Glossaire
Mars 2026
30 définitions
Article de référence
Agent IA, LLM, RAG, hallucination, prompt engineering — le vocabulaire de l'intelligence artificielle évolue aussi vite que la technologie elle-même. Ce glossaire rassemble les 30 termes que tout dirigeant, manager ou collaborateur d'une entreprise française doit connaître en 2026 pour comprendre les enjeux, évaluer les outils et prendre des décisions éclairées. Chaque définition est expliquée en langage clair, avec un exemple concret pour votre entreprise.
A
4 termes
01
Agent IA
AI Agent
▾
Un agent IA est un programme capable d'agir de façon autonome pour accomplir une tâche complexe. Contrairement à un simple chatbot qui répond à vos questions, l'agent enchaîne plusieurs actions sans supervision : il peut consulter votre calendrier, envoyer des e-mails, naviguer sur le web et mettre à jour votre CRM — le tout à partir d'une seule instruction.
Un agent IA surveille votre boîte mail, identifie les demandes de devis entrants, extrait les informations clés, remplit votre CRM et envoie une réponse automatique de prise en charge — sans intervention humaine.
AutomatisationWorkflows
02
Apprentissage automatique
Machine Learning
▾
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle un programme apprend à partir de données, sans être explicitement programmé pour chaque tâche. Plus il traite de données, plus il devient précis. C'est la technologie de base derrière la plupart des outils IA utilisés en entreprise.
Votre logiciel de comptabilité qui catégorise automatiquement vos dépenses bancaires utilise l'apprentissage automatique : après quelques semaines, il apprend vos habitudes et atteint 90 % de précision.
FondamentalDonnées
03
IA générative
Generative AI
▾
L'IA générative désigne les systèmes capables de créer du contenu original : textes, images, sons, vidéos ou code. Contrairement à l'IA classique qui analyse et classe des données existantes, l'IA générative produit quelque chose de nouveau. ChatGPT, Claude et Midjourney sont des exemples d'IA générative.
Vous décrivez en quelques mots un visuel pour votre prochaine campagne marketing, et l'IA générative crée une image professionnelle en 10 secondes — sans photographe ni graphiste.
CréationContenuMarketing
04
IA prédictive
Predictive AI
▾
L'IA prédictive analyse des données historiques pour anticiper des événements futurs. Elle ne crée pas de contenu — elle fait des prévisions. Utilisée pour prévoir les ventes, anticiper les pannes, identifier les clients susceptibles de partir ou optimiser les stocks.
Un outil IA prédictif analyse 3 ans de données de ventes d'une boulangerie et prédit avec précision la quantité de pains à produire chaque jour selon la météo, le jour de la semaine et les événements locaux — réduisant les invendus de 30 %.
PrévisionDonnéesCommerce
B
1 terme
05
Biais algorithmique
Algorithmic Bias
▾
Le biais algorithmique désigne la tendance d'un système IA à produire des résultats discriminatoires ou injustes, parce qu'il a été entraîné sur des données elles-mêmes biaisées. Si les données d'entraînement reflètent des inégalités existantes, l'IA les reproduit — voire les amplifie.
Un outil IA de tri de CV entraîné sur des données historiques d'une entreprise qui avait peu recruté de femmes dans des postes techniques va mécaniquement défavoriser les candidatures féminines — sans que personne ne l'ait programmé ainsi.
RHÉthiqueRGPD
C
3 termes
06
Chatbot
Chatbot
▾
Un chatbot est un programme qui simule une conversation avec un humain. Les chatbots classiques suivent des scripts prédéfinis. Les chatbots modernes alimentés par l'IA comprennent le langage naturel et s'adaptent à chaque conversation. Ils sont utilisés pour le service client, les FAQ ou la prise de rendez-vous.
Sur le site d'une clinique vétérinaire, un chatbot répond aux questions courantes (horaires, tarifs, urgences), prend les rendez-vous et transfère les cas complexes à un humain — 24h/24 et 7j/7.
Service clientAutomatisation
07
Contexte (fenêtre de)
Context Window
▾
La fenêtre de contexte est la quantité maximale de texte qu'un modèle IA peut "lire" et prendre en compte en une seule fois. Plus elle est grande, plus vous pouvez soumettre de documents longs ou mener des conversations longues sans que l'IA "oublie" le début. Elle se mesure en tokens (unités de texte).
Claude peut analyser un contrat de 200 pages en une seule fois grâce à sa grande fenêtre de contexte. Un modèle avec une fenêtre plus petite devrait traiter le document en plusieurs morceaux, perdant le fil entre les parties.
LLMDocumentsPerformance
08
Copilote IA
AI Copilot
▾
Un copilote IA est un assistant intégré directement dans un outil existant (traitement de texte, tableur, logiciel métier) qui aide l'utilisateur en temps réel sans qu'il ait besoin de quitter son environnement de travail. Microsoft Copilot dans Word, GitHub Copilot pour les développeurs et Notion AI en sont des exemples.
Pendant qu'un commercial rédige une proposition dans Word, le copilote IA suggère des formulations, améliore la structure et génère automatiquement le résumé exécutif — sans qu'il ait à ouvrir un autre outil.
