LLM, prompt, token, agent, hallucination… L'IA arrive avec tout un vocabulaire, souvent en anglais. Voici les mots qu'on croise le plus, chacun expliqué en deux phrases, avec un exemple concret.
Les bases
Intelligence artificielle (IA)AI
Des programmes capables de faire des tâches qu'on croyait réservées aux humains : comprendre un texte, reconnaître une image, répondre à une question, prendre une décision simple.
Concrètement : le filtre anti-spam de votre messagerie, la traduction automatique ou ChatGPT sont tous de l'IA.
Apprentissage automatiqueMachine learning
Au lieu d'écrire toutes les règles à la main, on montre à la machine beaucoup d'exemples et elle trouve les règles toute seule.
Concrètement : on lui montre des milliers de mails classés « spam » ou « normal », et elle apprend à trier les suivants.
Apprentissage profondDeep learning
Une forme d'apprentissage automatique qui utilise des réseaux de neurones à très nombreuses couches. C'est la technique derrière presque toute l'IA récente.
Concrètement : la reconnaissance de visage de votre téléphone repose sur l'apprentissage profond.
Réseau de neuronesNeural network
Un calcul inspiré, de loin, du cerveau : des milliers de petites unités reliées entre elles, qui se renforcent ou s'affaiblissent pendant l'apprentissage.
Concrètement : c'est la « mécanique » à l'intérieur d'un modèle comme ChatGPT ou Gemini.
AlgorithmeAlgorithm
Une suite d'étapes précises pour résoudre un problème, comme une recette de cuisine. Tous les programmes en sont faits, l'IA comprise.
Concrètement : « l'algorithme » de YouTube décide quelles vidéos vous proposer ensuite.
ModèleModel
Le résultat de l'apprentissage : un gros fichier qui contient ce que la machine a appris, et qu'on interroge ensuite. GPT, Claude, Gemini, Llama ou Mistral sont des familles de modèles.
Concrètement : quand on dit « le nouveau modèle de Google », on parle d'une nouvelle version de ce cerveau entraîné.
Données d'entraînementTraining data
Les exemples qu'on donne à la machine pour qu'elle apprenne : textes, images, sons. La qualité du modèle dépend beaucoup de la qualité de ces données.
Concrètement : un modèle entraîné surtout sur des textes en anglais sera moins bon en darija.
EntraînementTraining
La phase où le modèle apprend à partir des données. Elle est longue et coûteuse, et se fait une fois, avant que le modèle soit mis à disposition.
Concrètement : entraîner un grand modèle demande des milliers de puces spécialisées pendant des semaines.
InférenceInference
Le moment où l'on utilise le modèle déjà entraîné : on lui pose une question, il produit une réponse. C'est ce qui se passe à chaque message envoyé.
Concrètement : chaque fois que vous écrivez à ChatGPT, c'est une inférence.
IA générativeGenerative AI
Une IA qui crée du contenu nouveau : texte, image, son, vidéo, code. Elle ne recopie pas, elle produit à partir de ce qu'elle a appris.
Concrètement : demander « rédige une offre d'emploi pour un comptable » et obtenir un texte prêt à relire.
IA généraleAGI
Une IA hypothétique qui serait aussi capable qu'un humain dans presque toutes les tâches intellectuelles. Elle n'existe pas aujourd'hui, et les experts ne s'accordent ni sur sa définition ni sur sa date.
Concrètement : quand un patron de la tech parle d'AGI, c'est un objectif annoncé, pas un produit disponible.
↑ Haut de page
Les modèles de langage
Grand modèle de langageLLM, Large Language Model
Un modèle entraîné sur d'énormes quantités de texte pour comprendre et écrire du langage. C'est le moteur de ChatGPT, Claude, Gemini ou Le Chat de Mistral.
Concrètement : résumer un rapport, traduire un mail, rédiger un courrier : c'est un LLM qui travaille.
