Glossaire & Lexique de l’Intelligence Artificielle (IA)

AI Ethics :

Questions que les parties prenantes doivent considérer pour garantir un usage responsable de l’IA.

Agent Autonome :

Système capable de prendre ses propres décisions sans intervention humaine.

Algorithm :

Suite d’instructions données à une machine pour résoudre un problème ou accomplir une tâche.

API (Application Programming Interface) :

Interface permettant à différents logiciels de communiquer et d’échanger des données.

Artificial Intelligence (AI) :

Intelligence manifestée par les machines pour accomplir des tâches nécessitant habituellement l’intelligence humaine.

Assistant virtuel :

Programme capable de répondre en langage naturel ou d’effectuer des tâches spécifiques.

Big Data :

Analyse de grands ensembles de données pour révéler des tendances et prendre des décisions éclairées.

Compute Unified Device Architecture (CUDA) :

Technologie permettant d’accélérer le calcul sur GPU pour résoudre des problèmes complexes.

Computer Vision :

Branche de l’IA qui permet aux ordinateurs de comprendre et analyser les images et vidéos.

Chatbot :

Application qui simule la conversation humaine par texte ou voix.

Cognitive Computing :

Modèle visant à reproduire les processus cognitifs humains comme l’apprentissage et la reconnaissance de motifs.

Data Mining :

Extraction de modèles et connaissances à partir de grands ensembles de données.

Data Processing :

Préparation et nettoyage des données pour l’apprentissage machine.

Data Science :

Étude et analyse de grandes quantités de données pour en extraire des informations utiles.

Deep Learning :

Sous-domaine du machine learning utilisant des réseaux neuronaux profonds pour apprendre à partir de grandes données.

Embedding :

Transformation de mots en vecteurs numériques pour que les ordinateurs puissent traiter le langage naturel.

Emergent Behavior :

Comportement imprévu ou non intentionnel d’un système d’IA.

Feature Engineering :

Création de nouvelles caractéristiques à partir des données brutes pour améliorer les modèles.

GAN (Generative Adversarial Network) :

Réseau de neurones créant de nouvelles données (images, textes, musique) en opposition avec un autre réseau.

Generative AI :

IA utilisée pour générer du contenu créatif comme texte, images, vidéos ou code.

Generative Art :

Art créé par des algorithmes ou programmes informatiques génératifs.

GPT (Generative Pre-trained Transformer) :

Modèle de langage capable de produire du texte humain-like.

Graphics Processing Unit (GPU) :

Composant spécialisé pour le traitement graphique et le calcul parallèle intensif.

Guardrails :

Règles et restrictions pour garantir l’usage éthique et sécurisé de l’IA.

Hallucination :

Production incorrecte ou erronée d’un système d’IA.

Hyperparameter :

Paramètre défini par l’utilisateur influençant le comportement d’un modèle d’IA.

LangChain :

Bibliothèque connectant des modèles d’IA à des sources externes pour créer des agents ou chatbots.

Natural Language Processing (NLP) :

Branche de l’IA dédiée à la compréhension, génération et traitement du langage humain.

Neural Radiance Fields (NeRF) :

Modèle d’apprentissage profond pour la génération d’images 3D et la segmentation.

Neurone artificiel :

Modèle informatique simulant le fonctionnement d’un neurone biologique.

Overfitting :

Surapprentissage d’un modèle, rendant les prédictions moins fiables sur de nouvelles données.

Perceptron :

Modèle de neurone artificiel effectuant une combinaison linéaire des signaux entrants pour produire une sortie.

Prompt :

Commande textuelle guidant la réponse d’un modèle d’IA générative.

Python :

Langage de programmation populaire pour l’IA, reconnu pour sa simplicité et sa flexibilité.

Raisonnement :

Capacité d’un système à tirer des conclusions à partir d’informations et règles données.

Reinforcement Learning :

Apprentissage par essai-erreur avec récompenses ou pénalités pour ajuster les actions d’un agent.

Réseaux neuronaux :

Ensemble de neurones artificiels interconnectés reproduisant le fonctionnement du cerveau humain.

Spatial Computing :

Utilisation de la technologie pour enrichir le monde physique avec des expériences numériques.

Stable Diffusion :

Modèle d’IA open-source générant des images à partir de texte.

Supervised Learning :

Apprentissage automatique à partir de données étiquetées pour prédire des résultats.

Temporal Coherence :

Cohérence temporelle des données pour l’analyse et la vision par ordinateur.

Test de Turing :

Test visant à déterminer si une machine peut imiter le comportement humain de manière indistinguable.

Unsupervised Learning :

Apprentissage automatique à partir de données non étiquetées pour découvrir des motifs.

Voix de synthèse :

Reproduction vocale par ordinateur imitant la voix humaine.

Webhook :

Méthode pour transmettre en temps réel des informations entre applications via Internet.

Federated Learning :

Technique d’apprentissage décentralisé où les modèles sont entraînés localement sur plusieurs appareils.

Explainable AI (XAI) :

Méthode rendant les décisions des modèles d’IA compréhensibles pour les humains.

Zero-shot Learning :

Capacité d’un modèle à effectuer une tâche sans avoir été spécifiquement entraîné dessus.

Self-supervised Learning :

Type d’apprentissage où le modèle génère ses propres labels à partir des données non étiquetées.

Transformers :

Architecture de modèles utilisée dans le NLP et les modèles de génération comme GPT.

Multi-modal AI :

IA capable de traiter et générer différents types de données simultanément, par exemple texte et image.

Recommender Systems :

Systèmes utilisant des données utilisateur pour suggérer des contenus ou produits adaptés.