L'intelligence artificielle a pris le monde entier d'assaut depuis le lancement du ChatGPT d'OpenAIen novembre 2022. Depuis lors, les industries se sont empressées d'adopter la nouvelle technologie, en tirant parti de l'intelligence artificielle dans tous les aspects de l'activité. Nous avons compilé une liste de termes essentiels que tout le monde devrait connaître pour mieux comprendre l'intelligence artificielle.
La liste de termes suivante met en évidence des concepts clés qui sont essentiels pour développer et approfondir vos connaissances des technologies de l'intelligence artificielle. Grâce à ces notions, vous serez mieux équipé pour explorer et mettre en œuvre l'intelligence artificielle au sein de votre organisation en toute confiance.
A
Interface de programmation d'applications (API)
Ensemble de protocoles, d'outils et de définitions permettant aux développeurs d'interagir avec un système ou un service d'IA. Les API permettent aux développeurs d'intégrer des capacités d'IA, telles que des modèles d'apprentissage automatique, de traitement du langage naturel ou de vision par ordinateur, dans leurs applications sans avoir à développer eux-mêmes les algorithmes ou les modèles sous-jacents.
Intelligence artificielle (IA)
La branche de l'informatique qui se concentre sur la création de systèmes capables d'effectuer des tâches qui requièrent généralement l'intelligence humaine. Ces tâches comprennent la résolution de problèmes, l'apprentissage, le raisonnement, la perception et la compréhension du langage. Les systèmes d'IA peuvent être basés sur des règles, c'est-à-dire qu'ils suivent des instructions prédéfinies, ou sur l'apprentissage, c'est-à-dire qu'ils s'adaptent et s'améliorent en fonction de l'expérience acquise. L'IA peut être classée en deux catégories : l'IA étroite, qui est conçue pour des tâches spécifiques, et l'IA générale, qui vise à effectuer toute tâche intellectuelle qu'un être humain peut accomplir.
Attribution
Le processus d'identification et d'explication des données d'entrée ou des caractéristiques qui ont contribué à un résultat particulier ou à une décision prise par un modèle. L'attribution est essentielle pour comprendre comment les systèmes d'IA parviennent à leurs conclusions, garantir la transparence et permettre aux utilisateurs de faire confiance aux résultats et de les valider. Elle peut également être utilisée pour affiner les modèles en se concentrant sur les facteurs les plus pertinents qui influencent les prédictions.
Algorithme
Ensemble de règles ou d'instructions qu'un ordinateur suit pour résoudre un problème ou effectuer une tâche. Dans l'IA et l'apprentissage automatique, les algorithmes sont utilisés pour traiter les données, reconnaître les modèles et prendre des décisions sur la base des données d'entrée. Les algorithmes constituent la base de tous les modèles d'IA, car ils guident la façon dont ils apprennent à partir des données et font des prédictions.
Annotation
Le processus d'étiquetage ou de marquage des données, telles que les images, le texte ou l'audio, afin de fournir un contexte ou des informations qui peuvent être utilisées pour former des modèles d'IA. Les annotations aident les systèmes d'IA à comprendre et à apprendre des données en fournissant des exemples de ce que représentent certaines caractéristiques ou certains modèles.
Automatisation
L'utilisation de la technologie pour effectuer des tâches sans intervention humaine, allant de simples actions répétitives à des processus complexes, améliorant souvent l'efficacité et la précision.
B
Back-end
La partie d'un système logiciel qui gère les opérations côté serveur, y compris les bases de données, la logique d'application et les API. Dans le contexte de l'IA, le back-end gère le traitement des données, la formation des modèles et l'exécution des algorithmes, souvent cachés à l'utilisateur mais cruciaux pour la fonctionnalité du système.
Barde
Modèle de langage développé par Google, similaire à d'autres modèles d'IA comme GPT, conçu pour générer des textes de type humain à partir d'invites. Il fait partie de la catégorie plus large de l'IA générative, utilisée dans des applications telles que les chatbots, la création de contenu et les réponses automatisées.
Boîte noire
Terme utilisé pour décrire un modèle ou un système dont le fonctionnement interne n'est pas transparent ou facile à comprendre. Dans le contexte de l'IA, les utilisateurs peuvent voir les entrées et les sorties, mais le processus par lequel le modèle arrive à ses conclusions est caché ou trop complexe à interpréter, ce qui rend difficile l'explication ou la confiance dans les résultats.