ProductivitéMicrosoft 365Intégration
D
1 terme
09
Deep Learning
Deep Learning
▾
Le deep learning (apprentissage profond) est une technique d'apprentissage automatique qui utilise des réseaux de neurones artificiels à plusieurs couches pour traiter des données complexes. C'est la technologie qui permet à l'IA de reconnaître des images, comprendre la parole et générer du texte. La plupart des IA modernes reposent sur le deep learning.
La fonctionnalité de reconnaissance de texte dans votre scanner de factures utilise le deep learning pour lire et extraire les montants, dates et noms de fournisseurs — même sur des documents de mauvaise qualité ou photographiés de travers.
TechniqueFondamentalNeurones
F
2 termes
10
Fine-tuning
Fine-tuning
▾
Le fine-tuning consiste à entraîner un modèle IA existant sur des données spécifiques à votre entreprise ou votre secteur, pour le rendre plus pertinent dans votre contexte précis. C'est comme recycler un expert généraliste en spécialiste de votre domaine.
Un cabinet juridique spécialisé en droit immobilier fait un fine-tuning de Claude sur ses 10 000 contrats archivés. Le modèle devient expert du droit immobilier français et produit des analyses bien plus précises que le modèle générique.
PersonnalisationTechniqueAvancé
11
Foundation Model
Foundation Model
▾
Un foundation model (modèle de fondation) est un très grand modèle IA entraîné sur des quantités massives de données générales, qui peut ensuite être adapté à de nombreuses tâches spécifiques. GPT-4, Claude et Gemini sont des foundation models. Ils servent de base à des centaines d'applications spécialisées.
GPT-4 est un foundation model. Quand une startup construit un outil de rédaction de contrats ou un assistant de support client, elle s'appuie sur ce modèle de base qu'elle personnalise pour son usage spécifique.
LLMInfrastructureOpenAI
G
1 terme
12
GPT
Generative Pre-trained Transformer
▾
GPT signifie Generative Pre-trained Transformer. C'est l'architecture technique qui sous-tend ChatGPT et de nombreux autres modèles de langage. "Generative" signifie qu'il génère du texte, "Pre-trained" qu'il a été formé sur d'immenses corpus de textes, et "Transformer" désigne l'architecture informatique utilisée. Dans le langage courant, GPT désigne souvent les modèles d'OpenAI.
Quand vous utilisez ChatGPT pour rédiger un e-mail, vous interagissez avec un modèle GPT-4 ou GPT-4o — une version améliorée de l'architecture GPT originale, capable de comprendre et générer du texte en 50 langues.
OpenAITechniqueChatGPT
H
1 terme
13
Hallucination
Hallucination
▾
Une hallucination est une erreur dans laquelle un modèle IA invente des informations fausses présentées avec une totale assurance. Il peut citer des études qui n'existent pas, attribuer de fausses déclarations à des personnes réelles ou inventer des chiffres. C'est l'une des limites les plus importantes à connaître pour utiliser l'IA de façon responsable.
Un dirigeant demande à ChatGPT de citer des statistiques sur le marché du logiciel RH en France. L'IA cite avec confiance une "étude Gartner 2024" avec des chiffres précis — mais cette étude n'existe pas. C'est pourquoi toute information factuelle générée par IA doit être vérifiée avant publication.
Limites IAVérificationFiabilité
💡 À retenir
Les hallucinations sont inévitables avec les modèles actuels. La règle d'or : ne jamais publier un contenu IA sans relecture humaine, et toujours vérifier les chiffres, noms et références dans des sources primaires.
I
1 terme
14
Inférence
Inference
▾
L'inférence est le processus par lequel un modèle IA déjà entraîné génère une réponse à partir d'une nouvelle entrée. En d'autres termes, c'est le moment où vous posez une question à l'IA et où elle "réfléchit" pour vous répondre. L'inférence s'oppose à l'entraînement (phase où le modèle apprend).
Quand vous envoyez un message à Claude et attendez sa réponse, vous utilisez la phase d'inférence : le modèle n'apprend pas de votre question, il applique ce qu'il a déjà appris pour générer la réponse la plus pertinente.
TechniqueLLM
L
2 termes
15
LLM
Large Language Model
▾
Un LLM (Large Language Model ou Grand Modèle de Langage) est un type de modèle IA entraîné sur d'immenses quantités de textes pour comprendre et générer du langage humain. ChatGPT, Claude, Gemini et Mistral AI sont tous des LLM. Ils sont capables de répondre à des questions, rédiger des textes, résumer des documents et raisonner sur des problèmes complexes.
Claude est un LLM développé par Anthropic. Quand vous lui soumettez un contrat de 50 pages pour en extraire les clauses importantes, il utilise sa compréhension du langage naturel pour identifier et résumer les éléments clés en quelques secondes.
FondamentalClaudeChatGPT
16
Low-code / No-code IA
Low-code / No-code AI
▾
Les outils low-code et no-code permettent de créer des applications ou des automatisations IA sans écrire de code, grâce à des interfaces visuelles (glisser-déposer, formulaires, blocs). Ils rendent l'IA accessible aux équipes non techniques. Make, Zapier et n8n sont des exemples d'outils no-code pour l'automatisation IA.
