AGI (Artificial General Intelligence) — Intelligence Artificielle Générale. Système hypothétique capable d’accomplir n’importe quelle tâche intellectuelle comme un humain.
Algorithme — Séquence d’instructions logiques permettant à un programme informatique d’accomplir une tâche.
Apprentissage par renforcement — Méthode d’apprentissage automatique où un agent apprend par essais et erreurs en recevant des récompenses ou des pénalités.
Apprentissage supervisé — Entraînement d’un modèle IA sur des données étiquetées (exemples avec réponses connues).
Apprentissage non supervisé — Entraînement d’un modèle IA sans étiquettes, pour découvrir des structures dans les données.
Backpropagation — Algorithme fondamental pour entraîner les réseaux de neurones artificiels.
CNN (Convolutional Neural Network) — Architecture de réseau de neurones spécialisée dans l’analyse d’images.
Deep Learning — Apprentissage automatique basé sur des réseaux de neurones artificiels profonds (à multiples couches).
Deepfake — Contenu audiovisuel (vidéo, image, audio) manipulé par IA pour représenter quelqu’un disant ou faisant quelque chose qu’il n’a pas fait.
GPU (Graphics Processing Unit) — Processeur graphique massivement parallèle, essentiel pour l’entraînement des modèles de Deep Learning.
LLM (Large Language Model) — Grand modèle de langage. Modèle d’IA entraîné sur d’immenses corpus de textes pour comprendre et générer du langage naturel.
NLP (Natural Language Processing) — Traitement automatique du langage naturel.
Prompt — Instruction ou question donnée à un modèle d’IA générative pour obtenir une réponse.
Prompt Engineering — Discipline consistant à concevoir des prompts optimaux pour obtenir les meilleures réponses d’un modèle IA.
RLHF (Reinforcement Learning from Human Feedback) — Technique d’alignement où des humains évaluent les sorties du modèle pour l’améliorer.
Transformer — Architecture de réseau de neurones introduite en 2017, basée sur le mécanisme d’attention, qui est la base des modèles de langage modernes.