Vocabulaire de l'IA : les 15 termes à connaître pour ne plus être perdu

Cinq mots suffisent à comprendre 90 % des conversations sur l'IA : modèle, LLM, prompt, token et hallucination. Les dix autres de cette liste servent surtout à ne pas se faire vendre une calculatrice pour un salarié numérique.

Ce lexique est fait pour être gardé sous la main. Chaque terme tient en une ligne, suivi de ce qu'il change vraiment quand tu utilises un outil. Tu peux le lire en entier ou sauter directement au mot qui te bloque.

IA, modèle, LLM : les trois mots qu'on confond en permanence

L'intelligence artificielle est un terme parapluie. Il désigne tout système qui reçoit une information et en produit une autre : une réponse, une prédiction, une recommandation. Dire « j'utilise de l'IA » est aussi précis que dire « j'utilise Internet ».

Un modèle, c'est le moteur. C'est le composant entraîné qui transforme ta demande en réponse. GPT, Claude, Gemini, Mistral sont des modèles. Ils ont chacun leurs forces, leur prix et leurs limites, et ils changent plusieurs fois par an.

Un LLM (large language model, ou grand modèle de langage) est un type de modèle spécialisé dans le texte. C'est celui que tu utilises quand tu discutes avec un assistant. Il a appris sur d'énormes quantités de texte à prédire la suite la plus probable, et c'est exactement pour ça qu'il écrit bien sans pour autant savoir ce qui est vrai.

Retiens la hiérarchie : l'IA est la catégorie, le LLM est une famille de modèles, et le modèle est le moteur qui tourne sous le capot de l'outil que tu ouvres.

Prompt, entrée, sortie : le vocabulaire de ta conversation

L'entrée, c'est tout ce que tu donnes au système : ton message, un fichier, une image, des données. La sortie, c'est ce qu'il te renvoie.

Le prompt, c'est simplement le nom de ton entrée quand elle est écrite. Ce n'est pas une formule magique, c'est une consigne. Un bon prompt contient quatre choses : le contexte, l'objectif, le ton attendu et les contraintes.

La conséquence est brutale mais utile : une entrée vague donne une sortie vague. Avant d'accuser l'outil, relis ta demande et demande-toi si un humain qui ne connaît rien à ton activité saurait quoi en faire.

Inférence, token, fenêtre de contexte : pourquoi ça coûte et pourquoi ça oublie

L'inférence est le moment où le modèle traite ton entrée pour produire une sortie. C'est ce qui se passe pendant que le curseur clignote. C'est aussi ce qui est facturé quand tu passes par un outil payant.

Un token est un morceau de mot, l'unité que le modèle manipule. En français, un token vaut environ trois quarts d'un mot. Les prix des outils sont presque toujours exprimés en tokens, d'où les additions surprenantes quand tu colles des documents entiers.

La fenêtre de contexte est la quantité de tokens que le modèle peut garder en tête en même temps : ta conversation, tes fichiers, ses propres réponses. Quand elle est saturée, le début de l'échange sort du champ. C'est la vraie explication derrière « il a oublié ce que je lui ai dit tout à l'heure », et le réflexe correct est d'ouvrir une nouvelle conversation en recollant l'essentiel.

Hallucination : le terme le plus important de toute la liste

Une hallucination, c'est une réponse fausse produite avec la même assurance qu'une réponse juste. Une source inventée, une date erronée, une citation qui n'existe pas, un article de loi imaginaire.

Ce n'est pas un bug rare, c'est une conséquence directe du fonctionnement. Le modèle génère la suite la plus plausible, pas la plus vraie. Il n'a aucun moyen interne de savoir qu'il ne sait pas.

La règle pratique tient en une phrase : plus une information est vérifiable et précise, plus tu dois la vérifier. Chiffres, noms propres, sources, références légales, données récentes. Pour le reste, reformulation, structure, brainstorming, résumé d'un texte que tu fournis toi-même, le risque est très faible.

Agent, autonomie, API : quand l'IA passe à l'action

Un agent est un système d'IA qui ne se contente pas de répondre : il enchaîne des étapes pour atteindre un objectif. Il peut chercher une information, utiliser un outil, décider de l'étape suivante et recommencer.