Une responsable marketing sans compétences techniques crée en 2 heures un workflow automatique sur Make : chaque nouveau formulaire de contact déclenche une analyse IA du besoin, qui génère un e-mail de réponse personnalisé et met à jour le CRM.
MakeZapierAccessibilité
M
2 termes
17
Modèle multimodal
Multimodal Model
▾
Un modèle multimodal est un système IA capable de traiter et de générer plusieurs types de données : texte, images, sons, vidéos. Contrairement aux modèles "unimodaux" qui ne traitent qu'un seul type de données, les modèles multimodaux comprennent et combinent différents formats dans une même interaction.
GPT-4o est multimodal : vous pouvez lui envoyer une photo de votre devanture de magasin et lui demander "Comment améliorer la visibilité de mon enseigne ?" — il analyse l'image et répond en tenant compte de ce qu'il voit.
ImagesGPT-4oClaude
18
Mistral AI
Mistral AI
▾
Mistral AI est une startup française fondée en 2023, spécialisée dans le développement de grands modèles de langage open source. Elle est devenue en deux ans l'une des entreprises IA les plus valorisées d'Europe. Ses modèles sont hébergés en Europe et conformes au RGPD, ce qui en fait une référence pour les entreprises françaises soucieuses de souveraineté numérique.
Un hôpital français choisit Mistral AI pour son assistant d'aide à la rédaction médicale : les données des patients ne quittent jamais les serveurs européens, garantissant le respect du secret médical et du RGPD.
🇫🇷 FrançaisRGPDOpen source
N
1 terme
19
NLP
Natural Language Processing
▾
Le NLP (traitement du langage naturel) est la branche de l'IA qui permet aux ordinateurs de comprendre, analyser et générer le langage humain. C'est la technologie fondamentale derrière les chatbots, les assistants vocaux, la traduction automatique et les outils de rédaction IA. Sans NLP, il n'y a pas de ChatGPT ni de Claude.
Quand vous dictez un message vocal à votre téléphone qui le transcrit en texte, puis que vous le traduisez automatiquement en anglais avant de l'envoyer — vous utilisez le NLP à deux reprises : transcription et traduction.
LangageFondamentalTechnique
O
2 termes
20
OCR (reconnaissance optique)
Optical Character Recognition
▾
L'OCR est une technologie qui permet de convertir des images contenant du texte (photos, scans, PDF non éditables) en texte numérique modifiable et exploitable. Associée à l'IA, elle permet de lire et extraire automatiquement des données depuis des factures, des formulaires papier ou des cartes de visite.
Un gestionnaire de paie photographie 200 notes de frais papier avec son téléphone. L'OCR couplé à l'IA extrait automatiquement les montants, dates et catégories de chaque reçu et les importe dans le logiciel comptable — en 10 minutes au lieu de 3 heures.
ComptabilitéDocumentsAutomatisation
21
Open source
Open Source
▾
Un modèle IA open source est un modèle dont le code source est librement accessible, modifiable et redistribuable. Cela signifie que n'importe quelle organisation peut le télécharger, l'installer sur ses propres serveurs et l'adapter à ses besoins — sans dépendre d'un fournisseur externe et sans que ses données ne quittent son infrastructure.
Un cabinet médical installe le modèle Mistral 7B open source sur ses propres serveurs. Les médecins utilisent un assistant IA de rédaction de comptes rendus — et aucune donnée patient ne quitte l'établissement. C'est la solution maximale pour la confidentialité.
SouverainetéRGPDMistral
P
3 termes
22
Prompt
Prompt
▾
Un prompt est l'instruction ou la question que vous envoyez à un modèle IA. La qualité du prompt détermine directement la qualité de la réponse. Un prompt vague produit une réponse générique. Un prompt précis, contextualisé et bien structuré produit une réponse utile et actionnable.
Prompt vague : "Rédige un e-mail client." → Réponse générique inutilisable. Prompt efficace : "Tu es commercial dans une PME de logistique. Rédige un e-mail de relance à Marie Dupont, directrice supply chain chez Carrefour, suite à notre réunion du 15 mars. Ton professionnel, 6 lignes max, une question de closing." → Réponse directement utilisable.
EssentielPratiqueDébutant
23
Prompt engineering
Prompt Engineering
▾
Le prompt engineering est l'art de formuler des instructions précises et optimisées pour obtenir les meilleurs résultats d'un modèle IA. C'est une compétence qui s'apprend et qui fait la différence entre un utilisateur lambda et un utilisateur expert. Elle inclut des techniques comme l'assignation de rôle, la chaîne de raisonnement et la spécification du format de sortie.
Un responsable marketing qui maîtrise le prompt engineering obtient des articles de blog 80 % plus proches du résultat final qu'un collègue qui formule ses demandes de façon vague — même en utilisant le même outil. La compétence clé n'est pas l'outil, c'est la façon de l'utiliser.
Compétence cléFormationProductivité
24
Privacy by design
Privacy by Design
▾
Le privacy by design (protection de la vie privée dès la conception) est un principe imposé par le RGPD selon lequel la protection des données personnelles doit être intégrée dès la conception d'un système, et non ajoutée après coup. Pour les outils IA, cela signifie choisir des solutions qui minimisent la collecte de données et garantissent leur protection par défaut.
