- Intelligence artificielle (IA)
- L'intelligence artificielle désigne des systèmes informatiques qui accomplissent des tâches nécessitant normalement l'intelligence humaine – comme comprendre le langage, rédiger du texte, reconnaître des images ou faire des prédictions. L'IA moderne apprend à partir de grandes quantités de données au lieu d'être programmée avec des règles fixes.
- Apprentissage automatique
- L'apprentissage automatique est un sous-domaine de l'IA dans lequel un système apprend des modèles à partir d'exemples et s'améliore sans que chaque règle soit programmée individuellement. Plus les données sont adaptées, meilleurs sont les résultats.
- IA générative
- L'IA générative crée de nouveaux contenus tels que des textes, des images, du code ou de la musique – contrairement à une IA qui se contente de classer ou de prédire. ChatGPT et Claude sont des exemples bien connus d'IA générative.
- Grand modèle de langage (LLM)
- Un grand modèle de langage (LLM) est une IA entraînée sur d'énormes quantités de texte, qui comprend et génère le langage. Il prédit le mot suivant le plus probable et peut répondre à des questions, rédiger des textes et résumer des contenus.
- ChatGPT
- ChatGPT est un agent conversationnel d'IA d'OpenAI basé sur un grand modèle de langage. Vous posez des questions ou donnez des tâches en langage courant, et ChatGPT répond par du texte – utile pour la rédaction, la recherche, les idées et bien plus encore.
- Claude
- Claude est un assistant d'IA d'Anthropic, comparable à ChatGPT. Claude est conçu pour fournir des réponses utiles, sûres et traçables, et il est également utilisé chez absofort pour évaluer des tâches pratiques.
- Prompt
- Un prompt est l'entrée ou l'instruction que vous donnez à une IA – votre question ou votre tâche. Plus le prompt est clair et précis, meilleur est le résultat.
- Prompt engineering
- Le prompt engineering est l'art de formuler des prompts pour que l'IA fournisse des résultats solides et pertinents. Cela inclut des objectifs clairs, du contexte, des exemples et une amélioration progressive de l'instruction.
- Token
- Un token est une unité de texte dans laquelle les modèles de langage d'IA découpent le texte – généralement un mot ou une partie de mot. La longueur des entrées et des sorties, ainsi que le coût de nombreux services d'IA, se mesurent en tokens.
- Hallucination
- Une hallucination est une réponse de l'IA qui paraît convaincante mais qui est factuellement fausse ou inventée. Les résultats de l'IA doivent donc toujours être vérifiés de manière critique, en particulier pour les chiffres, les sources et les noms.
- Agent IA
- Un agent IA est un système d'IA qui ne se contente pas de répondre, mais qui exécute de manière autonome plusieurs étapes pour atteindre un objectif – par exemple en utilisant des outils, en recherchant des informations et en accomplissant des sous-tâches.
- Entraînement & fine-tuning
- L'entraînement est le processus par lequel un modèle d'IA apprend à partir de données. Le fine-tuning consiste à adapter davantage un modèle déjà entraîné avec des données supplémentaires et spécifiques – par exemple à un secteur ou à une tâche.
- Biais
- Un biais est une distorsion systématique dans les résultats de l'IA, causée par des données d'entraînement déséquilibrées. L'IA peut ainsi produire des réponses injustes ou partiales – une raison importante de remettre les résultats en question.
- Protection des données & IA (LPD)
- Lors de l'utilisation de l'IA, les données personnelles sensibles ne doivent pas être saisies dans les outils sans réflexion préalable. En Suisse, la loi révisée sur la protection des données (LPD) s'applique ; les entreprises doivent déterminer quelles données peuvent être envoyées à quels services d'IA.