Glossaire de l'IA

Un agent IA est un système qui ne se contente pas de répondre : il décompose un objectif en étapes, choisit des outils, exécute des actions et observe les résultats avant de continuer. Un agent de code peut ainsi lire des fichiers, lancer des tests et corriger le code en boucle. L'autonomie a un revers : une erreur de raisonnement peut se propager sur plusieurs étapes sans contrôle humain.

L'agentic engineer est un profil de développeur qui pilote des agents IA tout en gardant la maîtrise de l'architecture, des tests et de la qualité du code. À la différence du vibe coder, il lit ce que l'IA produit, sait l'évaluer et reprendre la main. Chez Joute, c'est l'un des deux profils de référence pour situer un outil. La devise associée : déléguer l'exécution, pas la compréhension.

Le function calling permet à un modèle de demander l'exécution d'un outil externe (recherche web, calcul, requête API) en produisant un appel structuré, puis d'intégrer le résultat à sa réponse. C'est le mécanisme de base des agents : il relie le langage à des actions réelles. Le protocole MCP standardise cette connexion aux outils.

Une base vectorielle stocke des textes sous forme d'embeddings et retrouve les plus proches d'une requête par similarité. C'est le moteur de recherche derrière le RAG : on y indexe des documents pour ensuite alimenter un LLM avec les passages pertinents. Pinecone, Weaviate ou pgvector en sont des exemples.

Un benchmark est un jeu de tests standardisé servant à comparer les modèles sur une tâche : code, mathématiques, compréhension. Il donne un repère chiffré, utile mais limité. Un modèle peut être optimisé pour bien figurer sur un benchmark sans être meilleur en usage réel, et certains jeux de test finissent par fuiter dans les données d'entraînement.

La chaîne de pensée invite un modèle à détailler son raisonnement étape par étape avant de conclure, ce qui améliore les tâches de logique et de calcul. Les modèles dits de raisonnement en font un usage interne et structuré. À noter : le raisonnement affiché n'est pas toujours le vrai chemin suivi par le modèle.

La fenêtre de contexte est la quantité maximale de texte qu'un modèle peut prendre en compte en une seule fois : la consigne, l'historique de conversation et les documents fournis. Elle se mesure en tokens. Au-delà de cette limite, le modèle oublie le début de l'échange. Une fenêtre large permet d'analyser un long document, mais ne garantit pas que le modèle exploite bien chaque partie.

La distillation entraîne un petit modèle (l'élève) à imiter les sorties d'un grand modèle (le maître). On obtient un modèle plus léger et plus rapide qui conserve une partie des capacités du grand. C'est une raison pour laquelle de petits modèles récents rivalisent avec de plus gros, plus anciens.

À chaque mot, un LLM produit une distribution de probabilités sur les tokens possibles ; l'échantillonnage décide lequel choisir. Top-k limite le choix aux k tokens les plus probables, top-p (nucleus) aux tokens couvrant une masse de probabilité donnée. Ces réglages, avec la température, contrôlent l'équilibre entre fiabilité et variété.

Un embedding est la représentation d'un texte, d'une image ou d'un son sous forme de liste de nombres, un vecteur, qui capture son sens. Deux contenus proches en sens ont des vecteurs proches dans l'espace. Les embeddings rendent possibles la recherche sémantique, les recommandations et le RAG.

La fenêtre de contexte est la quantité maximale de texte (mesurée en tokens) qu'un modèle peut traiter d'un coup, prompt et réponse compris. Elle va de quelques milliers à plus d'un million de tokens selon les modèles. Une grande fenêtre n'est pas une mémoire : tout ce qui en sort est oublié, et la qualité d'usage du contexte se dégrade souvent au milieu de très longues entrées.

Le few-shot consiste à glisser quelques exemples de la tâche dans le prompt pour guider le modèle, sans le réentraîner. Le zero-shot demande la tâche directement, sans exemple. Donner deux ou trois bons exemples améliore souvent nettement la qualité, à moindre effort qu'un fine-tuning.

Le fine-tuning consiste à poursuivre l'entraînement d'un modèle déjà existant sur un jeu de données spécifique, pour l'adapter à un ton, un domaine ou un format précis. Il modifie les poids du modèle, contrairement au prompt ou au RAG. C'est utile pour spécialiser un comportement, mais coûteux et vite dépassé quand un nouveau modèle de base sort.

Un GAN oppose deux réseaux : un générateur qui fabrique des images et un discriminateur qui tente de distinguer le vrai du faux. Ils s'améliorent mutuellement. Cette approche, dominante avant les modèles de diffusion, reste utilisée pour certains usages comme l'upscaling ou les visages synthétiques.

Les garde-fous sont les filtres et règles qui encadrent ce qu'un modèle accepte de produire : refus de contenus dangereux, validation des sorties, limites d'action pour un agent. Ils sont nécessaires en production mais imparfaits, contournables par jailbreak ou injection de prompt, et parfois trop zélés au point de bloquer des usages légitimes.

