J'ai une formation en marketing et en innovation, et dans le marketing, les acronymes ne manquent pas, ce qui me rendait fou. J'avais l'impression, à chaque conversation, qu'on parlait une langue différente. Alors quand je me suis lancé dans le monde de l'IA, ce qui m'a le plus agacé, ce n'était pas la technologie, mais tous ces nouveaux acronymes que je devais (encore une fois) faire semblant de comprendre.
LLM, RAG, RLHF, MCP, AGI. De nos jours, chaque conversation semble regorger d’acronymes, et tout le monde hoche la tête comme s’il en avait toujours compris le sens. Moi aussi, j’ai hoché la tête pendant un certain temps, puis j’en ai eu marre : allez, les gens, parlez anglais !
Voici ce que j’ai fini par comprendre. Si un acronyme vous donne l’impression d’être à la traîne, cela n’en dit rien sur vous, mais en dit long sur le secteur. La plupart de ces termes décrivent des concepts qui sont d’une simplicité enfantine dès lors qu’on les explique en langage clair. C’est donc exactement ce qu’est cet article : un guide de traduction du jargon de l’IA sans fioritures, rédigé par quelqu’un qui en avait lui-même besoin.
Commençons par le débat le plus récent : IA contre IS
Avant de commencer, vous avez peut-être remarqué l'apparition d'un nouveau sigle à côté de « IA » : « SI », abréviation de « Super Intelligence ». L'idée est celle d'un système qui serait capable de raisonner mieux que n'importe quel être humain, dans tous les domaines. Selon IBM, il s'agit encore d'un scénario futur hypothétique, ce qui signifie qu'il n'existe pas encore.
En tant que professionnel du marketing, je sais reconnaître une opération de rebranding quand j'en vois une. Ce qu'il (dont je tairai le nom) tente de faire avec ce changement de nom, c'est de détourner l'attention de la réalité et, si vous voulez mon avis, vous pouvez l'ignorer complètement, contrairement à toutes les autres horreurs qu'il commet.
Les bases
Examinons-les un par un, de manière méthodique. Si vous débutez dans le domaine de l'IA, ces premiers termes sont ceux que vous entendrez sans doute de plus en plus souvent.
IA (intelligence artificielle). Il s'agit de la technologie qui permet aux ordinateurs d'effectuer des tâches que l'on associe généralement à la pensée humaine, telles que l'apprentissage par l'expérience, la compréhension du langage et la résolution de problèmes.
Apprentissage automatique (ML). Au lieu qu’une personne rédige chaque règle, on présente à l’ordinateur de nombreux exemples et celui-ci en déduit lui-même les schémas récurrents. C’est un peu comme si l’on apprenait à un enfant à reconnaître un chien en lui montrant de nombreux chiens, plutôt qu’en lui remettant un manuel sur les oreilles et les queues.
Réseau neuronal. Il s'inspire librement du fonctionnement du cerveau, avec des couches de points connectés qui se transmettent des informations et identifient ensemble des structures récurrentes dans des données complexes.
Apprentissage profond. Il s'agit d'un réseau neuronal composé de nombreuses couches superposées, d'où le terme « profond ». Selon IBM, la plupart des applications d'IA que nous rencontrons au quotidien reposent sur une forme ou une autre d'apprentissage profond.
Modèle. Le résultat final de tout cet apprentissage. Quand on parle du « modèle », on fait référence au système entraîné que l'on utilise concrètement, de la même manière qu'une recette est le résultat final de nombreux essais en cuisine.
Données d'entraînement. Les exemples à partir desquels le modèle a appris. Il peut s'agir de texte, d'images, de fichiers audio ou de chiffres, et la qualité des données d'entrée a une grande influence sur la qualité des résultats obtenus.
Ceux qu'on entend pendant les réunions
C'est là que les lettres commencent vraiment à pleuvoir. Voici ce qu'elles désignent.
GenAI (IA générative). Il s'agit d'une IA capable de générer du contenu inédit, tel que du texte, des images, des fichiers audio ou vidéo, en réponse à une demande de votre part. IBM la décrit comme des modèles d'apprentissage profond qui produisent du contenu original lorsqu'on leur fournit une consigne. Si l'IA représente l'ensemble d'une bibliothèque, la GenAI correspond à la partie qui écrit les livres.