GPTGenerative Pre-trained Transformer
Le nom de la famille de modèles d'OpenAI, l'entreprise qui fait ChatGPT. Le sigle décrit la technique : un modèle génératif, pré-entraîné, de type Transformer.
Concrètement : ChatGPT est l'application, GPT est le modèle qui tourne derrière.
Transformer
L'architecture inventée chez Google en 2017 sur laquelle reposent presque tous les modèles de langage actuels. Sa force : regarder tous les mots d'un texte en même temps pour en saisir le sens.
Concrètement : c'est le « T » de GPT.
ChatbotAgent conversationnel
Un programme avec lequel on discute par écrit ou à la voix. Les chatbots récents s'appuient sur un LLM et comprennent des phrases libres.
Concrètement : l'assistant qui répond aux clients sur le site d'une banque ou sur WhatsApp.
PromptInvite, consigne
Le texte qu'on écrit à l'IA pour lui dire ce qu'on veut. Plus il est précis (contexte, objectif, format attendu), meilleure est la réponse.
Concrètement : « Résume ce compte rendu en 5 points pour mon directeur, ton formel » est un bon prompt ; « résume » tout court l'est moins.
Prompt systèmeSystem prompt
Des consignes données à l'IA avant la conversation, que l'utilisateur ne voit pas toujours. Elles fixent son rôle, son ton et ses limites.
Concrètement : « Tu es l'assistant RH de l'entreprise, réponds en français, ne donne jamais de salaire. »
TokenJeton
Le petit morceau de texte que le modèle lit et écrit : un mot court, ou un bout de mot. Les limites et les prix des IA se comptent en tokens.
Concrètement : « intelligence » peut être découpé en deux ou trois tokens ; une page de texte en fait quelques centaines.
Fenêtre de contexteContext window
La quantité de texte que le modèle peut garder en tête en même temps : votre question, les documents joints et la conversation. Au-delà, il oublie le début.
Concrètement : une grande fenêtre permet de donner un contrat entier et de poser des questions dessus.
ParamètresParameters
Les réglages internes du modèle, appris pendant l'entraînement. On parle de « milliards de paramètres » pour donner une idée de sa taille.
Concrètement : un modèle « 8B » a 8 milliards de paramètres ; plus c'est gros, plus c'est capable en général, mais plus c'est lourd à faire tourner.
Hallucination
Quand l'IA invente une information fausse et la présente avec assurance : un chiffre, une loi, une référence qui n'existe pas. C'est le principal piège des LLM.
Concrètement : demander un article de loi et recevoir un numéro d'article inventé. D'où la règle : toujours vérifier à la source.
TempératureTemperature
Un réglage qui dose la part de hasard dans les réponses. Basse, l'IA reste prévisible et factuelle ; haute, elle devient plus créative, et plus fantaisiste.
Concrètement : température basse pour extraire des montants d'une facture, plus haute pour trouver des idées de slogan.
Multimodal
Un modèle qui comprend plusieurs types de contenus à la fois : texte, images, son, parfois vidéo.
Concrètement : photographier un tableau Excel imprimé et demander à l'IA d'en faire le total.
Modèle de raisonnementReasoning model
Un modèle qui « réfléchit » par étapes avant de répondre. Il est plus lent, mais plus fiable sur les calculs, la logique et les problèmes complexes.
Concrètement : utile pour vérifier un calcul de marge ou planifier un projet en plusieurs étapes.
Fine-tuningAffinage
Reprendre un modèle déjà entraîné et le spécialiser avec ses propres exemples, pour qu'il adopte un style, un vocabulaire ou une tâche précise.
Concrètement : affiner un modèle sur des centaines de réponses du service client pour qu'il réponde « comme la maison ».
Open source, poids ouvertsOpen weights
Un modèle dont le fichier est publié : chacun peut le télécharger, l'installer sur sa machine et l'adapter. À l'opposé, un modèle fermé ne s'utilise qu'à travers le service de son éditeur.
Concrètement : Llama (Meta), Mistral ou Gemma (Google) existent en version ouverte ; GPT-5 ou Claude sont fermés.
