Glossaire de l'IA, 2026

Le programme français des instituts interdisciplinaires d'IA (PRAIRIE, MIAI, ANITI, 3IA Côte d'Azur), lancé en 2019 par le plan Villani.

Un système autonome qui perçoit son environnement, prend des décisions et exécute des actions pour atteindre un objectif.

Artificial General Intelligence, une IA hypothétique au niveau de l'intelligence humaine, capable de résoudre n'importe quelle tâche intellectuelle.

Le règlement européen de 2024 qui encadre le développement et l'usage de l'IA selon des niveaux de risque.

L'ensemble des méthodes visant à rendre le comportement d'un modèle conforme aux valeurs humaines et aux intentions de l'utilisateur.

Agence Nationale de la Sécurité des Systèmes d'Information, l'autorité française de la cybersécurité.

Application Programming Interface, le canal d'accès programmatique à un service ou à un modèle.

Assets Under Management, les actifs sous gestion d'un fonds d'investissement.

Un test standardisé qui mesure la performance des modèles sur une tâche (ex : SWE-bench pour le code, MMLU pour les savoirs généraux).

Commissariat à l'Énergie Atomique, l'organisme français couvrant l'énergie nucléaire et les sciences du numérique.

La technique consistant à demander au modèle de détailler son raisonnement étape par étape avant de répondre, ce qui améliore la précision.

Convention Industrielle de Formation par la Recherche, le dispositif français de cofinancement public-privé d'une thèse.

Centre National de la Recherche Scientifique, le premier organisme public de recherche français.

La fenêtre de contexte : le nombre maximum de tokens qu'un modèle peut traiter en une seule requête (ex : 200k, 1M).

Compte Personnel de Formation, le dispositif français qui permet de financer une formation professionnelle.

Corporate Sustainability Reporting Directive, la directive européenne de 2024 imposant le reporting extra-financier à 50 000 entreprises.

Corporate Venture Capital, un fonds d'investissement adossé à un grand groupe industriel (Sanofi Ventures, AXA Venture, etc.).

L'ensemble des données d'entraînement d'un modèle. Sa qualité et sa diversité sont déterminantes pour la performance.

Un contenu synthétique (vidéo, audio, image) créé par IA pour imiter de façon réaliste une personne, avec des risques de fraude et de désinformation.

Le transfert des connaissances d'un gros modèle vers un plus petit, pour gagner en coût et en vitesse.

La représentation numérique (un vecteur) d'un mot, d'une phrase ou d'une image dans un espace que le modèle comprend.

European High-Performance Computing Joint Undertaking, le programme européen qui finance les supercalculateurs publics du continent.

L'entraînement complémentaire d'un modèle pré-entraîné sur un petit jeu de données spécialisé, pour l'adapter à une tâche.

Generative Engine Optimization, l'optimisation d'un contenu pour être cité par les moteurs de réponse IA (ChatGPT, Perplexity, Gemini).

Graphics Processing Unit, une puce hautement parallèle devenue le standard pour entraîner les modèles d'IA.

La génération par une IA d'informations inexactes ou inventées, présentées comme si elles étaient factuelles.

High-Performance Computing, le supercalcul scientifique, synonyme de calcul intensif.

Le fait d'utiliser un modèle déjà entraîné pour produire une réponse à partir de nouvelles données.

Institut National de Recherche en Informatique et Automatique, l'institut public français des sciences du numérique.

Une technique de manipulation du prompt qui contourne les garde-fous d'un modèle pour lui faire produire un contenu interdit.

Le temps écoulé entre l'envoi d'une requête et la réception de la réponse complète d'un modèle.

Large Language Model, un modèle de langage entraîné sur des milliards de paramètres pour générer et comprendre du texte.

Model Context Protocol, le standard d'Anthropic pour brancher les modèles d'IA sur des outils externes et des bases de données.

Mixture of Experts, une architecture où seule une partie des paramètres est activée par requête, ce qui réduit le coût d'inférence.

Se dit d'un modèle capable de traiter et de générer plusieurs types de données : texte, image, audio, vidéo.

Natural Language Processing, le traitement automatique du langage humain par les machines.

Opérateur d'Importance Vitale : une entreprise ou administration dont la défaillance compromettrait la nation (énergie, transports, banque).

Un logiciel dont le code source, et parfois les poids du modèle, sont publiés librement et réutilisables.

Des poids de modèle publiés librement, qui permettent de le redéployer sans dépendre de l'éditeur.

Petaflops, soit 10^15 opérations en virgule flottante par seconde, l'unité de puissance des supercalculateurs.

Les paramètres numériques d'un réseau de neurones, ajustés pendant l'entraînement pour apprendre les motifs des données.

Les instructions ou questions écrites envoyées à un modèle d'IA pour obtenir une réponse.

L'art de formuler des prompts efficaces pour orienter les réponses d'un modèle vers le résultat voulu.

Power Usage Effectiveness, la mesure de l'efficacité énergétique d'un datacenter (1.0 = parfait, 2.0 = moyen).

La réduction de la précision numérique d'un modèle (ex : de float32 à int8) pour diminuer sa taille et sa latence sans grande perte de qualité.

Retrieval-Augmented Generation, une technique qui combine un LLM avec une base documentaire pour ancrer ses réponses dans des sources.

La recherche rapide dans une base documentaire pour sélectionner l'information pertinente, première étape d'un système RAG.

Règlement Général sur la Protection des Données, le cadre européen sur la vie privée numérique.

Reinforcement Learning from Human Feedback, l'entraînement d'un modèle à partir d'annotations humaines pour améliorer la qualité de ses réponses.

Répertoire National des Certifications Professionnelles, le registre des diplômes reconnus par l'État français.

Software-as-a-Service, un logiciel facturé à l'usage et hébergé chez l'éditeur.

Un benchmark qui évalue la capacité d'un modèle à résoudre de vrais problèmes GitHub en autonomie, comme un ingénieur.

Le paramètre qui règle l'aléatoire des réponses d'un modèle : proche de 0 il est déterministe, plus haut il est créatif.

Le nombre de requêtes ou de tokens qu'un modèle traite par unité de temps, un indicateur de capacité et de coût.

L'unité minimale de texte (caractère, sous-mot ou mot) que traite un modèle d'IA. Les tarifs API se comptent en tokens.

Tensor Processing Unit, la puce d'IA propriétaire de Google, alternative aux GPU Nvidia.

L'architecture neuronale introduite en 2017 par Google, à la base de quasiment tous les LLM modernes.