LLM (modèle linguistique de grande envergure). C'est le moteur qui se cache derrière la plupart des assistants de type « chat » que les gens utilisent. Il est entraîné à partir d'énormes quantités de texte et fonctionne en prédisant de manière répétée le mot suivant d'une séquence, sur la base de ces données. Le terme « grand » fait référence au volume considérable de texte à partir duquel il a appris, et le terme « linguistique » correspond exactement à ce que son nom indique.
GPT (Generative Pre-trained Transformer). Il s'agit d'un type particulier de modèle de langage à grande échelle (LLM), dont le nom a été popularisé par ChatGPT. Le terme « pré-entraîné » signifie qu'il a déjà effectué son apprentissage avant que vous ne l'utilisiez, et le « Transformer » désigne l'architecture qui lui permet de suivre les relations entre les mots tout au long d'un passage.
TALN (traitement du langage naturel). Domaine plus ancien et plus vaste visant à permettre aux ordinateurs de comprendre et d’utiliser le langage humain. Capacité à reconnaître, comprendre et générer du texte et de la parole. C’est grâce à cela que votre téléphone peut comprendre « règle le minuteur sur dix minutes », et c’est ce qui a ouvert la voie aux modèles de langage à grande échelle (LLM).
Chatbot. Un programme avec lequel on communique en langage courant. Les anciens modèles suivaient des scripts prédéfinis, tandis que les plus récents s'appuient généralement sur un modèle de langage de grande envergure (LLM), ce qui explique pourquoi ils semblent beaucoup plus naturels.
Copilot. Nom donné à un assistant IA intégré aux logiciels que vous utilisez déjà, l'idée étant que vous gardiez le contrôle et qu'il vous accompagne. Microsoft l'utilise comme nom de produit, mais ce terme est également employé de manière plus générale.
Multimodal. Capable de traiter plusieurs types d'informations, telles que du texte, des images, des fichiers audio et vidéo, plutôt qu'un seul. Concrètement, cela signifie que vous pouvez montrer une photo à une IA et lui poser une question à son sujet.
Discuter avec l'IA
Ce sont des mots que vous utiliserez réellement, même si vous n'aviez jamais réalisé qu'ils avaient un nom.
Invite. Tout ce que vous tapez ou dites à une IA. Une question, une instruction, un e-mail copié-collé contenant une demande en pièce jointe : tout cela compte. Il s'agit simplement de votre contribution à la conversation.
Token. Ces petits éléments en lesquels une IA décompose vos mots avant de pouvoir les traiter. Il peut s'agir de mots entiers, de parties de mots ou de caractères isolés. Considérez-les comme les éléments constitutifs du langage que le modèle lit et écrit ; c'est pourquoi l'utilisation de l'IA est mesurée en tokens plutôt qu'en mots.
Fenêtre de contexte. Nombre de tokens que l'IA peut garder à l'esprit simultanément ; il s'agit du nombre maximal de tokens qu'un modèle peut prendre en compte et utiliser lors de la génération d'une réponse. Imaginez la taille d'un bureau : plus il est grand, plus vous pouvez y étaler de documents à la fois avant que certains ne tombent par-dessus le bord. C'est également la raison pour laquelle une conversation très longue peut amener une IA à perdre le fil de ce que vous avez dit précédemment.
L'ingénierie des prompts. Un nom ronflant pour désigner quelque chose de tout à fait ordinaire : obtenir de meilleures réponses en formulant plus clairement sa question. Vous pouvez orienter les réponses de votre IA simplement en modifiant la formulation de votre prompt, par exemple en lui indiquant quel rôle elle doit endosser ou quel ton elle doit adopter. Si vous avez déjà rédigé un bon brief pour un collègue, vous maîtrisez déjà cette compétence.
Astuce : vous pouvez revenir en arrière et modifier vos invites autant de fois que vous le souhaitez jusqu'à obtenir la réponse souhaitée.
