Dictionnaire Intelligence Artificielle

Le dictionnaire de l’Intelligence Artificielle a pour objectif de rendre accessibles les principaux termes liés à l’IA, à la data science et aux usages métiers des technologies intelligentes. Il s’adresse aux étudiants, formateurs, chefs de projet, managers et décideurs souhaitant mieux comprendre les concepts clés et leurs applications concrètes.

Chaque définition est rédigée de manière simple et opérationnelle, en une ou deux phrases, afin de faciliter la lecture rapide et l’appropriation. Le dictionnaire couvre aussi bien les bases de l’apprentissage automatique que les notions récentes de l’IA générative, les enjeux d’éthique et de gouvernance, ainsi que les outils déployés en entreprise.

Ce glossaire est conçu comme un outil pratique, évolutif et pédagogique, qui peut être utilisé aussi bien en formation qu’en contexte professionnel.

A

---

Agents conversationnels	Algorithme	Algorithmes génétiques
Analyse des sentiments	Analyse prédictive	Apprentissage fédéré
Apprentissage non supervisé	Apprentissage par renforcement	Apprentissage supervisé
Arbre de décision	Autoencodeurs	Augmentation de données
API Application Programming Interface	–	–

B

---

Backpropagation	Base documentaire fiable	Biais esthétiques de l’IA
–	BERT	Biais dans l’IA
Big data	Black box	Balise de prompt
–	–	–

C

---

Chatbots	Classification	Clustering
Cloud computing	Continual learning	Cross-validation
ChatGPT	Collègue numérique	Chief Cognitive Officer (CCO)

D

---

Détection d’anomalies	Digital twin	Données étiquetées
Délimiteur	Dataset	Datasets diversifiés
–	–	–

E

---

Edge computing	Embedding	Ensemble learning
Explicabilité (Explainable AI, XAI)	Expériences d’apprentissage conversationnelles	Effet J-curve
–	–	–

F

---

Fairness	Feature engineering	Few-shot learning
Fonction de perte	Fine-tuning

G

---

GAN (Generative Adversarial Networks)	Génération de texte	Génération de texte automatique
Gradient boosting	Gradient descent	GPT – Generative Pre-trained Transformer
GPT Builder	Gouffre de capital	–

H

---

Hyperparamètres	–	–
–	–	–
–	–	–

I

---

	IA co-créatrice
Inférence bayésienne	Intelligence artificielle faible	Intelligence artificielle forte
Intelligence des compétences	IA maison	IA responsable (IAR)
IA Symbolique	IA métier	IA inclusive
Intelligence artificielle générale (AGI)	Intelligence collective	IoT (Internet of Things)
Intelligence artificielle connexioniste	Industrialisation de l’IA	IA neuro-symbolique

J

---

K

---

K-means	Knowledge graph	–
–	–	–
–	–	–

L

---

Long short-term memory (LSTM)-	–	–
–	–	–
–	–	–

M

---

Machine learning	Mémoire attentionnelle	Méthode Monte Carlo
Méthode des k plus proches voisins (KNN)	Meta-learning	Modèle de langage
Prompt Multi shot

N

---

O

---

Ontologies	Optimisation	Overfitting
Prompt One shot	Orchestration agentique	–
–	–	–

P

---

Paramètres	Perceptron	Prétraitement des données
Processus bayésiens	Prompting vocal

R

---

RAG (Retrieval-Augmented Generation)	RAISE BAR	x
Random forest	Réalité augmentée	Réalité virtuelle
Reconnaissance faciale	Reconnaissance vocale	Régression linéaire
Régression logistique	Réseaux convolutifs (CNN)	Réseaux de Boltzmann
Réseaux de Boltzmann	Réseaux neuronaux	Réseaux récurrents (RNN)
Résilience	Résolution de problèmes	Robotique
Robustesse	–	–

S

---

Séquence à séquence (Seq2Seq)	Séries temporelles	Smart contracts
Systèmes de recommandation	Systèmes experts	Support vector machine (SVM)

T

---

T5	Text mining	Traitement du langage naturel (NLP)
Transfer learning	Transformers	Transparence des jeux de données
Transition technologique RH	–	–

U

---

Underfitting

V

---

Validation croisée	Vectorisation	Vision par ordinateur

W

---

White box	Word2Vec	–
–	–	–
–	–	–

X

---

XGBoost	–	–
–	–	–
–	–	–

Y

---

Z

---

Zero-shot learning

---