Comprendre l'IA

Le glossaire de l'IA

Les mots de l'intelligence artificielle, définis simplement, avec un exemple concret à chaque fois. Zéro jargon gratuit. Un point de départ quand un terme te bloque — puis on relie au guide « comprendre l'IA ».

8 termes · à jour au 2026-07-25

• Agent IA

  Un agent IA est un programme qui poursuit un objectif en enchaînant seul des actions — réfléchir, appeler des outils, corriger — plutôt que de répondre en un seul coup. Lire →

• LLM (grand modèle de langage)

  Un LLM est un modèle entraîné à prédire le mot suivant sur d'immenses volumes de texte ; de cette prédiction émerge la capacité à écrire, résumer, coder et raisonner. Lire →

• RAG (génération augmentée par récupération)

  Le RAG consiste à retrouver des documents pertinents et à les injecter dans le contexte du modèle au moment de répondre, pour l'ancrer dans TES données plutôt que sa seule mémoire. Lire →

• Fine-tuning

  Le fine-tuning ré-entraîne un modèle existant sur tes propres exemples pour spécialiser son comportement — son style, son format, son domaine — sans repartir de zéro. Lire →

• Prompt engineering

  Le prompt engineering, c'est l'art de formuler tes consignes — contexte, rôle, exemples, format attendu — pour obtenir d'un modèle une réponse fiable et réutilisable. Lire →

• MCP (Model Context Protocol)

  Le MCP est un standard ouvert qui branche un modèle IA sur des outils et des données externes de façon uniforme — le « port USB-C » des assistants. Lire →

• Token

  Un token est l'unité de base qu'un modèle lit et génère — un fragment de mot. Contexte, vitesse et prix se comptent en tokens. Lire →

• Hallucination

  Une hallucination, c'est quand un modèle produit une réponse fausse mais formulée avec assurance — parce qu'il optimise la vraisemblance du texte, pas la vérité. Lire →