Quand les choses tournent mal… ou s'améliorent
Ces termes décrivent les problèmes courants liés à l'IA et les solutions couramment proposées pour y remédier.
Hallucinations. Lorsqu'une IA produit une information fausse ou trompeuse, mais qui semble parfaitement crédible. Il s'agit là d'un modèle générant des informations erronées tout en donnant l'impression qu'elles sont plausibles. C'est la principale raison pour laquelle il faut toujours vérifier toute information importante avant de s'y fier.
Pourquoi agit-il ainsi ? Il fait des prédictions, il ne se contente pas de rechercher des informations. Un modèle linguistique de grande envergure est, par essence, une machine de prédiction très sophistiquée. C'est un peu comme cette personne au bar qui a réponse à tout, mais qui a rarement raison : il y en a toujours une.
Parti pris. L'IA apprend à partir de données créées par l'homme ; elle peut donc assimiler et reproduire les injustices présentes dans ces données. Plus les données sont biaisées, plus le modèle l'est également ; les modèles peuvent refléter, voire amplifier, les biais présents dans leurs données d'entraînement.
Comment éviter les biais ? Disposer de meilleures données et procéder à des tests rigoureux peut aider, mais les êtres humains sont naturellement sujets aux biais ; il faut donc toujours rester vigilant à cet égard.
Ajustement fin. Il s’agit d’un apprentissage supplémentaire qui transforme un modèle polyvalent en un modèle spécialisé. Un modèle formé à partir de connaissances générales étendues peut être ajusté finement sur des questions et réponses juridiques afin de devenir un chatbot dédié au domaine juridique. C’est pourquoi on voit apparaître aujourd’hui tant d’entreprises spécialisées dans l’IA : elles ont ajusté finement un modèle d’IA pour qu’il accomplisse une tâche très spécifique ou qu’il comprenne un secteur d’activité particulier.
RLHF (apprentissage par renforcement à partir du retour d'information humain). Une méthode permettant d'améliorer un modèle en demandant à des personnes d'évaluer ses réponses, afin qu'il apprenne à privilégier celles que les humains jugent les meilleures. C'est en grande partie grâce à cela que les assistants donnent l'impression d'être utiles et polis, plutôt que d'agir au hasard.
RAG (Retrieval Augmented Generation, ou « génération augmentée par la recherche »). Il s'agit de permettre à une IA de consulter une source fiable avant de répondre, plutôt que de se baser uniquement sur ce qu'elle a appris lors de son apprentissage. Cela permet de relier le modèle à des connaissances externes afin que ses réponses soient plus pertinentes et précises, sans qu'il soit nécessaire de le réentraîner.
Astuce : ajoutez des sources à vos requêtes si vous souhaitez que votre IA vous fournisse des commentaires plus précis.
Les garde-fous. Les règles, normes et contrôles mis en place autour d’un système d’IA pour garantir sa sécurité et son éthique. À l’instar des glissières de sécurité sur une autoroute, ils sont là pour maintenir le cap plutôt que pour vous ralentir.
Les nouveaux mots à la mode
L'IA est un secteur relativement récent ; c'est pourquoi de nouveaux termes apparaissent sans cesse. Voici ceux que vous risquez le plus de retrouver dans votre boîte de réception ce mois-ci.
Agent et IA agentique. Un agent d’IA est un programme capable d’agir de manière autonome et d’accomplir une tâche à votre place sans que vous ayez besoin d’être présent, plutôt que de se contenter de répondre à une question. C’est la différence entre une IA qui vous indique le meilleur moment pour escalader l’Everest et un agent qui réserve votre vol et votre hôtel. Le terme « IA agentique » désigne généralement plusieurs agents travaillant ensemble pour mener à bien une tâche plus vaste.
L'IA générale (AGI). Un système capable d'apprendre et d'appliquer des connaissances dans un large éventail de tâches aussi bien, voire mieux, qu'un être humain. Nous en sommes pour l'instant au stade théorique, et aucun système connu ne s'en approche. Lorsque vous entendez quelqu'un affirmer que l'IA générale est pour bientôt, il convient de rappeler que personne ne l'a encore mise au point.
