La bibliothèque 212AY
Glossaire
IA.
200+ termes d'intelligence artificielle expliqués simplement — du machine learning aux LLM, en passant par les agents IA, le RAG et le prompt engineering. Chaque définition avec un exemple concret, en français, anglais et arabe.
200 termes
Génération d'images
La génération d'images désigne les modèles d'IA capables de créer des images originales à partir de descriptions textuelles, le plus souvent grâce aux techniques de diffusion. L'utilisateur écrit un prompt décrivant la scène, le style et les détails souhaités, et le modèle produit une nouvelle image en quelques secondes. Par exemple, un restaurant de Marrakech peut générer des visuels appétissants pour ses réseaux sociaux sans engager de photographe, et une coopérative artisanale peut tester des designs d'emballage avant impression. Midjourney, DALL-E et Stable Diffusion figurent parmi les outils les plus connus.
Image vers texte
L'image vers texte génère des descriptions en langage naturel à partir d'images, incluant la légende, l'OCR et la réponse aux questions visuelles. GPT-4V et LLaVA traitent informations visuelles et textuelles conjointement.
Données déséquilibrées
Les données déséquilibrées désignent un jeu de données où certaines catégories sont beaucoup plus fréquentes que d'autres, ce qui pousse le modèle à favoriser la classe majoritaire. Imaginez une banque de Casablanca entraînant un détecteur de fraude : si une seule transaction sur mille est frauduleuse, un modèle paresseux atteint 99,9 pour cent de précision en répondant toujours « pas de fraude », tout en étant inutile. Les solutions incluent la collecte d'exemples minoritaires, le suréchantillonnage, les données synthétiques, ou des métriques comme la précision et le rappel.
Apprentissage en contexte (in-context learning)
L'apprentissage en contexte est la capacité d'un grand modèle de langage à apprendre une tâche à partir d'exemples placés directement dans le prompt, sans aucun réentraînement. On montre au modèle quelques paires entrée-sortie, et il déduit le schéma pour l'appliquer à de nouveaux cas. Par exemple, une équipe RH peut coller trois exemples de CV étiquetés « junior » ou « senior » et demander au modèle de classer les cent suivants de la même manière. Cela transforme un modèle généraliste en outil spécialisé en quelques secondes.
Inférence
L'inférence est la phase où un modèle d'IA déjà entraîné est réellement utilisé pour produire des prédictions ou des réponses, par opposition à l'entraînement, où il apprend à partir des données. Chaque fois que vous posez une question à ChatGPT ou qu'une banque évalue une demande de crédit, c'est de l'inférence. C'est comme la différence entre un étudiant en médecine et un médecin en exercice : l'entraînement a lieu une fois et coûte cher, l'inférence se répète des millions de fois et doit être rapide et économique. Elle détermine l'essentiel des budgets IA en production.
Inpainting (retouche générative)
L'inpainting est une technique de retouche où l'IA régénère uniquement une zone sélectionnée d'une image tout en conservant le reste intact. On masque la zone à modifier, on décrit ce qui doit y apparaître, et le modèle la remplit de façon harmonieuse. Une boutique e-commerce de Casablanca peut effacer un objet gênant en arrière-plan d'une photo produit, changer la couleur d'un vêtement ou retirer un passant d'une image de vitrine, sans retoucheur professionnel.
Suivi d'instructions
Le suivi d'instructions est la capacité d'un modèle à exécuter fiablement les directives du prompt. Il distingue les assistants utiles des simples prédicteurs de texte. Les modèles l'acquièrent par l'instruction tuning et le RLHF. Un mauvais suivi entraîne des réponses hors sujet.
Instruction tuning (réglage par instructions)
L'instruction tuning est une étape d'entraînement où un modèle de langage de base est affiné sur des milliers d'exemples d'instructions associées à de bonnes réponses, afin qu'il apprenne à suivre les demandes humaines plutôt que de simplement continuer un texte. Un modèle brut à qui l'on demande « écris un e-mail de bienvenue » risque de divaguer ; un modèle réglé par instructions rédige réellement l'e-mail. C'est comparable à l'intégration d'une recrue brillante mais désorganisée : le talent brut existe, et ce réglage lui apprend à répondre utilement aux demandes concrètes.
Traitement intelligent des documents (IDP)
Le traitement intelligent des documents combine OCR, modèles de langage et automatisation pour lire, comprendre et extraire les données de documents professionnels : factures, contrats, cartes d'identité, formulaires. Contrairement à une simple numérisation, l'IDP interprète le sens : il repère le nom du fournisseur, le montant et l'échéance même quand la mise en page varie. Un cabinet comptable marocain submergé de factures papier peut alimenter automatiquement son logiciel grâce à l'IDP, réduisant la saisie manuelle de plusieurs heures à quelques minutes.