Lexique de l'IA pour briller en société (version 2026)

On a tous en nous cet enfant timide qui n’ose pas dire « je n’ai pas compris le mot au tableau » et préfère se taire par peur de déranger, ou pire, d’être jugé.

Alors pour lui, on s’est dit qu’il fallait créer un lexique IA. Mais pas n’importe lequel ; un lexique à trois niveaux ! Histoire de :

1. Poser le B.A-BA 🐣
2. Briller à la machine à café 🌟
3. Chuchoter à l’oreille des LLM 👂 

Et pour être sûrs que vos neurones sont bien connectés, on vous a même préparé un QCM pour vous tester… Enjoy !

Les termes que vous allez retrouver en 1-clic 👇

• Algorithme
• Bot
• Chatbot
• IA (Intelligence Artificielle)
• IA générative
• IA influenceurs
• LLM (Large Language Model)
• Modèle d’IA
• Prompt
• RGPD (Règlement Général sur la Protection des Données)

• Agent
• Slop IA
• Alignement
• Chaîne de pensée (Chain of Thought)
• Deepfake
• Hallucination (d’une IA)
• Multimodalité
• Réseau de neurones
• Speech-to-Text & Text-to-Speech
• Tokens
• Transformers

• Apprentissage automatique (Machine Learning)
• Apprentissage par renforcement
• Apprentissage supervisé
• Apprentissage non supervisé
• Apprentissage profond (Deep Learning)
• Fine-tuning
• Jailbreak
• Modèle open source
• Modèle propriétaire
• OCR (Reconnaissance Optique de Caractères)
• Prompt engineering
  
• RAG (Retrieval-Augmented Generation)

🐣 Poser le B.A-BA de l’IA

Algorithme : Suite d’instructions que l’on donne à un ordinateur pour résoudre un problème ou exécuter une tâche, étape par étape.
Exemple : L’algorithme de Google trie les résultats de recherche pour afficher en haut les pages les plus pertinentes.

Bot : Petit programme qui réalise automatiquement des tâches répétitives à la place des humains.
Exemple : Un bot de messagerie envoie automatiquement un accusé de réception lorsqu’il reçoit un e-mail.

Chatbot : Bot capable de discuter en langage naturel avec des utilisateurs.
Exemple : Un assistant virtuel sur un site de e-commerce qui répond à vos questions.

IA (Intelligence Artificielle) : Ensemble de techniques qui permettent à des machines de simuler certaines capacités humaines (apprendre, comprendre, résoudre des problèmes…).
Exemple : Netflix recommande des films en fonction de vos préférences.

IA générative : Sous-ensemble de l’IA axé sur la génération de nouvelles données ou contenus (images, sons, textes, etc.).
Exemple : DALL·E 3 crée des images à partir de descriptions textuelles.

IA influenceurs : Personnages fictifs créés par IA qui publient sur les réseaux sociaux comme de vraies personnes.
Exemple : Aitana est une IA influenceuse suivie par plus de 393K abonnés. Cheveux rose, athlétique, scorpion et espagnole, elle est passionnée de fitness.
👉 Découvrir son compte Instagram.

LLM (Large Language Model) : Forme d’IA générative spécialisée dans le langage. Plus précisément : les LLM sont des modèles mathématiques capables de comprendre, compléter et générer du texte en prédisant le mot suivant dans une séquence.
Exemple : ChatGPT (OpenAI), Gemini (Google) ou Le Chat (Mistral) sont des LLM.

Modèle d’IA : Une implémentation particulière d’une IA.
Exemple : Open AI a développé plusieurs modèles d’IA, allant de versions légères et économes en ressources à des modèles plus puissants.

Prompt : Instruction ou question donnée au LLM pour déclencher une réponse.
Exemple : « Écris un poème sur le printemps dans le style de Baudelaire » donné à ChatGPT.

RGPD (Règlement Général sur la Protection des Données) : Réglementation européenne sur la collecte et l’utilisation des données personnelles.
Exemple : La fenêtre contextuelle sur un site web vous demandant votre consentement pour les cookies est une manifestation concrète du RGPD.

