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
B
| Backpropagation | Base documentaire fiable |
Biais esthétiques de l’IA |
| – | BERT | Biais dans l’IA |
| – | Black box | Balise de prompt |
| – | – | – |
C
| Chatbots | Classification | Clustering |
| – | Continual learning | Cross-validation |
| – | 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 |
| Gouffre de capital | – |
H
| Hyperparamètres | – | – |
I
| IA co-créatrice |
||
| Inférence bayésienne | Intelligence artificielle faible | Intelligence artificielle forte |
| Intelligence des compétences | IA responsable (IAR) | |
| IA Symbolique | IA métier | IA inclusive |
| 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 |
N
| – | – | – |
O
| Ontologies | – | Overfitting |
| Prompt One shot | Orchestration agentique | – |
| – | – | – |
P
| – | Perceptron | Prétraitement des données |
| Processus bayésiens | Prompting vocal | – |
| – | – | – |
R
| RAG (Retrieval-Augmented Generation) | RAISE BAR | – |
| Random forest | Réalité augmentée | Réalité virtuelle |
| Reconnaissance faciale | Reconnaissance vocale | Régression linéaire |
| Régression logistique | Réseaux convolutifs (CNN) | Réseaux de Boltzmann |
| – | Réseaux neuronaux | Réseaux récurrents (RNN) |
| – | – | – |
| – | – | – |
S
| Séquence à séquence (Seq2Seq) | Séries temporelles | – |
| 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 | – | – |