Une PME qui déploie un chatbot client conforme au privacy by design configure l'outil pour ne collecter que les données strictement nécessaires, les chiffrer en transit et au repos, et les supprimer automatiquement après 30 jours — avant même de le mettre en production.
RGPDConformitéDonnées
R
3 termes
25
RAG
Retrieval-Augmented Generation
▾
Le RAG (Génération augmentée par récupération) est une technique qui permet à un LLM de consulter une base de documents spécifique avant de répondre. Au lieu de se fier uniquement à ce qu'il a appris lors de son entraînement, le modèle "cherche" dans vos documents internes pour fournir des réponses précises et à jour.
Une PME de 50 salariés crée un assistant IA interne avec RAG, connecté à ses 500 procédures internes, contrats fournisseurs et fiches produits. Les commerciaux posent des questions en langage naturel et obtiennent des réponses précises issues des documents de l'entreprise — sans formation spécifique.
Base de connaissancesAvancéEntreprise
26
RGPD et IA
GDPR & AI
▾
Le RGPD (Règlement Général sur la Protection des Données) s'applique pleinement aux outils IA qui traitent des données personnelles. En pratique, cela signifie qu'utiliser des données de clients, candidats ou salariés dans un outil IA impose d'avoir une base légale, d'informer les personnes concernées et de garantir la sécurité des données. Les outils gratuits ne sont généralement pas conformes pour les données sensibles.
Coller le CV d'un candidat dans la version gratuite de ChatGPT est une violation potentielle du RGPD. La bonne pratique : utiliser ChatGPT Team ou Claude for Work (qui garantissent la non-utilisation des données) ou anonymiser les données avant tout traitement.
LégalCNILConformité
27
ROI de l'IA
AI ROI
▾
Le ROI (Return on Investment) de l'IA mesure le retour sur investissement d'un outil ou d'un projet IA. Il prend en compte le coût de l'outil, le temps d'implémentation et de formation, et le gains générés (temps économisé, erreurs évitées, revenus supplémentaires). Pour les PME, le ROI des outils IA est généralement positif dès le premier mois sur les tâches documentaires.
Une PME paie 20 €/mois pour Claude. Sa responsable marketing gagne 5 heures par semaine sur la rédaction de contenus, soit 20 heures par mois. À 40 €/heure de coût chargé, le ROI mensuel est de 800 € pour un investissement de 20 €, soit un retour de 40× l'investissement.
FinanceStratégiePME
T
2 termes
28
Token
Token
▾
Un token est l'unité de base utilisée par les modèles de langage pour traiter le texte. Un token correspond approximativement à un mot ou à une partie de mot (environ 4 caractères en moyenne). Les LLM ne lisent pas les mots : ils traitent des tokens. Le coût d'utilisation d'une API IA se calcule souvent en nombre de tokens traités.
"Intelligence artificielle" représente environ 4 tokens. Une page de texte standard représente environ 750 tokens. Un contrat de 10 pages représente environ 7 500 tokens — ce qui donne une idée du coût de traitement si vous utilisez l'API au tarif token.
TechniqueAPICoûts
29
Transformer
Transformer
▾
Le Transformer est l'architecture informatique qui a révolutionné l'IA en 2017 et qui sous-tend quasiment tous les grands modèles de langage actuels. Il permet au modèle de traiter des séquences de texte en prenant en compte les relations entre tous les mots simultanément, plutôt que de les analyser un par un. C'est ce qui permet aux LLM de "comprendre" le contexte et les nuances du langage.
Avant le Transformer, les IA de traduction traduisaient mot par mot, avec des résultats souvent incohérents. Le Transformer comprend la phrase entière et ses relations grammaticales, ce qui a permis à Google Translate de faire un bond de qualité spectaculaire en 2017.
ArchitectureTechniqueHistoire IA
V
1 terme
30
Vector Database
Base de données vectorielle
▾
Une base de données vectorielle stocke les informations sous forme de vecteurs mathématiques (des suites de chiffres) qui représentent le sens des données plutôt que leur forme exacte. C'est la technologie qui permet aux systèmes RAG de trouver les documents "sémantiquement proches" d'une question, même sans correspondance exacte de mots-clés.
Une entreprise stocke ses 2 000 fiches produits dans une base vectorielle. Quand un commercial demande "Quel produit convient le mieux à une PME du secteur alimentaire avec 20 salariés ?", l'IA trouve les fiches les plus pertinentes par similarité sémantique — même si aucune ne contient exactement ces mots.
RAGTechniqueAvancé
Pour aller plus loin
Vous maîtrisez maintenant le vocabulaire de l'IA
Ces 30 termes couvrent l'essentiel du vocabulaire que vous rencontrerez dans vos lectures, vos échanges avec des prestataires ou lors de conférences sur l'IA. Avec ces définitions, vous pouvez évaluer un outil, comprendre une présentation technique et prendre des décisions éclairées.
Mais la meilleure façon d'ancrer ce vocabulaire, c'est de le mettre en pratique. Commencez par tester un LLM avec un bon prompt, explorez un outil no-code comme Make, et découvrez par vous-même ce que l'IA peut faire pour votre entreprise.
Ce glossaire est mis à jour régulièrement par la rédaction d'IA Pratique. Dernière mise à jour : mars 2026.
