Le glossaire de l’intelligence artificielle

Algorithme

Une suite d’étapes à suivre pour obtenir un résultat. Une recette de cuisine est un algorithme : des ingrédients en entrée, des opérations dans l’ordre, un plat en sortie. En informatique, l’ordinateur applique ces étapes sans jamais en sauter ni en deviner. Un algorithme n’est pas forcément de l’intelligence artificielle : la plupart des programmes que vous utilisez chaque jour sont des algorithmes écrits ligne par ligne par des humains.

Version enfant : C’est la liste des choses à faire, dans l’ordre, pour arriver au bout. Comme une recette.

Agent IA

Un système qui ne se contente pas de répondre : il enchaîne des actions pour atteindre un objectif — chercher, cliquer, écrire un fichier, rappeler un outil. L’intérêt est l’autonomie ; le risque aussi, puisque les erreurs s’enchaînent sans qu’un humain relise chaque étape. Un agent à qui l’on confie une tâche réelle demande donc des garde-fous : ce qu’il a le droit de faire, et ce qui exige une validation.

Anonymisation

Retirer d’un document ce qui permettrait d’identifier une personne : nom, adresse, numéro de dossier, date de naissance précise. Bien faite, elle permet d’utiliser un texte sans exposer qui que ce soit. Attention aux faux amis : remplacer un nom par des initiales ne suffit pas si le reste du document désigne clairement quelqu’un. Le test est simple : une personne extérieure pourrait-elle deviner de qui il s’agit ?

Apprentissage automatique

La façon dont une machine établit elle-même des régularités à partir d’exemples, au lieu de suivre des règles écrites par un humain. On ne lui explique pas ce qu’est un chat : on lui montre des images de chats. Elle en tire des régularités statistiques qu’elle appliquera ensuite à des images inconnues. D’où une conséquence directe : ce qu’elle n’a jamais vu, elle le traite mal.

Version enfant : On ne lui explique pas la règle. On lui montre beaucoup d’exemples, et elle devine la règle toute seule — parfois de travers.

Assistant IA

Un outil conversationnel qui répond à des demandes en langage courant : expliquer, reformuler, résumer, proposer. C’est la forme sous laquelle la plupart des gens rencontrent l’intelligence artificielle. Un assistant reste un calculateur de texte plausible : il n’a ni intention, ni avis, ni moyen interne de savoir s’il a raison.

Automatisation

Confier à une machine une tâche répétitive qu’on faisait à la main. L’automatisation existe bien avant l’IA — un tableur qui recalcule une colonne automatise déjà. Ce que l’IA ajoute, c’est la possibilité d’automatiser des tâches peu régulières, où il faut interpréter du texte. La bonne question avant d’automatiser n’est pas « est-ce possible » mais « que se passe-t-il quand ça se trompe ».

Biais

Une déformation systématique des résultats, héritée des données d’entraînement ou des choix de conception. Si les exemples montrés représentaient mal une situation, le modèle reproduira ce déséquilibre — et le présentera avec le même aplomb que le reste. Un biais n’est pas une panne : le système fonctionne exactement comme prévu, sur des données qui penchaient.

Version enfant : Si on ne lui a montré que des chats orange, elle pensera qu’un chat noir n’est pas un chat.

Chatbot

Un programme qui dialogue par écrit. Les plus anciens suivaient des scripts fixes et répondaient à côté dès qu’on sortait du chemin prévu. Les plus récents s’appuient sur des modèles de langage et tiennent une conversation bien plus souple — ce qui les rend aussi plus convaincants quand ils se trompent.

Classification

Ranger des éléments dans des catégories : ce courriel est indésirable ou non, cette image contient un visage ou non. C’est l’une des tâches les plus anciennes et les plus fiables de l’apprentissage automatique. Elle suppose qu’on ait défini les catégories à l’avance, et c’est souvent là que se logent les problèmes.

Version enfant : C’est trier : mettre chaque chose dans la bonne boîte.

Confidentialité

Le fait qu’une information ne soit accessible qu’à ceux qui ont le droit de la voir. Avec un service en ligne, la confidentialité ne dépend plus seulement de vous : elle dépend aussi de ce que fait le service de ce que vous lui envoyez, de l’endroit où il le stocke, et de la durée. C’est la raison pour laquelle certaines informations n’ont pas à être saisies du tout.

Contenu synthétique

Un texte, une image, une voix ou une vidéo produits par une machine plutôt que captés dans le monde réel. Le terme est plus juste que « faux » : un contenu synthétique peut être parfaitement honnête, à condition d’être annoncé comme tel. Le problème commence quand il est présenté comme un enregistrement authentique.

Contexte

Tout ce que le modèle a sous les yeux au moment de répondre : votre question, les échanges précédents, les documents que vous avez fournis. Le contexte change radicalement la réponse — d’où l’importance de dire pour qui et pour quoi vous demandez. Il a une taille limite, et ce qui en sort est oublié.

