Accueil/Lexique

Lexique

Acronymes et notions techniques que vous croiserez sur 404 Mates — IA, SEO, WordPress, web. Dans les articles, la première occurrence affiche un tooltip ; chaque entrée a sa page.

IA

Agent IAagents IA · AI agent · AI agents…
Système qui planifie et enchaîne des actions (outils, APIs, code) pour atteindre un objectif, au-delà d’une seule réponse texte.
Harnesseval harness · evaluation harness · test harness
Cadre d’évaluation / d’exécution qui mesure, contraint et observe un modèle ou un agent (jeux de tests, métriques, logs).
LLMLarge Language Model · large language models · LLMs
Large Language Model : modèle de langage entraîné sur d’énormes corpus pour prédire et générer du texte.
LoRALow-Rank Adaptation · low-rank adaptation
Low-Rank Adaptation : technique de fine-tuning efficace qui adapte un modèle via des matrices de rang faible au lieu de tout réentraîner.
RAGRetrieval-Augmented Generation · retrieval augmented generation
Retrieval-Augmented Generation : le modèle interroge d’abord une base de documents, puis génère une réponse ancrée sur ces extraits.
Evalevals · évaluation LLM · LLM eval
Jeux de tests et métriques pour mesurer la qualité d’un modèle ou d’un agent sur des tâches ciblées.
Hallucinationhallucinations
Affirmation inventée ou non fondée produite par un modèle, présentée comme un fait.
MCPModel Context Protocol
Model Context Protocol : standard pour brancher des outils / données à un LLM (serveurs, resources, tools).
QLoRAQLoRA
Variante de LoRA qui quantifie le modèle de base (souvent 4-bit) pour fine-tuner avec encore moins de mémoire.
SLMSmall Language Model · small language models
Small Language Model : modèle plus compact qu’un LLM, souvent plus rapide et moins coûteux à faire tourner.
Base vectoriellevector database · vector store · pgvector
Base optimisée pour stocker des embeddings et faire de la recherche par similarité (cœur du RAG).
Embeddingembeddings · vecteur d’embedding · vecteurs d’embedding
Représentation numérique d’un texte (ou d’une image) dans un espace vectoriel, utilisée pour la similarité et la recherche sémantique.
Fine-tuningfinetuning · fine tuning · fine-tuner
Réentraînement partiel ou total d’un modèle pré-entraîné sur un jeu de données spécifique pour adapter son comportement.
Guardrailsgarde-fous · safety rails
Règles et filtres (policy, classifiers, allowlists) qui limitent les sorties ou actions dangereuses d’un système IA.
Tool callingfunction calling · function-calling · appel d’outils
Capacité d’un modèle à invoquer des fonctions structurées (API, calcul, recherche) au lieu de seulement générer du texte.
AUROCAUC-ROC · AUC ROC · Area Under the ROC Curve
Area Under the ROC Curve : métrique de discrimination d’un classifieur entre 0,5 (hasard) et 1 (séparation parfaite).
Benchmarkbenchmarks
Jeu de référence public ou interne pour comparer des modèles (MMLU, HumanEval, etc.) — à lire avec prudence hors domaine.
Chunkingtext chunking · document chunking · chunks RAG
Découpage d’un document en segments indexables pour le RAG ; taille et chevauchement impactent le rappel.
Fenêtre de contextecontext window · fenêtre de contexte · context length
Quantité maximale de tokens qu’un modèle peut prendre en entrée (et parfois en sortie) dans une même requête.
Few-shotfew shot · one-shot · zero-shot
Apprentissage en contexte : on donne 0, 1 ou quelques exemples dans le prompt sans réentraîner le modèle.
Inférenceinference
Phase d’utilisation d’un modèle déjà entraîné : produire une sortie à partir d’une entrée (par opposition à l’entraînement).
MoEMixture of Experts · mixture-of-experts
Mixture of Experts : architecture où seules certaines « experts » (sous-réseaux) s’activent par token, pour scaler la capacité.
Multimodalmultimodalité · vision-language
Modèle capable de traiter plusieurs modalités (texte, image, audio, vidéo) dans un même pipeline.
Open weightsopen-weight · poids ouverts · modèle open weight
Modèle dont les poids sont publiés (ex. Llama, Mistral), par opposition à une API fermée uniquement.
Quantizationquantisation · INT4 · INT8…
Réduction de la précision numérique des poids pour diminuer mémoire et coût d’inférence, avec un trade-off qualité.
Rerankingre-ranking · reranker
Seconde passe qui réordonne les documents récupérés pour améliorer la pertinence avant génération.
Tokentokens · tokenization · tokenisation
Unité de texte traitée par un modèle (souvent un morceau de mot). Les coûts et fenêtres de contexte se comptent en tokens.
Transformertransformers
Architecture de réseau à attention (2017) à la base de la plupart des LLM modernes.
Chain-of-thoughtCoT · chain of thought · chaîne de pensée
Technique où le modèle explicite des étapes de raisonnement avant la réponse finale.
Distillationknowledge distillation
Entraîner un modèle plus petit à imiter un modèle plus grand (ou un ensemble de sorties).
DPODirect Preference Optimization
Direct Preference Optimization : méthode d’alignement sur préférences sans reward model RL explicite.
LatenceTTFT · time to first token
Délai avant (ou pendant) la réponse d’un modèle. Le TTFT mesure le temps jusqu’au premier token.
Promptprompts · prompting
Consigne / contexte fourni au modèle pour orienter sa génération (system, user, exemples, outils).
RLHFReinforcement Learning from Human Feedback
Reinforcement Learning from Human Feedback : alignement d’un modèle via des préférences humaines et un reward model.
Self-attentionself-attention · self attention
Mécanisme d’attention qui pondère les liens entre tokens pour construire une représentation contextuelle.
SFTSupervised Fine-Tuning
Supervised Fine-Tuning : fine-tuning sur des paires instruction → réponse de référence.
System promptsystem prompts · prompt système
Instructions prioritaires qui définissent le rôle, les règles et le cadre d’un modèle avant le message utilisateur.
LangChainLangGraph
Framework d’orchestration pour chaîner prompts, outils et agents autour de LLM (écosystème Python/JS).
Temperature (LLM)sampling temperature · température du modèle
Paramètre d’échantillonnage : basse = plus déterministe ; haute = plus varié / créatif (et parfois moins fiable).
vLLMvllm
Moteur d’inférence haute performance pour servir des LLM (paged attention, batching).
GPUGPUs · CUDA
Processeur graphique massivement parallèle, standard de fait pour entraîner et servir des modèles de deep learning.
Anthropic
Laboratoire d’IA américain à l’origine des modèles Claude, accessibles par API et non téléchargeables.
OpenAI
Laboratoire d’IA américain à l’origine des modèles GPT et de ChatGPT, accessibles par API et non téléchargeables.

SEO

WordPress

Web & produit

Data & ML

Infra & cloud

Général

Domaines couverts : IA, SEO, WordPress, Web & produit, Data & ML, Infra & cloud, Général. Le lexique évolue avec le blog.