Glossaire
Mars 2026
30 définitions
Article de référence
Agent IA, LLM, RAG, hallucination, prompt engineering — le vocabulaire de l'intelligence artificielle évolue aussi vite que la technologie elle-même. Ce glossaire rassemble les 30 termes que tout dirigeant, manager ou collaborateur d'une entreprise française doit connaître en 2026 pour comprendre les enjeux, évaluer les outils et prendre des décisions éclairées. Chaque définition est expliquée en langage clair, avec un exemple concret pour votre entreprise.
A
4 termes
01
Agent IA
AI Agent
▾
Un agent IA est un programme capable d'agir de façon autonome pour accomplir une tâche complexe. Contrairement à un simple chatbot qui répond à vos questions, l'agent enchaîne plusieurs actions sans supervision : il peut consulter votre calendrier, envoyer des e-mails, naviguer sur le web et mettre à jour votre CRM — le tout à partir d'une seule instruction.
Un agent IA surveille votre boîte mail, identifie les demandes de devis entrants, extrait les informations clés, remplit votre CRM et envoie une réponse automatique de prise en charge — sans intervention humaine.
AutomatisationWorkflows
02
Apprentissage automatique
Machine Learning
▾
L'apprentissage automatique est une branche de l'intelligence artificielle dans laquelle un programme apprend à partir de données, sans être explicitement programmé pour chaque tâche. Plus il traite de données, plus il devient précis. C'est la technologie de base derrière la plupart des outils IA utilisés en entreprise.
Votre logiciel de comptabilité qui catégorise automatiquement vos dépenses bancaires utilise l'apprentissage automatique : après quelques semaines, il apprend vos habitudes et atteint 90 % de précision.
FondamentalDonnées
03
IA générative
Generative AI
▾
L'IA générative désigne les systèmes capables de créer du contenu original : textes, images, sons, vidéos ou code. Contrairement à l'IA classique qui analyse et classe des données existantes, l'IA générative produit quelque chose de nouveau. ChatGPT, Claude et Midjourney sont des exemples d'IA générative.
Vous décrivez en quelques mots un visuel pour votre prochaine campagne marketing, et l'IA générative crée une image professionnelle en 10 secondes — sans photographe ni graphiste.
CréationContenuMarketing
04
IA prédictive
Predictive AI
▾
L'IA prédictive analyse des données historiques pour anticiper des événements futurs. Elle ne crée pas de contenu — elle fait des prévisions. Utilisée pour prévoir les ventes, anticiper les pannes, identifier les clients susceptibles de partir ou optimiser les stocks.
Un outil IA prédictif analyse 3 ans de données de ventes d'une boulangerie et prédit avec précision la quantité de pains à produire chaque jour selon la météo, le jour de la semaine et les événements locaux — réduisant les invendus de 30 %.
PrévisionDonnéesCommerce
B
1 terme
05
Biais algorithmique
Algorithmic Bias
▾
Le biais algorithmique désigne la tendance d'un système IA à produire des résultats discriminatoires ou injustes, parce qu'il a été entraîné sur des données elles-mêmes biaisées. Si les données d'entraînement reflètent des inégalités existantes, l'IA les reproduit — voire les amplifie.
Un outil IA de tri de CV entraîné sur des données historiques d'une entreprise qui avait peu recruté de femmes dans des postes techniques va mécaniquement défavoriser les candidatures féminines — sans que personne ne l'ait programmé ainsi.
RHÉthiqueRGPD
C
3 termes
06
Chatbot
Chatbot
▾
Un chatbot est un programme qui simule une conversation avec un humain. Les chatbots classiques suivent des scripts prédéfinis. Les chatbots modernes alimentés par l'IA comprennent le langage naturel et s'adaptent à chaque conversation. Ils sont utilisés pour le service client, les FAQ ou la prise de rendez-vous.
Sur le site d'une clinique vétérinaire, un chatbot répond aux questions courantes (horaires, tarifs, urgences), prend les rendez-vous et transfère les cas complexes à un humain — 24h/24 et 7j/7.
Service clientAutomatisation
07
Contexte (fenêtre de)
Context Window
▾
La fenêtre de contexte est la quantité maximale de texte qu'un modèle IA peut "lire" et prendre en compte en une seule fois. Plus elle est grande, plus vous pouvez soumettre de documents longs ou mener des conversations longues sans que l'IA "oublie" le début. Elle se mesure en tokens (unités de texte).
Claude peut analyser un contrat de 200 pages en une seule fois grâce à sa grande fenêtre de contexte. Un modèle avec une fenêtre plus petite devrait traiter le document en plusieurs morceaux, perdant le fil entre les parties.
LLMDocumentsPerformance
08
Copilote IA
AI Copilot
▾
Un copilote IA est un assistant intégré directement dans un outil existant (traitement de texte, tableur, logiciel métier) qui aide l'utilisateur en temps réel sans qu'il ait besoin de quitter son environnement de travail. Microsoft Copilot dans Word, GitHub Copilot pour les développeurs et Notion AI en sont des exemples.
Pendant qu'un commercial rédige une proposition dans Word, le copilote IA suggère des formulations, améliore la structure et génère automatiquement le résumé exécutif — sans qu'il ait à ouvrir un autre outil.