Copyright

Le droit d’auteur : la protection accordée à une œuvre et à son créateur. Deux questions distinctes se posent avec l’IA — ce qui a servi à l’entraînement, et ce qui sort du modèle. Les règles continuent d’évoluer et varient selon les pays. En pratique, pour un usage scolaire ou professionnel : citez vos sources, et ne faites pas passer une production assistée pour une création entièrement personnelle.

Désinformation

La diffusion d’informations fausses, avec ou sans intention de nuire. L’IA n’a pas créé le phénomène ; elle en abaisse le coût, puisqu’elle permet de produire beaucoup de contenu crédible très vite. La parade n’a pas changé : remonter à la source, vérifier la date, comparer, et ne pas partager dans le doute.

Donnée

Toute information enregistrée sous une forme exploitable par une machine : un texte, un chiffre, une image, un clic, une position. Les données sont la matière première de l’apprentissage automatique. Sans elles, aucun modèle ; mauvaises, elles produisent un modèle mauvais — et personne ne s’en aperçoit tant qu’on ne vérifie pas.

Version enfant : C’est tout ce qu’on écrit, enregistre ou photographie, et que la machine peut lire.

Donnée personnelle

Toute information se rapportant à une personne identifiée ou identifiable : un nom, mais aussi une adresse électronique, une photo, une adresse IP, ou un ensemble de détails qui, mis bout à bout, ne laissent qu’une personne possible. C’est la notion centrale du droit européen de la protection des données ; la CNIL en est l’autorité de contrôle en France.

Version enfant : Ce sont les informations qui disent qui tu es : ton nom, où tu habites, ton école.

Donnée sensible

Une catégorie particulière de données personnelles, plus strictement encadrée : santé, opinions politiques, convictions religieuses, origine, orientation sexuelle, données biométriques. Leur divulgation peut causer un préjudice durable. Elles n’ont rien à faire dans une conversation avec un service d’IA, ni les vôtres ni celles de quelqu’un d’autre.

Données d’entraînement

L’ensemble des exemples montrés au modèle pendant son apprentissage. Quelqu’un a choisi ce qui entrait dans ce lot et ce qui en restait dehors. Ce choix explique une grande partie de ce que le modèle sait, de ce qu’il ignore, et des biais qu’il reproduit. Un modèle ne peut pas connaître ce qui n’était pas dans ses données.

Version enfant : C’est tout ce qu’on lui a montré pour qu’elle apprenne. Elle ne connaît rien d’autre.

Esprit critique

La disposition à suspendre son jugement le temps de vérifier. Ce n’est pas de la méfiance systématique — douter de tout revient à ne rien pouvoir utiliser — mais une manière de distinguer ce qui est établi, ce qui est probable et ce qu’on ignore. C’est la compétence que l’IA rend la plus nécessaire, et c’est le fil conducteur de l’ensemble de ce site.

Version enfant : C’est ne pas croire tout de suite : se demander d’abord comment on pourrait vérifier.

Fact-checking

La vérification méthodique d’une affirmation : retrouver la source d’origine, contrôler la date, comparer avec d’autres sources indépendantes. Appliqué à une réponse d’IA, le fact-checking commence par une étape particulière : séparer ce qui est réellement affirmé du reste, car une réponse mélange faits, reformulations et liaisons de style.

Fenêtre de contexte

La quantité de texte qu’un modèle peut prendre en compte en une seule fois. Au-delà, le début de la conversation sort du champ et le modèle n’y a plus accès — d’où l’impression qu’il « oublie » ce qu’on lui a dit plus tôt dans un long échange. Ce n’est pas de la négligence : c’est une limite de conception.

Hallucination

On parle d’hallucination lorsqu’une IA produit une information qui semble plausible mais qui est incorrecte ou inventée : une date, une citation, une référence bibliographique complète qui n’a jamais existé. Ce n’est pas un dysfonctionnement exceptionnel mais une conséquence du principe même : le système cherche ce qui est plausible, pas ce qui est vrai.

Version enfant : L’IA complète parfois une réponse avec quelque chose qui ressemble à la vérité, sans savoir si c’est vrai.

IA générative

Une intelligence artificielle qui produit du contenu nouveau — texte, image, son, vidéo — plutôt que de classer ou de prédire une valeur. C’est la famille d’outils qui a rendu le sujet grand public. Le mot « générative » décrit ce qu’elle fabrique, pas une quelconque créativité : elle recombine des régularités apprises.

Image générée

Une image produite par un modèle à partir d’une description, et non photographiée. Les défauts qui permettaient de les repérer — mains, textes en arrière-plan, symétries bancales — disparaissent au fil des versions. Apprendre à les traquer est donc une mauvaise stratégie à long terme : mieux vaut vérifier la provenance.

Version enfant : C’est un dessin fabriqué par une machine à partir de mots. Ce n’est pas une photo, même quand ça y ressemble.

Intelligence artificielle

L’ensemble des techniques qui permettent à une machine d’accomplir des tâches habituellement associées à l’intelligence humaine : reconnaître, classer, traduire, produire du texte. Le mot « intelligence » est une métaphore commode et trompeuse : il n’y a ni compréhension, ni intention, ni conscience — des calculs, sur de très grandes quantités de données.