🌟 Briller à la machine à caf

Apprentissage automatique (Machine Learning) : Technique qui permet à un système d’apprendre à partir de données sans être explicitement programmé pour chaque tâche.
🔎 Exemple : Un logiciel anti-spam qui apprend à identifier les emails indésirables en analysant des milliers d'exemples.
🐧 Avec Ed : Ed utilise le machine learning pour identifier les constructions géométriques réalisées par les élèves dans leurs copies.

Agent : Programme capable d’agir de manière autonome : chercher des informations, planifier des actions, utiliser des outils ou interagir avec d’autres systèmes.
Exemple : Un agent conversationnel qui réserve un billet de train en ligne après avoir compris votre destination et vos horaires.

Slop IA (ou AI slop) : Contenus générés automatiquement par l’IA, souvent de mauvaise qualité et produits en masse (images absurdes, articles vides, vidéos automatisées). Le terme est devenu populaire pour critiquer l’inondation d’Internet par du contenu généré.
Exemple : voirMonsieur Phi sur l’exemple des vidéos sur le stoïcisme sur YouTube.

Alignement (ou alignment) : Ensemble de techniques visant à faire en sorte que l’IA se comporte conformément à certaines valeurs ou à une certaine éthique.
Exemple : A la question : « Aide-moi à rédiger un message pour convaincre mes élèves de ne plus utiliser leur téléphone en classe. ». Une IA non alignée pourra répondre « Confisquez immédiatement tous les téléphones et donnez des sanctions sévères pour décourager leur usage ». Une IA alignée cherchera à respecter des intentions humaines plus larges (bienveillance, pédagogie, responsabilité), pour coller au contexte éducatif.

Chaîne de pensée (Chain of Thought) : Technique qui consiste à faire raisonner une IA étape par étape pour l'aider à mieux résoudre un problème.
Exemple : Une IA qui résout "12 x 5 - 7" en détaillant chaque étape : "12 x 5 = 60, puis 60 - 7 = 53" pour être certaine de ne pas se tromper.

Deepfake : Contenu audio ou vidéo généré par une IA pour imiter de façon très réaliste une personne réelle.
Exemple : Une vidéo truquée montrant une personnalité disant quelque chose qu'elle n'a jamais dit. Le premier deepfake “grand public” date de 2018 : C’est une vidéo sur laquelle on voit l’ancien président Barak Obama insulter son successeur Donald Trump en le traitant de “sombre merde”.

Hallucination (d’une IA) : Fait de produire des affirmations fausses ou incohérentes tout en semblant crédibles.

Multimodalité : Capacité d’un modèle à traiter plusieurs types de données : texte, image, audio, vidéo.

Réseau de neurones : Modèle informatique inspiré du fonctionnement du cerveau humain, composé de nombreuses unités appelées neurones artificiels reliées entre elles. Chaque neurone reçoit des informations, les transforme grâce à des calculs mathématiques, puis transmet le résultat aux neurones suivants.
Exemple : L'architecture des modèles de reconnaissance d'images qui identifient les objets sur une photo.

Speech-to-Text & Text-to-Speech : Technologie qui convertit une parole en texte écrit ou un texte écrit en audio.
Exemples :
- Utiliser la dictée vocale sur votre smartphone pour écrire un message = speech-to-text.
- Demander à Google Assistant ou Siri de lire à voix haute un article de presse ou un SMS = text-to-speech

Tokens : Unités de texte (mots ou morceaux de mots) utilisées par les LLM pour comprendre et générer du langage.
Exemple : L’acronyme QCM est composé de deux tokens : “Q” et “CM”. Le mot ordinateur est composé d’un seul token. Pour découvrir le monde fascinant des tokens, allez faire un tour sur le site Tiktokenizer.

Transformers : Architecture de réseaux de neurones qui permet aux modèles d’IA de traiter un texte en tenant compte de son contexte global.
Exemple : Imaginons une phrase comme « Le chat mange une pomme. » Les transformers, en prenant en compte le contexte global, détectent l'incohérence et proposent une correction comme « Le chat mange des croquettes. »

👂Chuchoter à l’oreille des LLM

Apprentissage automatique (Machine Learning) : Technique qui permet à un système d’apprendre à partir de données sans être explicitement programmé pour chaque tâche.
Exemple : Un logiciel anti-spam qui apprend à identifier les emails indésirables en analysant des milliers d'exemples.