MCP (Model Context Protocol). Une norme commune qui permet à l'IA de se connecter aux sources où se trouvent vos informations, telles que vos fichiers, votre agenda ou vos logiciels professionnels. Considérez-la comme un port USB-C, mais pour votre IA : un connecteur standard au lieu d'un câble différent pour chaque appareil.
API (interface de programmation d'application). Il s'agit de la méthode convenue permettant à un logiciel d'interagir avec un autre. Il s'agit d'un contrat qui permet à un logiciel d'accéder aux données ou aux fonctions fournies par un autre logiciel. Lorsqu'un site web propose l'option « Payer avec PayPal », c'est une API qui assure la communication en coulisses ; c'est selon le même principe que les entreprises intègrent l'IA dans leurs propres systèmes.
L'IA « fantôme ». Il s'agit de l'utilisation de l'IA au travail à l'insu de l'entreprise et sans son accord. Il s'agit de l'utilisation non autorisée de toute application d'IA par des employés, sans l'accord officiel ni la supervision du service informatique. Cette pratique est rarement motivée par une mauvaise intention. Les utilisateurs se tournent généralement vers ces applications parce qu’ils les connaissent bien ou pour travailler plus rapidement, souvent parce qu’ils trouvent les options approuvées insuffisantes ou trop lentes. Mais comme personne au service informatique n’en a connaissance, des informations sensibles de l’entreprise peuvent se retrouver là où elles ne devraient pas. Cela ne reflète pas tant le fait que les employés agissent mal, mais plutôt un décalage entre leurs besoins et ce que leur lieu de travail leur fournit.
C'est là le plus grand risque pour les organisations, car elles ne peuvent ni protéger ces informations ni démontrer qu'elles respectent les règles en matière de protection des données, telles que le RGPD.
Inférence. Le moment où une IA accomplit réellement sa tâche et fournit une réponse, par opposition à la phase précédente où elle apprenait. Ce processus se déroule étape par étape, le modèle formulant sa meilleure hypothèse à chaque étape. Chaque fois que vous appuyez sur la touche Entrée après avoir saisi une requête, il s'agit d'une inférence.
Le « Vibe coding ». Une méthode qui consiste à créer des logiciels en décrivant ce que l'on souhaite en langage courant, puis à laisser l'IA écrire le code. Cette approche a permis d'ouvrir la création de logiciels à des personnes qui ne savent pas programmer, tout en soulevant des questions quant à la qualité et à la sécurité, dans la mesure où personne ne vérifie le résultat.
Le métier de programmeur est-il en voie de disparition ? C'est très peu probable.
Compétences. Des instructions réutilisables qui enseignent à une IA comment vous souhaitez qu’une tâche particulière soit effectuée. Anthropic les décrit comme des ensembles d’instructions et de ressources que Claude charge lorsqu’ils sont pertinents pour une tâche spécialisée. Vous configurez votre approche une seule fois, par exemple votre charte graphique ou le format d’un rapport, et celle-ci est appliquée chaque fois que cela s’avère approprié, ce qui vous évite de devoir l’expliquer à nouveau à chaque fois. Considérez cela comme le dossier d’intégration que vous remettriez à un nouveau collègue. ChatGPT utilise le même terme, et OpenAI décrit ses compétences comme des flux de travail réutilisables et partageables qui l’aident à accomplir des tâches spécifiques de manière plus cohérente.
Connecteurs (Claude). Il s'agit de la manière dont une IA se connecte aux applications et aux services où se trouvent vos informations, tels que Google Drive ou Slack. Selon la documentation d'Anthropic, les connecteurs étendent les capacités de Claude en le reliant à des outils et des sources de données externes. Au lieu de copier-coller entre les applications, il suffit de vous connecter une seule fois, de vous identifier et d'autoriser l'accès pour que Claude puisse exploiter le contenu de ces applications. Ils fonctionnent sur MCP, la norme décrite plus haut dans cette section.
Artefacts (Claude). Il s'agit d'éléments que Claude crée pour vous parallèlement à la conversation, tels qu'un document, une petite application, une présentation ou un projet graphique, que vous pouvez ouvrir dans un espace dédié, modifier, partager et consulter ultérieurement. ChatGPT dispose de son propre vocabulaire pour désigner ces concepts, et OpenAI l'actualise régulièrement ; ces noms sont donc susceptibles d'évoluer.
