Le lexique de l’intelligence artificielle (IA)

Avec notre partenaire Salesforce, unifiez les ventes, le marketing et service client. Accélérez votre croissance !

L’intelligence artificielle est devenue un moteur d’innovation majeur, transformant des secteurs aussi variés que la santé, la finance, le marketing ou encore l’industrie. Pourtant, son vocabulaire technique peut parfois sembler complexe et en constante évolution.

Ce lexique a pour objectif de décrypter les concepts clés de l’IA, en proposant des définitions claires, des comparaisons structurées et des explications sur les enjeux technologiques de chaque terme. De l’apprentissage automatique (Machine Learning) aux modèles de langage (LLM), en passant par l’inférence et la quantization, chaque entrée vous permettra de mieux comprendre les rouages des technologies qui façonnent notre avenir numérique.

Que vous soyez entrepreneur, chercheur, investisseur ou simplement curieux, ce lexique est conçu comme un outil de référence pour naviguer dans l’univers de l’IA avec précision et clarté.

A	B	C
Apprentissage automatique (Machine Learning) Apprentissage profond (Deep Learning) Attention Mechanism Abstraction neuronale Accélération matérielle Adversarial Attack (Attaque adversariale) Agent conversationnel Agent intelligent Algorithm Bias (Biais algorithmique) Algorithme génétique Alignement de l’IA Analyse de sentiment Apprentissage actif (Active Learning) Apprentissage automatique (Machine Learning) Apprentissage auto-supervisé Apprentissage bayésien Apprentissage contrastif Apprentissage en ligne (Online Learning) Apprentissage fédéré (Federated Learning) Apprentissage few-shot Apprentissage non supervisé Apprentissage par imitation Apprentissage par renforcement (Reinforcement Learning) Apprentissage par transfert (Transfer Learning) Apprentissage semi-supervisé Architecture de modèle Attention Mechanism Autoencoder	Backpropagation (Rétropropagation) BERT (Bidirectional Encoder Representations from Transformers) Biais algorithmique (Algorithmic Bias) Big Data Binarisation des réseaux neuronaux Boosting (Méthode d’optimisation des modèles) Bruit des données	Calcul distribué Capsule Network (Réseau de capsules) Causal Inference (Inférence causale) Chatbot Classification supervisée Clustering (Regroupement de données) Cloud computing en IA Cold start (Problème de démarrage à froid) Computer Vision (Vision par ordinateur) Convolutional Neural Network (CNN) Corrélation vs Causalité Cryptographie homomorphe en IA Cycle de vie du modèle IA
D	E	F
Diffusion Model Data Augmentation Data Drift (Dérive des données) Data Engineering (Ingénierie des données) Data Lake Data Mining (Fouille de données) Data Pipeline Data Science Détection d’anomalies (Anomaly Detection) Détection de fraude Diffusion Model (Modèle de diffusion) Distillation des connaissances (Knowledge Distillation) Données synthétiques Dropout (Régularisation des réseaux neuronaux)	Embedding Entraînement (Training) Ethique de l’IA (AI Ethics) Explicabilité de l’IA (Explainability, XAI) Ensemble Learning Entraînement (Training) Entropie croisée	Fine-tuning Fluctuations de données Fonction d’activation
G	H	I
GAN (Generative Adversarial Network) Génération d’images (Image Generation) Génération de texte Gradient Descent (Descente de gradient) Graph Neural Network (GNN)	Hallucination (AI Hallucination) Heuristique d’apprentissage	Intelligence artificielle IA Adaptative IA Generative IA Reactive IA embarquée IA explicable IA hybride IA neuromorphique Indexation sémantique Inference Inférence distribuée Inférence quantique Interprétabilité des modèles
J	K	L
		Latent Space (Espace latent) Large Language Model (LLM) Learning Rate (Taux d’apprentissage) Loss Function (Fonction de perte)
M	N	O
Machine learning Méthodes bayésiennes Méthodes de régularisation Modèle de langage (LLM) Modèle génératif Modèle hybride	Natural Language Processing (NLP) Neural Networks (Réseaux de neurones) Neural Turing Machine (NTM)	Object Detection (Détection d’objets) One-shot Learning Optimisation de modèle
P	Q	R
Perturbation Adversariale Perceptron Plausibilité statistique Policy Gradient (Optimisation par gradient de politique) Prédiction en temps réel Prétraitement des données Prompt Engineering Prompting Propagation avant (Forward Propagation)	Q-Learning (Algorithme d’apprentissage par renforcement) Quantization Quantum Machine Learning (Apprentissage quantique)	RAG (Retrieval-Augmented Generation) Random Forest Recurrent Neural Network (RNN) Reinforcement Learning (Apprentissage par renforcement) Représentation vectorielle Régulation de l’IA ResNet (Réseau neuronal résiduel)
S	T	U
Self-Supervised Learning (Apprentissage auto-supervisé) Semi-supervised Learning (Apprentissage semi-supervisé) Speech Recognition (Reconnaissance vocale) Speech-to-Text (STT) Stable Diffusion Supervised Learning (Apprentissage supervisé) Support Vector Machine (SVM) Swarm Intelligence (Intelligence collective) Synthèse vocale (TTS)	Text Mining Tokenization Transformer Transfer Learning
V	W	X

Y	Z
	Underfitting Unsupervised Learning (Apprentissage non supervisé) Variational Autoencoder (VAE) Vector Embedding Weight Sharing (Partage des poids) Zero-shot Learning