BenchmarkBanc d'essai
Un test standard qui sert à comparer les modèles entre eux : questions de maths, de code, de culture générale. Utile, mais un bon score ne garantit pas un bon résultat sur votre cas.
Concrètement : « meilleur score sur tel benchmark » dans une annonce = bon signe, à vérifier sur ses propres tâches.
↑ Haut de page
Utiliser l'IA au travail
Prompt engineeringArt de la consigne
La façon d'écrire ses consignes pour obtenir de bonnes réponses : donner le contexte, un rôle, un exemple, le format voulu, et itérer.
Concrètement : joindre un modèle de courrier et dire « même ton, même longueur » donne un bien meilleur résultat.
Assistant IA, copiloteAI assistant, copilot
Une IA intégrée à un outil qu'on utilise déjà (messagerie, tableur, traitement de texte) pour aider sur place. Elle propose, l'humain décide.
Concrètement : demander dans son tableur « fais-moi un graphique des ventes par mois ».
Agent IAAI agent
Une IA qui ne se contente pas de répondre : elle enchaîne des actions seule pour atteindre un but (chercher, lire, remplir, envoyer), en utilisant des outils.
Concrètement : « trouve les trois devis reçus cette semaine, compare-les dans un tableau et prépare-moi un mail de réponse ». Un humain valide avant l'envoi.
RAGRetrieval-Augmented Generation
Une technique qui fait d'abord chercher l'IA dans vos propres documents, puis répondre à partir de ce qu'elle a trouvé. Elle hallucine moins et peut citer ses sources.
Concrètement : un assistant qui répond aux questions des employés en s'appuyant sur le règlement intérieur de l'entreprise.
Base de connaissancesKnowledge base
L'ensemble des documents qu'on met à disposition de l'IA : procédures, contrats, fiches produits, FAQ. Bien rangée, elle rend l'IA beaucoup plus utile.
Concrètement : un dossier de procédures internes que l'assistant consulte avant de répondre.
Embedding, vecteurPlongement
Une façon de transformer un texte en liste de nombres qui représente son sens. Deux textes qui parlent de la même chose ont des nombres proches.
Concrètement : c'est ce qui permet de retrouver « congé maladie » quand on cherche « arrêt de travail ».
API
Une porte d'entrée qui permet à un programme de parler à un autre. Les éditeurs d'IA vendent l'accès à leurs modèles par API, souvent facturé au token.
Concrètement : brancher un modèle d'IA sur son propre logiciel de gestion pour classer automatiquement les factures.
MCPModel Context Protocol
Un standard ouvert, lancé par Anthropic, qui permet de brancher une IA sur des outils et des données (agenda, messagerie, fichiers, logiciels) de façon uniforme.
Concrètement : grâce à un connecteur MCP, l'assistant peut lire votre agenda et proposer un créneau.
Automatisation, workflowFlux de travail
Enchaîner des tâches répétitives sans intervention humaine, d'un outil à l'autre. Avec l'IA, l'automatisation sait aussi lire, trier et rédiger.
Concrètement : chaque facture reçue par mail est lue, ses montants extraits et ajoutés dans un tableau.
OCRReconnaissance de caractères
Transformer une image ou un scan en texte qu'on peut copier, chercher et traiter. Couplé à l'IA, il comprend aussi la structure du document.
Concrètement : photographier un bon de livraison et récupérer la liste des articles dans un tableau.
Humain dans la boucleHuman in the loop
Le principe qui veut qu'une personne relise et valide ce que l'IA a préparé avant que ça parte. C'est la bonne pratique dès qu'il y a de l'argent, un client ou une décision en jeu.
Concrètement : l'IA rédige la réponse au client, le responsable la relit et clique sur « envoyer ».
↑ Haut de page
Les machines
GPUProcesseur graphique
Une puce conçue au départ pour les jeux vidéo, devenue l'outil de base de l'IA parce qu'elle fait énormément de calculs en parallèle. Nvidia domine ce marché.