3 déclinaisons du Machine Learning :

1. Apprentissage par renforcement (Reinforcement Learning) : L’IA apprend par essais/erreurs en recevant des récompenses ou pénalités selon ses actions.
   Exemple : Un agent qui apprend à jouer aux échecs en recevant des points lorsqu’il joue les meilleurs coups ou gagne des parties, et en en perdant lorsqu’il perd.
   👉 Pour aller plus loin : Anatomie d’un LLM, comment fonctionne ChatGPT.
   
   
2. Apprentissage supervisé (Supervised Learning) : L’IA apprend à partir de données annotées (exemples avec bonnes réponses) pour généraliser à de nouveaux cas.
   Exemple : Entraîner un modèle à reconnaître des chats et des chiens avec des images étiquetées "chat" ou "chien".
   
   
3. Apprentissage non supervisé (Unsupervised Learning) : L’IA explore des données non étiquetées pour y découvrir seule des régularités ou des structures.
   Exemple : Un algorithme qui regroupe des clients d'un site web en segments selon leur comportement sans connaître leur profil.

Apprentissage profond (Deep Learning) : L’IA apprend elle-même quelles caractéristiques sont importantes grâce à des réseaux de neurones très complexes capables d’extraire automatiquement l’information utile, étape après étape.
Exemple : la reconnaissance faciale d’un smartphone utilise le deep learning pour identifier un visage sans qu’un programmeur ait besoin de définir précisément toutes les caractéristiques d’un visage humain.

Fine-tuning (Ajustement) : Phase d’adaptation d’un modèle déjà entraîné à un domaine ou contexte spécifique.
Exemple : Prendre un modèle de langage généraliste et l’affiner sur des textes médicaux.

Jailbreak : Technique consistant à contourner les garde-fous d’un modèle pour lui faire produire des réponses normalement interdites.
Exemple : De la poésie pour tromper les LLM.

Modèle open source : Modèle dont le code et, dans certains cas, les paramètres du réseau de neurones sont accessibles librement.
Exemple : Mistral AI, dont le code est ouvert et modifiable par tous.

Modèle propriétaire : Modèle développé par une entreprise privée dont le code n’est pas accessible.
Exemple : La famille de modèles GPT d’OpenAI.

OCR (Reconnaissance Optique de Caractères) : Technologie permettant de convertir du texte imprimé ou manuscrit en texte numérique exploitable.
Exemple : Une application sur votre téléphone qui vous permet de scanner un document et de le convertir en texte éditable.

Prompt engineering : Art de formuler et de structurer des instructions précises pour guider efficacement une IA générative.
Exemple : pour un prompt efficace, précisez le contexte (étier, niveau d’expertise, public cible ou situation d’usage ; formulez clairement l’action attendue (expliquer, résumer, comparer, créer, corriger, proposer un plan, etc. ; donnez des contraintes excplicites (mentionnez le format, la longueur, le ton ou les éléments à inclure ou à éviter) ; structurez votre demande en étapes ou points distincts lorsque la tâche est complexe ; itérer et ajustez pour améliorer progressivement le résultat.
👉 Pour aller plus loin : Un renard, une IA et des prompts

RAG (Retrieval-Augmented Generation) : méthode qui permet à une IA de s’appuyer sur des sources identifiées au moment de répondre à prompt, plutôt que de se baser uniquement sur ses connaissances générales. L’IA commence par chercher des informations pertinentes dans une base de documents (articles, cours, fichiers internes, FAQ, etc.). C’est la phase de recherche ou retrieval. Puis, utilise ces informations pour rédiger une réponse adaptée à la question posée. C’est la phase de génération.
Exemple : Utiliser un grand corpus d’exercices pour faire une sélection et l’utiliser comme source d’inspiration pour la génération de nouveaux exercices (ce qu’on fait justement chez Ed).

Conclusion

Apprivoisez l’IA sans en perdre votre latin, et faites de ce lexique votre meilleure antisèche 💡

Gardez-la sous le coude pour une veille techno, une discussion en salle des profs ou un moment de curiosité perso et surtout, partagez !

Vous mieux que quiconque le savez : plus on comprend, mieux on transmet !