L'autonomie décrit ce qu'il peut faire sans te demander. Un assistant classique attend une consigne à chaque tour. Un système semi-autonome prépare tout seul et s'arrête à un point de validation. Un système pleinement autonome agit jusqu'au bout. Pour presque tous les usages professionnels, le semi-autonome est le bon réglage : la machine prépare, tu valides ce qui t'engage.

Une API est le branchement qui permet à un système d'en utiliser un autre : envoyer un mail, créer une ligne dans un tableur, publier un post. Sans API, un agent peut écrire ce qu'il faudrait faire. Avec, il peut le faire.

Quand un outil se présente comme un agent, trois questions suffisent : quelles actions peut-il déclencher, sur quels outils, et lesquelles passent par ta validation ? Si la réponse reste floue, c'est souvent juste un chatbot avec un costume de robot manager.

RAG, fine-tuning, multimodal : les mots qu'on va te vendre

Le RAG (retrieval-augmented generation) consiste à donner au modèle accès à tes propres documents au moment de répondre. C'est ce qui se passe quand un outil « connaît » ta base de connaissances ou tes PDF. Le modèle n'a rien appris de nouveau, il a juste reçu les bons extraits en entrée.

Le fine-tuning, c'est réentraîner un modèle sur tes données pour modifier son comportement par défaut. C'est coûteux, technique, et neuf fois sur dix inutile : un bon prompt et du RAG règlent le problème. Si un prestataire te propose du fine-tuning d'emblée, demande pourquoi les deux autres options ne suffisent pas.

Multimodal signifie que le modèle accepte autre chose que du texte : images, audio, documents, parfois vidéo. Concrètement, tu peux photographier une facture, une capture d'écran ou une page manuscrite et demander un traitement dessus.

Deux derniers mots qui reviennent souvent : le déploiement, c'est la mise en service réelle d'un système, et un modèle open source est un modèle librement téléchargeable, que tu peux faire tourner sur ton propre serveur, ce qui devient intéressant dès que tes données sont sensibles.

Le mémo à garder sous la main

• IA : catégorie générale des systèmes qui produisent une sortie à partir d'une entrée.
• Modèle : le moteur entraîné qui génère la réponse.
• LLM : modèle spécialisé dans le texte, celui des assistants conversationnels.
• Entrée : ce que tu fournis au système.
• Prompt : ta consigne écrite, c'est-à-dire ton entrée.
• Sortie : ce que le système produit. Un résultat, pas une vérité.
• Inférence : le traitement qui relie l'entrée à la sortie.
• Token : l'unité de texte manipulée et facturée, environ trois quarts d'un mot.
• Fenêtre de contexte : ce que le modèle peut garder en mémoire à un instant donné.
• Hallucination : une réponse fausse énoncée avec assurance.
• Agent : système qui enchaîne des actions pour atteindre un objectif.
• Autonomie : ce que le système fait sans te demander.
• API : connexion qui lui permet d'agir dans un autre outil.
• RAG : technique qui lui donne accès à tes documents au moment de répondre.
• Fine-tuning : réentraînement sur tes données. Rarement nécessaire.
• Multimodal : accepte images, audio ou documents, pas seulement du texte.
• Déploiement : mise en service dans un environnement réel.

Le réflexe à prendre quand un mot te bloque

Tu n'as pas besoin de réciter ce lexique. Tu as besoin de savoir, face à n'importe quel outil, ce qu'il reçoit, ce qu'il produit et ce qu'il peut faire sans toi.

Et quand un terme inconnu tombe dans une conversation ou une page de vente, la solution la plus rapide est de le faire expliquer dans ton propre contexte plutôt que d'ouvrir une définition générique :

Explique-moi le terme suivant comme à quelqu'un d'intelligent mais non technique.

Terme : [LE MOT]
Mon métier : [TON ACTIVITÉ]

Donne-moi :
1. une définition en deux phrases maximum
2. un exemple concret dans mon métier
3. ce que ça change pour moi en pratique
4. une erreur fréquente à éviter avec ce terme

Pas de jargon. Si tu dois utiliser un autre mot technique, définis-le au passage.

Garde ce prompt de côté : il transforme chaque mot inconnu en cinq lignes utiles au lieu d'une page Wikipédia. Lorsque tu utiliseras le contenu fournit sur iapourdevrai.fr , tu pourras également retrouver facilement les explications des termes.

Et maintenant, quel terme de l'IA te paraît encore le plus flou ?