Glossaire de l'IA en entreprise

Agent IA

Un agent IA est un système qui utilise un LLM pour atteindre un objectif en plusieurs étapes : il planifie, appelle des outils (API, bases de données, logiciels métier), observe les résultats et ajuste ses actions. Contrairement à un simple chatbot, il agit dans vos systèmes, dans un périmètre de droits défini et généralement sous supervision humaine.

AI Act (règlement européen sur l'IA)

L'AI Act est le règlement (UE) 2024/1689 qui encadre l'intelligence artificielle dans l'Union européenne. Il suit une approche par niveaux de risque : pratiques interdites, systèmes à haut risque soumis à des exigences strictes, obligations de transparence pour certains usages, et règles propres aux modèles d'IA à usage général. Son application est progressive.

Automatisation n8n

n8n est une plateforme d'automatisation de workflows qui relie des applications au moyen de nœuds visuels : déclencheur, transformation, appel d'API, étape d'IA. Distribuée sous licence « fair-code », elle peut être auto-hébergée, ce qui permet de garder les données sur sa propre infrastructure. Elle sert souvent à orchestrer des agents IA.

Base vectorielle

Une base vectorielle est une base de données conçue pour stocker des embeddings et retrouver rapidement les vecteurs les plus proches d'une requête. Elle sert de moteur de recherche à une architecture RAG. Il peut s'agir d'un produit dédié (Qdrant, Weaviate, Pinecone…) ou d'une extension d'une base existante, comme pgvector pour PostgreSQL.

Copilote IA

Un copilote est un assistant d'IA intégré à un logiciel ou au poste de travail, qui aide l'utilisateur dans sa tâche (rédiger, résumer, analyser, coder) sans agir à sa place : l'humain garde l'initiative et valide chaque résultat. Le terme désigne aussi des produits commerciaux, comme Microsoft 365 Copilot ou GitHub Copilot.

Data lakehouse

Un data lakehouse est une architecture de données qui combine le stockage économique et flexible d'un data lake (fichiers ouverts sur stockage objet) avec les fonctions de gestion d'un data warehouse : transactions, schémas, gouvernance, performances SQL. Il repose sur des formats de tables ouverts comme Delta Lake ou Apache Iceberg.

Embedding (plongement vectoriel)

Un embedding est une représentation numérique d'un contenu (mot, phrase, document, image) sous la forme d'un vecteur de plusieurs centaines ou milliers de nombres. Des contenus de sens proche obtiennent des vecteurs proches, ce qui permet de rechercher par le sens plutôt que par correspondance exacte de mots-clés.

Fenêtre de contexte

La fenêtre de contexte est la quantité maximale de texte, mesurée en tokens, qu'un LLM peut prendre en compte en une seule fois : instructions, historique de la conversation, documents fournis et réponse générée. Au-delà, les informations doivent être tronquées, résumées ou récupérées autrement, par exemple via une architecture RAG.

Fine-tuning (affinage)

Le fine-tuning consiste à poursuivre l'entraînement d'un modèle pré-entraîné sur un jeu de données spécifique afin d'ajuster son comportement : style, format de sortie, vocabulaire métier, tâche de classification. Il modifie les paramètres du modèle, contrairement au prompt ou au RAG, qui ne changent que les informations fournies en entrée.

Hallucination

Une hallucination est une réponse d'un modèle d'IA générative qui paraît plausible et assurée mais qui est fausse, inventée ou non étayée : chiffre erroné, référence juridique inexistante, citation fabriquée. Elle découle du fonctionnement probabiliste des LLM, qui produisent un texte vraisemblable sans vérifier les faits par eux-mêmes.

IA agentique

L'IA agentique désigne l'approche qui consiste à concevoir des systèmes d'IA capables d'agir de façon autonome vers un objectif : décomposer une tâche, choisir et utiliser des outils, coordonner éventuellement plusieurs agents spécialisés et vérifier leur propre travail. C'est un degré d'autonomie plus qu'une technologie unique, à régler selon le risque de chaque action.

IA générative

L'IA générative désigne les systèmes d'intelligence artificielle capables de produire un contenu nouveau (texte, image, code, son ou vidéo) à partir d'une instruction en langage naturel. Elle repose sur des modèles entraînés sur de très grands volumes de données, qui apprennent les régularités de ces contenus pour en générer de plausibles.

LLM (grand modèle de langage)

Un LLM (Large Language Model) est un réseau de neurones entraîné sur d'immenses corpus de textes à prédire la suite la plus probable d'une séquence. À grande échelle, cette capacité lui permet de rédiger, résumer, traduire, classer, raisonner sur un texte ou écrire du code. GPT, Claude, Gemini, Mistral et Llama sont des familles de LLM.

MCP (Model Context Protocol)

Le MCP (Model Context Protocol) est un protocole ouvert, publié par Anthropic fin 2024, qui standardise la connexion des applications d'IA aux sources de données et aux outils. Un serveur MCP expose des outils et des ressources ; tout client compatible (assistant, agent, environnement de développement) peut les utiliser sans intégration spécifique.

MLOps

Le MLOps regroupe les pratiques et outils qui permettent de mettre en production et de maintenir des modèles d'IA de façon fiable : versionnement des données et des modèles, pipelines d'entraînement et de déploiement automatisés, surveillance des performances et de la dérive. Pour les LLM, on parle de LLMOps : évaluation, suivi des prompts et des coûts.

Prompt

Un prompt est l'instruction transmise à un modèle d'IA générative : la question, la consigne, le contexte, les exemples et le format de réponse attendu. Sa précision influence fortement la pertinence du résultat. Le prompt engineering est la pratique qui consiste à concevoir, tester et améliorer ces instructions de façon méthodique.

RAG (génération augmentée par la recherche)

Le RAG (Retrieval-Augmented Generation) est une architecture qui, avant de faire répondre un LLM, recherche les passages pertinents dans une base documentaire et les lui fournit comme contexte. Le modèle répond ainsi à partir de vos documents à jour, en pouvant citer ses sources, sans avoir été réentraîné.

RGPD et IA

Le RGPD s'applique à tout système d'IA qui traite des données personnelles, pour l'entraîner, l'alimenter ou dans ses réponses. Les principes restent les mêmes : base légale, finalité déterminée, minimisation, information des personnes, sécurité, encadrement des sous-traitants et des transferts hors UE, et analyse d'impact lorsque le traitement présente un risque élevé.

Shadow AI

Le shadow AI désigne l'usage d'outils d'IA par les collaborateurs sans validation ni encadrement de l'entreprise : comptes personnels d'assistants conversationnels, extensions de navigateur, applications grand public. Il expose à des fuites de données confidentielles, à des manquements au RGPD et à des décisions fondées sur des résultats non vérifiés.

Token

Un token est l'unité de texte qu'un LLM lit et produit : un mot entier, un fragment de mot, un signe de ponctuation ou un espace. Les modèles mesurent leur fenêtre de contexte et leurs éditeurs facturent l'usage des API en tokens. Le découpage dépend du modèle ; en français, un mot correspond souvent à plus d'un token.