La génération d'images crée des visuels à partir d'une description textuelle, le plus souvent au moyen de modèles de diffusion qui partent d'un bruit aléatoire et le débruitent étape par étape. Midjourney, Flux et Ideogram en sont des exemples. Les points sensibles restent le rendu du texte dans l'image, la cohérence d'un personnage d'une image à l'autre et les questions de droits d'auteur sur les données d'entraînement.

Le GPU, processeur graphique, est le matériel qui exécute les calculs massivement parallèles dont l'IA a besoin, à l'entraînement comme à l'inférence. Sa disponibilité et son prix conditionnent le coût des modèles. La dépendance du secteur à un petit nombre de fabricants de GPU est un facteur économique majeur de l'IA.

Une hallucination est une réponse fausse qu'un modèle présente avec assurance, comme une citation inventée ou une fonction logicielle inexistante. Elle découle du fonctionnement même des LLM, qui prédisent un texte plausible sans vérifier sa véracité. Aucun modèle n'en est totalement exempt : tout résultat à enjeu doit être vérifié à la source.

Un IDE IA est un environnement de développement où l'assistance par intelligence artificielle est native : complétion, génération de code, agents, conversation sur le projet. Cursor et Windsurf en sont des exemples, là où GitHub Copilot s'ajoute à un éditeur existant. L'IDE IA déplace le travail du développeur vers la relecture et le cadrage plutôt que la frappe.

L'inférence est la phase d'utilisation d'un modèle déjà entraîné : on lui envoie une entrée, il produit une sortie. Elle s'oppose à l'entraînement, qui crée le modèle. Chaque réponse d'un assistant IA est une inférence, dont le coût se mesure en calcul et en tokens. C'est là que se joue la vitesse perçue d'un outil.

L'injection de prompt consiste à glisser des instructions malveillantes dans un contenu que le modèle va lire (page web, document, e-mail) pour détourner son comportement. C'est la principale faille de sécurité des agents qui naviguent et lisent des sources externes. Aucune parade complète n'existe à ce jour, seulement des atténuations.

Un jailbreak est une manipulation de prompt visant à contourner les garde-fous d'un modèle pour lui faire produire un contenu normalement bloqué. Les techniques exploitent souvent un jeu de rôle ou des consignes contradictoires. Les éditeurs corrigent ces failles en continu, mais la sécurité d'un LLM reste un domaine ouvert plutôt qu'un problème résolu.

La latence est le délai avant le premier mot d'une réponse ; le débit, le nombre de tokens générés par seconde. Ces deux mesures déterminent le ressenti d'un assistant et le coût d'un usage à grande échelle. Un gros modèle plus « intelligent » mais lent n'est pas toujours le bon choix pour une tâche temps réel.

Un LLM, pour large language model, est un réseau de neurones entraîné à prédire le mot suivant sur d'immenses quantités de texte. De cette tâche simple émergent des capacités de rédaction, de traduction et de raisonnement partiel. GPT, Claude et Gemini sont des LLM. Un LLM ne consulte pas de base de connaissances en direct : il restitue ce que ses paramètres ont encodé pendant l'entraînement.

LoRA est une méthode de fine-tuning qui n'ajuste qu'un petit nombre de paramètres additionnels au lieu de réentraîner tout le modèle. Résultat : adapter un modèle à un style ou un domaine devient rapide et peu coûteux, sans GPU de data center. C'est l'approche standard pour personnaliser les modèles d'image open source.

Le MCP, Model Context Protocol, est un standard ouvert qui décrit comment un modèle d'IA se connecte à des outils et des sources de données externes : fichiers, bases, API. Il joue le rôle d'un port universel entre un assistant et son environnement, ce qui évite de recoder une intégration par outil. Claude, Cursor et plusieurs IDE IA le prennent en charge.

L'attention permet à un modèle, pour produire chaque mot, de pondérer la pertinence de tous les autres mots du contexte. C'est elle qui capture les dépendances longue distance dans un texte, là où les architectures précédentes décrochaient. Son coût de calcul croît avec le carré de la longueur du contexte, ce qui explique pourquoi les très longs contextes restent chers.

Un modèle MoE est découpé en sous-réseaux spécialisés, les experts, dont seuls quelques-uns s'activent pour chaque requête. On obtient la capacité d'un très gros modèle pour un coût d'inférence proche d'un plus petit. Mixtral et plusieurs modèles récents reposent sur cette approche.

Un modèle de diffusion génère une image (ou une vidéo) en partant d'un bruit aléatoire qu'il débruite progressivement jusqu'à obtenir un visuel cohérent avec la description. C'est l'approche dominante pour la génération d'images depuis Stable Diffusion. Elle offre un bon contrôle mais reste coûteuse en calcul à haute résolution.