ProductivitéMicrosoft 365Intégration
D
1 terme
09
Deep Learning
Deep Learning
▾
Le deep learning (apprentissage profond) est une technique d'apprentissage automatique qui utilise des réseaux de neurones artificiels à plusieurs couches pour traiter des données complexes. C'est la technologie qui permet à l'IA de reconnaître des images, comprendre la parole et générer du texte. La plupart des IA modernes reposent sur le deep learning.
La fonctionnalité de reconnaissance de texte dans votre scanner de factures utilise le deep learning pour lire et extraire les montants, dates et noms de fournisseurs — même sur des documents de mauvaise qualité ou photographiés de travers.
TechniqueFondamentalNeurones
F
2 termes
10
Fine-tuning
Fine-tuning
▾
Le fine-tuning consiste à entraîner un modèle IA existant sur des données spécifiques à votre entreprise ou votre secteur, pour le rendre plus pertinent dans votre contexte précis. C'est comme recycler un expert généraliste en spécialiste de votre domaine.
Un cabinet juridique spécialisé en droit immobilier fait un fine-tuning de Claude sur ses 10 000 contrats archivés. Le modèle devient expert du droit immobilier français et produit des analyses bien plus précises que le modèle générique.
PersonnalisationTechniqueAvancé
11
Foundation Model
Foundation Model
▾
Un foundation model (modèle de fondation) est un très grand modèle IA entraîné sur des quantités massives de données générales, qui peut ensuite être adapté à de nombreuses tâches spécifiques. GPT-4, Claude et Gemini sont des foundation models. Ils servent de base à des centaines d'applications spécialisées.
GPT-4 est un foundation model. Quand une startup construit un outil de rédaction de contrats ou un assistant de support client, elle s'appuie sur ce modèle de base qu'elle personnalise pour son usage spécifique.
LLMInfrastructureOpenAI
G
1 terme
12
GPT
Generative Pre-trained Transformer
▾
GPT signifie Generative Pre-trained Transformer. C'est l'architecture technique qui sous-tend ChatGPT et de nombreux autres modèles de langage. "Generative" signifie qu'il génère du texte, "Pre-trained" qu'il a été formé sur d'immenses corpus de textes, et "Transformer" désigne l'architecture informatique utilisée. Dans le langage courant, GPT désigne souvent les modèles d'OpenAI.
Quand vous utilisez ChatGPT pour rédiger un e-mail, vous interagissez avec un modèle GPT-4 ou GPT-4o — une version améliorée de l'architecture GPT originale, capable de comprendre et générer du texte en 50 langues.
OpenAITechniqueChatGPT
H
1 terme
13
Hallucination
Hallucination
▾
Une hallucination est une erreur dans laquelle un modèle IA invente des informations fausses présentées avec une totale assurance. Il peut citer des études qui n'existent pas, attribuer de fausses déclarations à des personnes réelles ou inventer des chiffres. C'est l'une des limites les plus importantes à connaître pour utiliser l'IA de façon responsable.
Un dirigeant demande à ChatGPT de citer des statistiques sur le marché du logiciel RH en France. L'IA cite avec confiance une "étude Gartner 2024" avec des chiffres précis — mais cette étude n'existe pas. C'est pourquoi toute information factuelle générée par IA doit être vérifiée avant publication.
Limites IAVérificationFiabilité
💡 À retenir
Les hallucinations sont inévitables avec les modèles actuels. La règle d'or : ne jamais publier un contenu IA sans relecture humaine, et toujours vérifier les chiffres, noms et références dans des sources primaires.
I
1 terme
14
Inférence
Inference
▾
L'inférence est le processus par lequel un modèle IA déjà entraîné génère une réponse à partir d'une nouvelle entrée. En d'autres termes, c'est le moment où vous posez une question à l'IA et où elle "réfléchit" pour vous répondre. L'inférence s'oppose à l'entraînement (phase où le modèle apprend).
Quand vous envoyez un message à Claude et attendez sa réponse, vous utilisez la phase d'inférence : le modèle n'apprend pas de votre question, il applique ce qu'il a déjà appris pour générer la réponse la plus pertinente.
TechniqueLLM
L
2 termes
15
LLM
Large Language Model
▾
Un LLM (Large Language Model ou Grand Modèle de Langage) est un type de modèle IA entraîné sur d'immenses quantités de textes pour comprendre et générer du langage humain. ChatGPT, Claude, Gemini et Mistral AI sont tous des LLM. Ils sont capables de répondre à des questions, rédiger des textes, résumer des documents et raisonner sur des problèmes complexes.
Claude est un LLM développé par Anthropic. Quand vous lui soumettez un contrat de 50 pages pour en extraire les clauses importantes, il utilise sa compréhension du langage naturel pour identifier et résumer les éléments clés en quelques secondes.
FondamentalClaudeChatGPT
16
Low-code / No-code IA
Low-code / No-code AI
▾
Les outils low-code et no-code permettent de créer des applications ou des automatisations IA sans écrire de code, grâce à des interfaces visuelles (glisser-déposer, formulaires, blocs). Ils rendent l'IA accessible aux équipes non techniques. Make, Zapier et n8n sont des exemples d'outils no-code pour l'automatisation IA.
