Ce glossaire rassemble des notions clés de l’IA et du numérique. Chaque fiche suit le format :
Définition simple · En clair · Exemple.
🤖 Agent IA
Définition simple : Une IA qui peut enchaîner plusieurs actions, faire des choix, utiliser des outils, sans avoir besoin d’un humain à chaque étape.
En clair : C’est une IA qui peut faire un peu plus que simplement répondre : elle peut chercher, tester, écrire, résumer… avec un certain degré d’autonomie.
Exemple : Lire un document, chercher des références sur le web, rédiger une synthèse et l’envoyer automatiquement par e-mail.
🧠 Apprentissage profond
Définition simple : Sous-domaine du machine learning utilisant des réseaux neuronaux avec de nombreuses couches.
En clair : Plus les couches sont nombreuses, plus le modèle peut détecter des détails subtils ou traiter des tâches complexes.
Exemple : C’est grâce à l’apprentissage profond que ChatGPT peut comprendre des consignes longues et nuancées.
🗨️ ChatGPT
Définition simple : ChatGPT est un assistant conversationnel basé sur une intelligence artificielle développée par OpenAI.
En clair : C’est comme un moteur de réponse, mais capable de tenir une conversation et d’expliquer avec des mots simples.
Exemple : « Explique-moi la Révolution française »
🧭 Context engineering
Définition simple : L’art de bien préparer l’environnement dans lequel l’IA travaille : rôle, données, consignes, règles.
En clair : Ce n’est pas juste « ce que tu dis à l’IA », mais aussi « comment tu l’entoures » pour qu’elle comprenne mieux ce que tu veux.
Exemple : « Tu es un assistant RH. Réponds comme un professionnel du recrutement. »
🎨 DALL·E
Définition simple : DALL·E est un modèle d’IA qui génère des images à partir d’une description en langage naturel.
En clair : Tu écris ce que tu veux voir, et DALL·E crée une image correspondante : un paysage, un dessin, une affiche…
Exemple : « Un chat qui lit un livre sur la lune, style bande dessinée. »
🤖 Deep learning
Définition simple : Le deep learning est une méthode d’apprentissage automatique utilisant des réseaux de neurones artificiels profonds pour permettre à une machine d’apprendre par elle-même à partir de données complexes.
En clair : C’est comme un cerveau artificiel composé de plusieurs couches, qui apprend en analysant des données brutes.
Exemple : Quand une voiture autonome reconnaît un piéton ou un panneau de signalisation, elle utilise le deep learning pour analyser l’image et décider quoi faire.
🛡️ Données personnelles
Définition simple : Les données personnelles sont les informations qui permettent d’identifier une personne : nom, e-mail, adresse IP, etc.
En clair : Ce sont les infos qu’on donne ou qu’on laisse en ligne, volontairement ou non, et qui permettent de te reconnaître.
Exemple : Ton adresse mail, ta localisation GPS ou ton historique de recherche sont des données personnelles.
🧠 GPT
Définition simple : Acronyme de « Generative Pretrained Transformer », le modèle de langage utilisé par ChatGPT.
En clair : C’est le cerveau de l’outil : une IA entraînée à générer du texte à partir de milliards d’exemples.
Exemple : GPT-4 est la version utilisée par ChatGPT Plus, plus puissante et plus précise que GPT-3.5.
🌀 Hallucination
Définition simple : Réponse fausse inventée par ChatGPT sans intention trompeuse.
En clair : ChatGPT peut inventer une source, une date ou une citation avec aplomb — sans savoir qu’il se trompe.
Exemple : Il peut dire : « Ce poème a été écrit par Victor Hugo en 1874 », alors que ce n’est pas vrai.
🎨 IA générative
Définition simple : Branche de l’intelligence artificielle qui crée de nouvelles données (texte, images, sons, vidéos), plutôt que de simplement analyser ou classer.
En clair : une IA artiste qui invente du contenu original ressemblant à ce qui existe déjà.
Exemple : ChatGPT pour le texte, DALL·E et Stable Diffusion pour les images, Jukebox pour la musique.
Différence : on parle d’« IA générative » pour le domaine, et de « modèle génératif » pour l’outil concret (comme GPT-4 ou Stable Diffusion).
→ Voir aussi page : Modèle génératif vs Modèle de langage
📈 Machine learning
Définition simple : Le machine learning est une branche de l’intelligence artificielle qui permet à une machine d’apprendre à partir de données sans être explicitement programmée.
