
#Régression
Dégradation d’un comportement qui fonctionnait auparavant, parfois après un changement de modèle, de consigne ou de données.
#Latence
Temps entre une requête et un résultat utilisable. Mesurez aussi le temps de recherche, des outils et de validation humaine.
#Données et droits
Portabilité des données
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.
#Réversibilité
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.
#Auto-hébergement
Exploitation du logiciel sur une infrastructure que vous gérez. Cela implique maintenance et sauvegardes, et ne garantit pas que tous les appels restent locaux.
#Localisation des données
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.
#Donnée personnelle
Information qui identifie une personne directement ou indirectement. Vérifiez la nécessité et les conditions de traitement avant de la transmettre.
#Durée de conservation
Période pendant laquelle un service garde les entrées, sorties ou journaux. Elle varie selon le produit, l’offre et les réglages.
#Poids ouverts
Modèle dont les paramètres entraînés sont distribués sous licence. Cela ne signifie pas toujours que les données ou le code sont ouverts.
#Licence d’utilisation
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.