Intelligence Artificielle (AI)
Discipline qui conçoit des systèmes capables d'apprendre, de raisonner et de prendre des décisions de manière autonome.
Plus de 30 termes d'intelligence artificielle expliqués : des modèles (GPT, Claude, Gemini) aux techniques (RAG, fine-tuning, embedding), jusqu'aux thèmes d'éthique et de safety.
Discipline qui conçoit des systèmes capables d'apprendre, de raisonner et de prendre des décisions de manière autonome.
Ensemble de techniques permettant aux systèmes d'apprendre à partir des données sans être explicitement programmés.
Sous-domaine du Machine Learning basé sur des réseaux de neurones profonds à plusieurs couches.
Modèle linguistique de grande taille entraîné sur des milliards de mots pour comprendre et générer du texte.
Famille de LLM d'OpenAI qui génère du texte cohérent à partir d'un prompt.
Architecture de réseau neuronal qui a révolutionné l'AI, à la base de GPT, BERT, Claude et Gemini.
L'art de rédiger des instructions efficaces pour tirer le meilleur parti des modèles AI.
Technique qui combine les LLM et les bases de données documentaires pour des réponses basées sur les sources de l'entreprise.
Processus de spécialisation d'un modèle AI sur des données spécifiques à un domaine.
Représentation numérique de texte, d'images ou d'audio dans un espace vectoriel.
Base de données optimisée pour stocker et rechercher des embeddings à haute vitesse.
Système AI autonome qui raisonne, planifie et utilise des outils pour accomplir des tâches complexes.
Branche de l'AI qui permet aux ordinateurs d'interpréter des images et des vidéos.
Discipline qui s'occupe du traitement automatique du langage humain.
Catégorie de modèles qui créent de nouveaux contenus : texte, images, audio, vidéo, code.
Architecture générative à la base de DALL·E, Stable Diffusion, Midjourney.
Modèle computationnel inspiré du cerveau humain, composé de neurones artificiels interconnectés.
Capacité d'un LLM à invoquer des fonctions externes (API, code) pour exécuter des actions réelles.
Utilisation de l'AI pour exécuter des processus répétitifs sans intervention humaine.
Utilisation de modèles ML pour prédire des événements futurs à partir de données historiques.
Phénomène par lequel un LLM génère des informations fausses mais plausibles.
Discipline qui étudie comment rendre les systèmes d'AI fiables, sûrs et alignés avec les valeurs humaines.
Contenus audio ou vidéo manipulés par AI pour imiter des personnes réelles.
Technologie AI qui reproduit la voix d'une personne à partir de courts échantillons audio.
Entreprise américaine créatrice de GPT, ChatGPT, DALL·E et Sora.
Entreprise d'AI fondée par d'anciens membres d'OpenAI, créatrice de la famille Claude.
Plateforme open-source de référence pour les modèles AI partagés par la communauté.
Exécution de modèles AI directement sur l'appareil plutôt que dans le cloud.
Un ensemble de pratiques pour mettre les modèles ML en production et garantir leur fiabilité.
Préjugés systématiques qu'un modèle apprend à partir des données de training.