Concrètement : la course aux GPU explique pourquoi on parle autant de Nvidia dans l'actualité de l'IA.
Data centerCentre de données
Un bâtiment rempli de serveurs qui stockent des données et font tourner les services en ligne, dont l'IA. Il consomme beaucoup d'électricité et d'eau pour le refroidissement.
Concrètement : quand vous parlez à un chatbot, la réponse est calculée dans un data center, parfois à l'autre bout du monde.
CloudNuage
Utiliser des ordinateurs et des logiciels à distance, par Internet, au lieu de les installer chez soi. La plupart des IA s'utilisent dans le cloud.
Concrètement : ChatGPT ou Gemini dans le navigateur : rien n'est installé sur votre ordinateur.
IA en localLocal AI, on-premise
Faire tourner un modèle ouvert sur sa propre machine ou son propre serveur. Les données ne sortent pas de chez soi, mais il faut un ordinateur assez puissant.
Concrètement : analyser des documents confidentiels avec un modèle installé sur un PC de l'entreprise, sans rien envoyer sur Internet.
QuantificationQuantization
Une technique qui « compresse » un modèle pour qu'il prenne moins de place et tourne sur une machine plus modeste, au prix d'une petite perte de qualité.
Concrètement : c'est ce qui permet de faire tourner un modèle de plusieurs milliards de paramètres sur un ordinateur portable.
↑ Haut de page
Risques et règles
BiaisBias
Quand l'IA reproduit les déséquilibres présents dans ses données d'entraînement : préjugés, angles morts, sous-représentation de certaines langues ou populations.
Concrètement : un outil de tri de CV entraîné sur d'anciens recrutements peut écarter des profils sans raison valable.
Données personnellesPersonal data
Toute information qui permet d'identifier une personne : nom, CIN, téléphone, photo, salaire. Au Maroc, elles sont protégées par la loi 09-08, sous le contrôle de la CNDP.
Concrètement : avant de coller un fichier de clients ou de salariés dans une IA en ligne, se demander où ces données vont aller.
ConfidentialitéPrivacy
Savoir ce que devient ce qu'on écrit à une IA : est-ce stocké, relu, utilisé pour entraîner le modèle ? Les offres professionnelles donnent en général plus de garanties que les versions gratuites.
Concrètement : vérifier dans les paramètres du service si l'option « utiliser mes conversations pour l'entraînement » est désactivée.
Droit d'auteurCopyright
La question de savoir qui possède un contenu créé par l'IA, et si les modèles avaient le droit d'apprendre sur des œuvres protégées. Le sujet est encore débattu devant les tribunaux, dans plusieurs pays.
Concrètement : pour un logo ou une campagne, vérifier les conditions d'utilisation commerciale de l'outil utilisé.
AlignementAlignment
L'ensemble des efforts pour qu'une IA fasse ce que les humains veulent vraiment, sans effet indésirable ni comportement dangereux.
Concrètement : c'est pour ça qu'un chatbot refuse d'expliquer comment fabriquer une arme.
ExplicabilitéExplainability
La capacité à comprendre pourquoi une IA a pris une décision. Les grands modèles restent en partie des « boîtes noires ».
Concrètement : pour un refus de crédit décidé avec l'aide d'une IA, le client doit pouvoir obtenir une explication.
Souveraineté numériqueDigital sovereignty
La capacité d'un pays ou d'une entreprise à garder la maîtrise de ses données et de ses outils numériques, sans dépendre entièrement de fournisseurs étrangers.
Concrètement : héberger les données sensibles d'une administration sur des serveurs situés au Maroc.
↑ Haut de page
Aucun mot ne correspond. Essayez un autre terme, ou écrivez-nous sur WhatsApp pour qu'on l'ajoute.
Un mot vous manque, ou une explication n'est pas claire ? Écrivez-nous sur WhatsApp, le glossaire s'enrichit au fil des questions. Pour suivre l'actualité, voir Actus IA, mise à jour deux fois par jour.