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
Chaîne de pensée (CoT)
La chaîne de pensée est une technique de prompting qui incite le modèle à montrer son raisonnement étape par étape avant la réponse finale, améliorant considérablement la précision sur les tâches de raisonnement complexe. On demande au modèle de « réfléchir étape par étape », rendant les erreurs plus faciles à détecter. Particulièrement utile pour l'analyse financière et la planification multi-étapes.
Chatbot
Un chatbot est une application logicielle qui simule une conversation avec des utilisateurs, généralement par texte, en générant des réponses via le traitement du langage naturel et parfois des grands modèles de langage. Les anciens chatbots suivaient des scripts rigides ; les modernes, alimentés par des LLM, gèrent des questions ouvertes, retiennent le contexte d'une session et invoquent des outils externes. Les entreprises les utilisent pour le support client 24h/24, la qualification de prospects et les helpdesks internes, bien que le transfert à un humain reste indispensable pour les cas complexes.
ChatGPT
ChatGPT est une application conversationnelle basée sur les modèles GPT d'OpenAI, lancée en novembre 2022. Elle permet aux utilisateurs d'interagir avec un grand modèle de langage par dialogue en langage naturel. ChatGPT a popularisé les assistants IA dans le monde entier et démontré le potentiel commercial des grands modèles de langage.
Classification
La classification est une tâche d'apprentissage supervisé où le modèle attribue à chaque entrée une catégorie prédéfinie : spam ou non, avis positif ou négatif, crédit approuvé ou refusé. Le modèle apprend la correspondance à partir d'exemples étiquetés. La classification binaire a deux classes ; la multi-classe en a davantage. Une banque marocaine pourrait classifier les transactions en frauduleuses ou légitimes, tandis qu'un site e-commerce classe les tickets support par degré d'urgence.
Clustering (regroupement)
Le clustering est une technique d'apprentissage non supervisé qui regroupe les points de données similaires sans étiquettes prédéfinies, révélant des structures naturelles. K-means et DBSCAN sont des algorithmes populaires. Un détaillant à Casablanca pourrait regrouper ses clients par comportement d'achat pour créer des segments marketing ciblés ; un urbaniste pourrait regrouper les lieux d'accidents de la circulation pour identifier les zones dangereuses. Le défi est de choisir le bon nombre de groupes et d'interpréter ce que chaque groupe représente.
Génération de code
La génération de code utilise des modèles d'IA pour produire automatiquement du code source à partir de descriptions en langage naturel. Des outils comme GitHub Copilot et Cursor suggèrent des fonctions complètes en quelques secondes. Un développeur à Casablanca peut décrire une requête en anglais courant et recevoir du Python fonctionnel. La revue humaine reste nécessaire pour la correction et la sécurité.
Vision par ordinateur
La vision par ordinateur est le domaine de l'IA qui permet aux machines d'interpréter et de comprendre l'information visuelle — images, vidéos et flux caméra. Les tâches incluent la détection d'objets, la reconnaissance faciale, la segmentation d'images et la reconnaissance optique de caractères. Une usine à Tanger utilise la vision par ordinateur pour inspecter les produits sur le convoyeur, détectant des défauts invisibles à l'œil nu ; un assureur marocain l'utilise pour évaluer les dégâts de véhicules à partir de photos envoyées via WhatsApp.
Fenêtre de contexte
La fenêtre de contexte est le nombre maximum de tokens qu'un modèle peut traiter en une requête. GPT-4 Turbo supporte 128 000 tokens ; Claude 3 jusqu'à 200 000. Une fenêtre plus grande permet d'analyser de plus longs documents. Cependant, elle augmente le coût et peut réduire l'attention aux détails importants.
Apprentissage contrastif
L'apprentissage contrastif est une approche auto-supervisée où le modèle apprend en comparant des paires similaires et dissimiles, rapprochant les représentations similaires dans l'espace d'embedding. CLIP l'utilise pour associer images et texte sans étiquettes. Il a permis des avancées majeures en apprentissage de représentations visuelles.