Une responsable marketing sans compétences techniques crée en 2 heures un workflow automatique sur Make : chaque nouveau formulaire de contact déclenche une analyse IA du besoin, qui génère un e-mail de réponse personnalisé et met à jour le CRM.
MakeZapierAccessibilité
M
2 termes
17
Modèle multimodal
Multimodal Model
▾
Un modèle multimodal est un système IA capable de traiter et de générer plusieurs types de données : texte, images, sons, vidéos. Contrairement aux modèles "unimodaux" qui ne traitent qu'un seul type de données, les modèles multimodaux comprennent et combinent différents formats dans une même interaction.
GPT-4o est multimodal : vous pouvez lui envoyer une photo de votre devanture de magasin et lui demander "Comment améliorer la visibilité de mon enseigne ?" — il analyse l'image et répond en tenant compte de ce qu'il voit.
ImagesGPT-4oClaude
18
Mistral AI
Mistral AI
▾
Mistral AI est une startup française fondée en 2023, spécialisée dans le développement de grands modèles de langage open source. Elle est devenue en deux ans l'une des entreprises IA les plus valorisées d'Europe. Ses modèles sont hébergés en Europe et conformes au RGPD, ce qui en fait une référence pour les entreprises françaises soucieuses de souveraineté numérique.
Un hôpital français choisit Mistral AI pour son assistant d'aide à la rédaction médicale : les données des patients ne quittent jamais les serveurs européens, garantissant le respect du secret médical et du RGPD.
🇫🇷 FrançaisRGPDOpen source
N
1 terme
19
NLP
Natural Language Processing
▾
Le NLP (traitement du langage naturel) est la branche de l'IA qui permet aux ordinateurs de comprendre, analyser et générer le langage humain. C'est la technologie fondamentale derrière les chatbots, les assistants vocaux, la traduction automatique et les outils de rédaction IA. Sans NLP, il n'y a pas de ChatGPT ni de Claude.
Quand vous dictez un message vocal à votre téléphone qui le transcrit en texte, puis que vous le traduisez automatiquement en anglais avant de l'envoyer — vous utilisez le NLP à deux reprises : transcription et traduction.
LangageFondamentalTechnique
O
2 termes
20
OCR (reconnaissance optique)
Optical Character Recognition
▾
L'OCR est une technologie qui permet de convertir des images contenant du texte (photos, scans, PDF non éditables) en texte numérique modifiable et exploitable. Associée à l'IA, elle permet de lire et extraire automatiquement des données depuis des factures, des formulaires papier ou des cartes de visite.
Un gestionnaire de paie photographie 200 notes de frais papier avec son téléphone. L'OCR couplé à l'IA extrait automatiquement les montants, dates et catégories de chaque reçu et les importe dans le logiciel comptable — en 10 minutes au lieu de 3 heures.
ComptabilitéDocumentsAutomatisation
21
Open source
Open Source
▾
Un modèle IA open source est un modèle dont le code source est librement accessible, modifiable et redistribuable. Cela signifie que n'importe quelle organisation peut le télécharger, l'installer sur ses propres serveurs et l'adapter à ses besoins — sans dépendre d'un fournisseur externe et sans que ses données ne quittent son infrastructure.
Un cabinet médical installe le modèle Mistral 7B open source sur ses propres serveurs. Les médecins utilisent un assistant IA de rédaction de comptes rendus — et aucune donnée patient ne quitte l'établissement. C'est la solution maximale pour la confidentialité.
SouverainetéRGPDMistral
P
3 termes
22
Prompt
Prompt
▾
Un prompt est l'instruction ou la question que vous envoyez à un modèle IA. La qualité du prompt détermine directement la qualité de la réponse. Un prompt vague produit une réponse générique. Un prompt précis, contextualisé et bien structuré produit une réponse utile et actionnable.
Prompt vague : "Rédige un e-mail client." → Réponse générique inutilisable. Prompt efficace : "Tu es commercial dans une PME de logistique. Rédige un e-mail de relance à Marie Dupont, directrice supply chain chez Carrefour, suite à notre réunion du 15 mars. Ton professionnel, 6 lignes max, une question de closing." → Réponse directement utilisable.
EssentielPratiqueDébutant
23
Prompt engineering
Prompt Engineering
▾
Le prompt engineering est l'art de formuler des instructions précises et optimisées pour obtenir les meilleurs résultats d'un modèle IA. C'est une compétence qui s'apprend et qui fait la différence entre un utilisateur lambda et un utilisateur expert. Elle inclut des techniques comme l'assignation de rôle, la chaîne de raisonnement et la spécification du format de sortie.
Un responsable marketing qui maîtrise le prompt engineering obtient des articles de blog 80 % plus proches du résultat final qu'un collègue qui formule ses demandes de façon vague — même en utilisant le même outil. La compétence clé n'est pas l'outil, c'est la façon de l'utiliser.
Compétence cléFormationProductivité
24
Privacy by design
Privacy by Design
▾
Le privacy by design (protection de la vie privée dès la conception) est un principe imposé par le RGPD selon lequel la protection des données personnelles doit être intégrée dès la conception d'un système, et non ajoutée après coup. Pour les outils IA, cela signifie choisir des solutions qui minimisent la collecte de données et garantissent leur protection par défaut.