Applications (ChatGPT). OpenAI décrit les applications comme des outils permettant de connecter ChatGPT aux services que vous utilisez déjà, tels que Google Drive ou Slack, afin que vous puissiez exploiter leurs informations au cours d'une conversation. Il s'agit de ce que l'on appelait auparavant des « connecteurs » ; selon les notes de mise à jour d'OpenAI, ces connecteurs apparaissent désormais dans le répertoire sous le nom d'« applications ».
Plugins (ChatGPT). Ensemble de composants conçus pour une tâche spécifique. OpenAI explique qu'une application permet de connecter ChatGPT à un service tel que Slack, tandis qu'un plugin rassemble des applications et des compétences pour accomplir une tâche. Certains plugins ne contiennent que des compétences.
Les GPT (GPT personnalisés). À ne pas confondre avec les modèles GPT mentionnés plus haut. OpenAI décrit un GPT comme une version de ChatGPT configurée pour un usage spécifique, combinant des instructions, des connaissances et des capacités particulières. La page d’aide d’OpenAI indique également que l’entreprise prévoit de supprimer les GPT personnalisés au profit des plugins ; celui-ci pourrait donc être sur le point de disparaître.
Découvrez pourquoi il est si difficile de suivre le rythme…
Canvas (ChatGPT). OpenAI décrit Canvas comme une interface permettant d’utiliser ChatGPT dans le cadre de projets d’écriture et de programmation nécessitant des modifications et des révisions. Son rôle est similaire à celui des « artefacts » de Claude : il s’agit d’un espace de travail situé à côté de la fenêtre de discussion, dédié au projet que vous êtes en train de développer.
Règles et responsabilités
Le dernier groupe porte sur la manière dont l'IA doit être utilisée à bon escient, et sur les personnes qui ont leur mot à dire à ce sujet.
IA responsable. Une approche visant à concevoir et à utiliser l'IA de manière à ce qu'elle soit équitable, sûre, responsable et respectueuse de la vie privée des personnes. L'explicabilité, l'équité, la robustesse, la transparence et le respect de la vie privée comptent parmi ses valeurs fondamentales.
En gros, la question est de savoir si vous seriez à l'aise pour expliquer à un client comment l'IA est parvenue à cette réponse, n'est-ce pas ?
Explicabilité (XAI, ou IA explicable). Capacité à comprendre et à avoir confiance dans les raisons pour lesquelles une IA a produit un résultat particulier. Il s'agit d'un ensemble de méthodes permettant aux utilisateurs d'interpréter et de comprendre les résultats générés par les algorithmes. La Commission européenne souligne qu'il est souvent impossible de savoir pourquoi un système d'IA a pris une décision, ce qui pose un réel problème lorsque cette décision concerne une candidature à un emploi ou l'octroi d'un prêt.
Conseil : nous entrons ici en terrain inconnu, et malheureusement, nous voyons cette situation se produire en temps réel dans le processus de recrutement. Je vous suggère donc de toujours faire intervenir un être humain : nous ne pouvons pas faire confiance à 100 % à l’IA, et nous ne devrions peut-être jamais le faire.
« Human in the loop » (HITL). Il s'agit de maintenir une personne impliquée dans les actions d'une IA, afin qu'elle puisse vérifier, valider ou intervenir avant qu'un événement important ne se produise. Si vous utilisez l'IA, c'est vous qui êtes cet « humain dans la boucle » : vous participez activement au fonctionnement, à la supervision et/ou à la prise de décision du système automatisé, dans le but de bénéficier de la rapidité de l'automatisation sans pour autant renoncer au jugement humain ni à l'éthique.
Si vous avez déjà demandé à un collègue de relire une campagne avant sa mise en ligne, vous comprenez déjà le principe. Ce principe s'applique également dans le domaine juridique : la loi européenne sur l'IA exige que les systèmes d'IA à haut risque soient conçus de manière à ce que des personnes puissent les superviser efficacement.