Version enfant : C’est une machine qui fait des choses qu’on croyait réservées aux humains. Elle ne pense pas : elle calcule très vite.

LLM

Abréviation de large language model, grand modèle de langage. Un modèle entraîné sur d’immenses quantités de texte, capable de produire des réponses en langage courant sur presque n’importe quel sujet. C’est la technologie derrière la plupart des assistants conversationnels actuels.

Modèle

Le résultat de l’entraînement : un très gros ensemble de paramètres numériques, et non un programme écrit règle par règle. On ne peut pas l’ouvrir pour lire ce qu’il « sait » ; on ne peut que l’interroger et observer ce qu’il répond. C’est ce qui rend ses erreurs difficiles à expliquer et à corriger au cas par cas.

Modèle de langage

Un modèle spécialisé dans le texte : il calcule, mot après mot, la suite la plus probable compte tenu de ce qui précède. Cette mécanique explique à la fois sa fluidité et ses erreurs : une suite peut être très probable linguistiquement et fausse factuellement.

Plagiat

Présenter le travail d’un autre comme le sien. La question se pose différemment avec une IA, puisqu’il n’y a pas d’auteur identifiable derrière la réponse — mais le problème scolaire reste entier : remettre un texte qu’on n’a ni produit ni compris ne prouve rien de ce que l’exercice cherchait à évaluer. La réponse honnête est de mentionner l’usage et ce qu’on a fait soi-même.

Prompt

La consigne que vous donnez à une IA. Sa précision change beaucoup le résultat : une demande vague laisse l’outil choisir à votre place le niveau, la longueur et l’angle. Quatre éléments suffisent à bien le formuler — contexte, tâche, format, contraintes. Un bon prompt améliore la forme ; il ne rend pas vrai ce qui est faux.

Version enfant : C’est ce qu’on demande à la machine. Plus la demande est claire, meilleure est la réponse.

Raisonnement

Enchaîner des étapes pour aboutir à une conclusion. Certains modèles produisent aujourd’hui des étapes intermédiaires avant de répondre, ce qui améliore les résultats sur les problèmes à plusieurs temps. Attention toutefois : ces étapes affichées sont elles-mêmes du texte généré. Elles ressemblent à un raisonnement sans en garantir la validité.

Recommandation

Un système qui propose des contenus en fonction de ce que vous avez déjà consulté. C’est la forme d’IA la plus présente dans la vie quotidienne — boutiques, vidéos, musique, réseaux sociaux — et la plus discrète. Une recommandation n’est pas neutre : elle optimise un objectif choisi par quelqu’un, qui n’est pas forcément le vôtre.

Version enfant : C’est quand une application te propose « la suite » : elle a regardé ce que tu as déjà choisi.

Reconnaissance d’image

La capacité d’un système à identifier ce que contient une image : un objet, un animal, du texte, un visage. Les usages vont de l’anodin — trier ses photos — au très encadré, comme la reconnaissance faciale, qui relève de la donnée biométrique et donc d’un régime juridique strict.

Reconnaissance vocale

La transcription automatique de la parole en texte. Utile pour sous-titrer, dicter ou prendre des notes. Les performances varient selon l’accent, le débit, le bruit ambiant et la langue — une transcription doit donc être relue avant d’être traitée comme un compte rendu fidèle.

Source

L’endroit d’où provient une information : un document officiel, une étude, un texte de loi, un auteur, une publication d’origine. Un article qui cite une étude n’est pas l’étude. Remonter à la source est le geste central de toute vérification, et c’est celui qu’une IA ne fait pas à votre place — sauf si l’outil affiche explicitement les documents qu’il a consultés.

Version enfant : C’est l’endroit d’où vient l’information. « Qui l’a dit en premier ? »

Synthèse vocale

La production d’une voix artificielle à partir d’un texte. Les voix récentes sont difficiles à distinguer d’un enregistrement humain, et quelques secondes d’extrait suffisent parfois à imiter une voix existante. D’où une règle domestique simple en cas d’appel inattendu : raccrocher, et rappeler soi-même sur le numéro habituel.

Token

L’unité de découpage du texte pour un modèle de langage : un mot court, un morceau de mot long, un signe de ponctuation. Les modèles ne manipulent pas des lettres mais des tokens — ce qui explique certaines maladresses surprenantes, comme compter les lettres d’un mot. La taille du contexte et le prix des services se mesurent en tokens.

Traçabilité

La possibilité de savoir d’où vient un contenu et comment il a été produit. Plusieurs approches coexistent — mentions explicites, métadonnées, marquage — et aucune n’est universelle ni infaillible aujourd’hui. En attendant, la traçabilité la plus fiable reste déclarative : dire ce qu’on a utilisé, et pour quelle partie.

Vérification

L’opération qui consiste à confronter une affirmation à une source indépendante. Avec une IA, elle n’est pas optionnelle : le système ne dispose d’aucun signal interne distinguant ce qu’il sait de ce qu’il invente. Demander à la même IA de se vérifier elle-même ne vérifie rien — elle recalcule une nouvelle suite plausible.

Version enfant : C’est aller voir ailleurs si c’est vrai. Pas demander deux fois à la même machine.