Une PME qui déploie un chatbot client conforme au privacy by design configure l'outil pour ne collecter que les données strictement nécessaires, les chiffrer en transit et au repos, et les supprimer automatiquement après 30 jours — avant même de le mettre en production.
RGPDConformitéDonnées
R
3 termes
25
RAG
Retrieval-Augmented Generation
▾
Le RAG (Génération augmentée par récupération) est une technique qui permet à un LLM de consulter une base de documents spécifique avant de répondre. Au lieu de se fier uniquement à ce qu'il a appris lors de son entraînement, le modèle "cherche" dans vos documents internes pour fournir des réponses précises et à jour.
Une PME de 50 salariés crée un assistant IA interne avec RAG, connecté à ses 500 procédures internes, contrats fournisseurs et fiches produits. Les commerciaux posent des questions en langage naturel et obtiennent des réponses précises issues des documents de l'entreprise — sans formation spécifique.
Base de connaissancesAvancéEntreprise
26
RGPD et IA
GDPR & AI
▾
Le RGPD (Règlement Général sur la Protection des Données) s'applique pleinement aux outils IA qui traitent des données personnelles. En pratique, cela signifie qu'utiliser des données de clients, candidats ou salariés dans un outil IA impose d'avoir une base légale, d'informer les personnes concernées et de garantir la sécurité des données. Les outils gratuits ne sont généralement pas conformes pour les données sensibles.
Coller le CV d'un candidat dans la version gratuite de ChatGPT est une violation potentielle du RGPD. La bonne pratique : utiliser ChatGPT Team ou Claude for Work (qui garantissent la non-utilisation des données) ou anonymiser les données avant tout traitement.
LégalCNILConformité
27
ROI de l'IA
AI ROI
▾
Le ROI (Return on Investment) de l'IA mesure le retour sur investissement d'un outil ou d'un projet IA. Il prend en compte le coût de l'outil, le temps d'implémentation et de formation, et le gains générés (temps économisé, erreurs évitées, revenus supplémentaires). Pour les PME, le ROI des outils IA est généralement positif dès le premier mois sur les tâches documentaires.
Une PME paie 20 €/mois pour Claude. Sa responsable marketing gagne 5 heures par semaine sur la rédaction de contenus, soit 20 heures par mois. À 40 €/heure de coût chargé, le ROI mensuel est de 800 € pour un investissement de 20 €, soit un retour de 40× l'investissement.
FinanceStratégiePME
T
2 termes
28
Token
Token
▾
Un token est l'unité de base utilisée par les modèles de langage pour traiter le texte. Un token correspond approximativement à un mot ou à une partie de mot (environ 4 caractères en moyenne). Les LLM ne lisent pas les mots : ils traitent des tokens. Le coût d'utilisation d'une API IA se calcule souvent en nombre de tokens traités.
"Intelligence artificielle" représente environ 4 tokens. Une page de texte standard représente environ 750 tokens. Un contrat de 10 pages représente environ 7 500 tokens — ce qui donne une idée du coût de traitement si vous utilisez l'API au tarif token.
TechniqueAPICoûts
29
Transformer
Transformer
▾
Le Transformer est l'architecture informatique qui a révolutionné l'IA en 2017 et qui sous-tend quasiment tous les grands modèles de langage actuels. Il permet au modèle de traiter des séquences de texte en prenant en compte les relations entre tous les mots simultanément, plutôt que de les analyser un par un. C'est ce qui permet aux LLM de "comprendre" le contexte et les nuances du langage.
Avant le Transformer, les IA de traduction traduisaient mot par mot, avec des résultats souvent incohérents. Le Transformer comprend la phrase entière et ses relations grammaticales, ce qui a permis à Google Translate de faire un bond de qualité spectaculaire en 2017.
ArchitectureTechniqueHistoire IA
V
1 terme
30
Vector Database
Base de données vectorielle
▾
Une base de données vectorielle stocke les informations sous forme de vecteurs mathématiques (des suites de chiffres) qui représentent le sens des données plutôt que leur forme exacte. C'est la technologie qui permet aux systèmes RAG de trouver les documents "sémantiquement proches" d'une question, même sans correspondance exacte de mots-clés.
Une entreprise stocke ses 2 000 fiches produits dans une base vectorielle. Quand un commercial demande "Quel produit convient le mieux à une PME du secteur alimentaire avec 20 salariés ?", l'IA trouve les fiches les plus pertinentes par similarité sémantique — même si aucune ne contient exactement ces mots.
RAGTechniqueAvancé
Pour aller plus loin
Vous maîtrisez maintenant le vocabulaire de l'IA
Ces 30 termes couvrent l'essentiel du vocabulaire que vous rencontrerez dans vos lectures, vos échanges avec des prestataires ou lors de conférences sur l'IA. Avec ces définitions, vous pouvez évaluer un outil, comprendre une présentation technique et prendre des décisions éclairées.
Mais la meilleure façon d'ancrer ce vocabulaire, c'est de le mettre en pratique. Commencez par tester un LLM avec un bon prompt, explorez un outil no-code comme Make, et découvrez par vous-même ce que l'IA peut faire pour votre entreprise.
Ce glossaire est mis à jour régulièrement par la rédaction d'IA Pratique. Dernière mise à jour : mars 2026.