Loi européenne sur l'IA. Il s’agit du « code de règles » européen en matière d’IA, et du premier cadre juridique complet au monde consacré à l’IA, selon la Commission européenne. Ce cadre fonctionne selon un principe de proportionnalité : plus l’utilisation de l’IA est risquée, plus les règles sont strictes, certaines pratiques étant purement et simplement interdites tandis que la plupart des utilisations quotidiennes ne sont pratiquement pas réglementées. Il est entré en vigueur le 2 août 2026, certaines parties devant être mises en œuvre progressivement par la suite ; si vous travaillez dans le domaine de l’IA en Europe, il est donc utile de le suivre de près.
SI (superintelligence). L’idée d’une IA qui surpasse les humains dans absolument tous les domaines. Elle n’existe pas, personne ne peut dire quand ni même si elle verra le jour un jour, et pourtant, elle s’est glissée dans un nombre impressionnant de diapositives de présentations. Considérez cela comme une façon pour le secteur de nous faire tous regarder vers l’horizon plutôt que ce qui se trouve sur le bureau devant nous. Vous pouvez sans crainte classer cela dans la catégorie « intéressant, mais sans rapport avec votre quotidien » et passer à autre chose.
Avant de partir
Derrière chaque acronyme de cet article se cache une idée que vous pourriez expliquer à un ami autour d’un café. Les lettres n’ont jamais été la partie la plus ingénieuse. Elles ne sont qu’un raccourci qui, d’une manière ou d’une autre, s’est transformé en obstacle. Ainsi, la prochaine fois que quelqu’un vous assène une série de majuscules lors d’une réunion, vous avez le droit de demander : « Excusez-moi, qu’est-ce que cela signifie en langage clair ? » ou « Qu’est-ce que cela signifie dans le contexte de cette organisation (ou de cette conversation) ? ». Il y a de fortes chances que la moitié des personnes présentes se soient posé la même question. Comprendre les termes utilisés est la première étape pour se sentir à l’aise avec l’IA, et c’est cette confiance qui permet réellement de faire avancer les choses.
Helena McAleer est cofondatrice de TheGenAIAcademy.com, qui aide les organisations à combler le déficit mondial de compétences en IA générative grâce à un enseignement pratique, des formations animées par des experts et des stratégies de mise en œuvre responsables. Pour en savoir plus, rendez-vous sur thegenaiacademy.com
Pour en savoir plus
- Qu'est-ce que l'intelligence artificielle (IA) ?, IBM Think
- Que sont les grands modèles linguistiques (LLM) ?, IBM Think
- Qu'est-ce que le TALN (traitement automatique du langage naturel) ?, IBM Think
- Qu'est-ce que la superintelligence artificielle ?, IBM Think
- Qu'est-ce qu'une API ?, IBM Think
- Présentation du protocole « Model Context » d'Anthropic
- Codage Vibe, glossaire Codegen
- Loi sur l'IA, Commission européenne
- Qu'est-ce que le « human-in-the-loop » ?, IBM Think
- Qu'est-ce qu'une compétence ?, Centre d'aide Anthropic
- Présentation des connecteurs, Claude Docs
- Que sont les artefacts et comment les utiliser ?, Centre d'aide d'Anthropic
- Utilisez des artefacts pour visualiser et créer des applications d'IA, tutoriels Claude
- Fonctionnalités de ChatGPT, Centre d'aide d'OpenAI
- Applications dans ChatGPT, Centre d'aide OpenAI
- Plugins dans ChatGPT, Centre d'aide OpenAI
- Les GPT dans ChatGPT, Centre d'aide d'OpenAI
- Les GPT dans ChatGPT (avis de retrait), Centre d'aide d'OpenAI
- Notes de mise à jour de ChatGPT, Centre d'aide d'OpenAI
- Qu'est-ce que la fonctionnalité « Canvas » de ChatGPT ?, Centre d'aide OpenAI
Cours associés (d'autres façons d'apprendre)
Maîtriser l'IA responsable
https://thegenaiacademy.com/courses/mastering-responsible-ai/
La pensée critique à l'ère de l'IA
https://thegenaiacademy.com/courses/critical-thinking-for-the-ai-era/