En clair : L’ordinateur repère des régularités dans des exemples passés pour faire des prédictions ou générer du contenu.
Exemple : Un programme qui apprend à reconnaître les spams après avoir analysé des milliers de mails classés « spam » ou « non spam ».
🧠 large Modèle de langage (LLM)
Définition simple : Modèle d’intelligence artificielle entraîné à prédire la suite de mots et à produire du texte cohérent.
En clair : c’est l’artisan du mot : il complète une phrase, résume, reformule et rédige.
Exemple : GPT et Llama (production de texte), BERT (compréhension de texte).
Voir aussi : IA générative ·
Machine learning ·
Page dédiée : Modèle génératif vs Modèle de langage
🏢 OpenAI
Définition simple : OpenAI est l’entreprise américaine qui a développé ChatGPT, DALL·E et d’autres outils d’intelligence artificielle.
En clair : C’est une équipe de chercheurs et d’ingénieurs qui conçoivent des outils puissants pour rendre l’IA utile et accessible.
Exemple : En 2022, OpenAI a lancé ChatGPT, accessible à tous, et utilisé par des millions de personnes pour apprendre, créer, écrire ou s’organiser.
✍️ Prompt
Définition simple : C’est la consigne que l’on donne à une IA comme ChatGPT pour obtenir une réponse.
En clair : C’est ce que tu écris dans la zone de texte. Plus la demande est claire, meilleure est la réponse.
Exemple : « Résume cet article en 5 lignes avec un ton professionnel. »
🛠️ Prompt engineering
Définition simple : C’est l’art de formuler des consignes efficaces pour obtenir de bons résultats avec une IA comme ChatGPT.
En clair : Poser une bonne question, c’est comme donner une carte à l’IA pour qu’elle te guide au bon endroit.
Exemple : Au lieu d’écrire « fais-moi un résumé », tu écris : « Résume ce texte en 5 points clairs, en évitant les détails techniques ».
🔁 Reformulation
Définition simple : Nouvelle formulation d’un prompt pour améliorer la réponse.
En clair : Si ChatGPT ne comprend pas ou répond mal, tu reformules la demande en d’autres mots.
Exemple : « Fais-moi un plan » devient « Donne-moi une structure en 3 parties, simple et claire. »
⚖️ RGPD
Définition simple : Le RGPD (Règlement Général sur la Protection des Données) est la loi européenne qui protège les données personnelles des citoyens.
En clair : Il oblige les entreprises à te demander ton accord pour collecter, stocker ou utiliser tes données personnelles.
Exemple : Un site doit t’informer si tes données sont stockées ou transmises, et te proposer de les supprimer si tu le demandes.
🧬 Réseaux de neurones artificiels
Définition simple : Un réseau de neurones artificiels est un système informatique inspiré du cerveau humain, composé de « neurones » connectés entre eux.
En clair : Il imite le fonctionnement des neurones biologiques : il reçoit des données, les transforme à travers plusieurs couches, puis donne une réponse qu’il peut ajuster au fil du temps. Cette technologie est au cœur du deep learning.
Exemple : Lorsqu’un smartphone reconnaît un visage sur une photo, il utilise un réseau de neurones artificiels pour identifier les traits caractéristiques du visage.
🧬 Réseaux neuronaux
Définition simple : Architecture mathématique inspirée du cerveau humain utilisée pour traiter des données complexes.
En clair : Les données circulent à travers des couches de « neurones » simulés qui les transforment peu à peu pour produire une réponse.
Exemple : Un réseau neuronal peut apprendre à traduire automatiquement une phrase d’une langue à une autre.
🔣 Token
Définition simple : Un morceau de mot utilisé par l’IA pour découper le texte. C’est l’unité de base que le modèle traite.
En clair : L’IA ne compte pas en mots, mais en « jetons ». Un mot peut faire 1, 2 ou 3 tokens.
Exemple : Le mot « fantastique » peut compter pour 2 tokens. Un texte de 1 000 mots ≈ 1 500 tokens.
🪜 Étape par étape
Définition simple : Façon de demander une réponse structurée et progressive.
En clair : Cette formule aide ChatGPT à organiser sa réponse en plusieurs points clairs et numérotés.
Exemple : « Apprends-moi à méditer étape par étape », ou « Donne-moi une méthode en 5 étapes pour mieux dormir. »