Un modèle multimodal traite plusieurs types de données : texte, image, son, parfois vidéo. Il peut décrire une photo, lire un graphique ou répondre à une question vocale. La plupart des grands modèles récents sont multimodaux par défaut, mais leur niveau varie fortement d'un format à l'autre.

Le no-code permet de construire un logiciel sans écrire de code, via des interfaces visuelles. Les générateurs d'applications IA, comme Lovable, Bolt ou v0, en sont une évolution : on décrit l'application en langage naturel et l'outil produit une interface fonctionnelle. La limite reste la même que pour le vibe coding : passé le prototype, la maîtrise du code généré redevient nécessaire.

Un modèle à poids ouverts est un modèle dont les paramètres sont publiés et téléchargeables, ce qui permet de l'exécuter soi-même, de l'auditer et de l'affiner. La nuance compte : poids ouverts ne signifie pas toujours open source au sens strict, car les données et le code d'entraînement ne sont pas forcément fournis, et la licence peut restreindre l'usage commercial. Llama, Mistral et DeepSeek diffusent des modèles de ce type.

Les paramètres sont les valeurs internes d'un modèle, ajustées pendant l'entraînement, qui encodent ce qu'il « sait ». On les compte en milliards (7B, 70B, 405B). Plus de paramètres permet en général plus de capacités, mais au prix d'un calcul plus lourd. Le nombre de paramètres ne suffit pas à juger un modèle : la qualité des données et de l'entraînement compte autant.

Un prompt est l'instruction en langage naturel envoyée à un modèle d'IA. Le prompt engineering désigne la pratique consistant à formuler ces instructions pour obtenir un résultat fiable : préciser le rôle, le format attendu, donner des exemples, fixer des contraintes. Ce n'est pas de la programmation, mais une compétence de cadrage qui change nettement la qualité des réponses.

La quantification réduit la précision numérique des paramètres d'un modèle (par exemple de 16 à 4 bits) pour diminuer sa taille mémoire et accélérer l'inférence. Elle permet de faire tourner de gros modèles sur du matériel modeste, au prix d'une légère perte de qualité. C'est ce qui rend possible l'exécution locale de LLM sur un PC ordinaire.

Le RAG, retrieval-augmented generation, est une technique qui va chercher des documents pertinents dans une base externe, puis les fournit au modèle pour qu'il fonde sa réponse dessus. Cela permet de répondre sur des données récentes ou privées sans réentraîner le modèle, et de citer des sources. La qualité du RAG dépend autant de la recherche documentaire que du modèle lui-même.

Les modèles de raisonnement génèrent une suite d'étapes intermédiaires avant de donner leur réponse finale, une forme de brouillon interne. Cette approche améliore les résultats sur les problèmes de logique, de mathématiques et de code. Elle augmente le temps de réponse et le coût, et ne supprime pas les erreurs : un raisonnement détaillé peut rester faux.

Le risque d'obsolescence est l'indicateur signature de Joute : une note sur 10, distincte de la note de qualité, qui estime la probabilité qu'un outil perde son intérêt à mesure que les grands modèles progressent. Un outil dont la fonction peut être absorbée par ChatGPT, Claude ou Gemini reçoit un risque élevé. L'objectif est concret : éviter de payer un abonnement pour une couche d'interface vouée à disparaître.

Le RLHF aligne un modèle sur les préférences humaines : des annotateurs classent des réponses, et le modèle est ajusté pour produire celles jugées meilleures. C'est l'étape qui transforme un modèle brut, capable mais brut de décoffrage, en assistant utile et poli. Elle introduit aussi des biais propres aux choix de ceux qui annotent.

La température règle le degré d'aléatoire dans les réponses d'un modèle. Basse, elle rend les sorties déterministes et prévisibles, utile pour du code ou des faits. Haute, elle favorise la variété et la créativité, au risque d'erreurs. C'est le réglage le plus simple pour ajuster le comportement d'un LLM.

Un token est l'unité de base que manipule un modèle de langage : un morceau de mot, un mot court ou un signe de ponctuation. En français, un mot vaut souvent un à trois tokens. La tarification des API et la taille de la fenêtre de contexte se comptent en tokens, pas en mots ni en caractères.

Le Transformer est l'architecture de réseau de neurones qui sous-tend la quasi-totalité des LLM depuis 2017. Sa nouveauté est le mécanisme d'attention, qui laisse chaque mot pondérer l'importance de tous les autres dans le texte. C'est ce qui a rendu possible l'entraînement à grande échelle et le traitement de longs contextes. Le « T » de GPT signifie Transformer.

Le vibe coding désigne une façon de programmer où l'on décrit en langage naturel ce que l'on veut et où l'on accepte le code généré par l'IA sans toujours le relire en détail. L'expression a été popularisée par Andrej Karpathy. Cette approche permet de prototyper très vite, mais reporte la dette technique : le code produit reste à comprendre et à vérifier avant toute mise en production.