Blocage
L'arrêt des processus ou des actions sur la base de certaines conditions ou règles. Il peut s'agir d'empêcher le traitement de données, d'entrées ou d'opérations spécifiques, souvent pour des raisons de sécurité, d'intégrité des données ou de gestion des ressources du système.
Biais
Les erreurs systématiques dans les prédictions ou les décisions d'un modèle qui résultent de préjugés, de données incomplètes ou de processus de formation biaisés. Les préjugés peuvent conduire à des résultats injustes ou inexacts, affectant souvent de manière disproportionnée certains groupes ou individus, ce qui en fait un problème critique à traiter dans le cadre du développement de l'IA.
C
Chatbot
Un programme alimenté par l'IA conçu pour simuler une conversation avec des utilisateurs humains, généralement par le biais d'interactions textuelles ou vocales. Les chatbots sont généralement utilisés dans le service client, la recherche d'informations et l'assistance personnelle, et peuvent aller de systèmes simples, basés sur des règles, à des modèles avancés capables de comprendre et de générer du langage naturel.
ChatGPT
Modèle de langage d'IA développé par OpenAI, conçu pour générer des textes semblables à ceux d'un humain à partir d'invites. Il peut engager des conversations, répondre à des questions et aider à accomplir un large éventail de tâches. ChatGPT fait partie de la série GPT (Generative Pre-trained Transformer) et est connu pour sa capacité à comprendre le contexte et à générer des réponses cohérentes sur différents sujets.
Vision par ordinateur
Un domaine de l'IA qui permet aux machines d'interpréter et de comprendre les informations visuelles du monde, telles que les images ou les vidéos. Il s'agit de tâches telles que la détection d'objets, la reconnaissance d'images et la compréhension de scènes, qui permettent aux systèmes d'IA d'analyser les données visuelles et d'y répondre de la même manière que les humains.
Copilote
Un assistant alimenté par l'IA conçu pour aider les utilisateurs dans leurs tâches en leur fournissant des suggestions en temps réel, des compléments de code ou des solutions automatisées. Souvent utilisé dans le développement de logiciels, il agit comme un "copilote", guidant et améliorant la productivité et l'efficacité de l'utilisateur en offrant des recommandations et une assistance en fonction du contexte.
D
DALL-E
Modèle d'IA développé par OpenAI qui génère des images à partir de descriptions textuelles. En comprenant et en interprétant le langage, DALL-E peut créer des représentations visuelles détaillées et diverses de concepts, d'objets ou de scènes en fonction des données fournies. Il combine la compréhension du langage et la génération d'images, mettant en évidence le potentiel de l'IA dans les applications créatives et artistiques.
Augmentation des données
Techniques utilisées pour accroître la diversité des données disponibles pour l'apprentissage des modèles, souvent en modifiant les données existantes (par exemple, en faisant pivoter ou en retournant des images) afin d'améliorer la robustesse et la performance des modèles.
Ensembles de données
Collections de données utilisées pour former, valider et tester les modèles d'IA. Il peut s'agir d'images, de textes, de sons ou de tout autre type d'informations, organisés de manière à fournir des exemples pertinents à partir desquels le modèle peut apprendre. La qualité et la diversité des ensembles de données sont essentielles pour construire des systèmes d'IA précis et fiables.
Faux-semblant
Médias générés par l'IA, généralement des vidéos ou des images, où l'image d'une personne est modifiée de manière convaincante ou remplacée par celle de quelqu'un d'autre. Les "deepfakes" utilisent des techniques d'apprentissage profond, en particulier des réseaux neuronaux, pour créer des contenus très réalistes mais fabriqués, ce qui soulève souvent des questions éthiques sur la désinformation et la protection de la vie privée.
Apprentissage profond
Un sous-ensemble de l'apprentissage automatique qui utilise des réseaux neuronaux avec de nombreuses couches (d'où le terme "profond") pour modéliser et comprendre des modèles complexes dans de grands ensembles de données. L'apprentissage profond est particulièrement efficace pour des tâches telles que la reconnaissance d'images, le traitement du langage naturel et la reconnaissance vocale, ce qui permet aux systèmes d'IA d'atteindre des niveaux de précision élevés dans ces domaines.
Exploration de données
Le processus de découverte de modèles, de corrélations et d'informations à partir de grands ensembles de données à l'aide de techniques statistiques et informatiques. En IA, l'exploration de données est utilisée pour extraire des informations précieuses qui peuvent éclairer la prise de décision, la formation de modèles et l'analyse prédictive, conduisant souvent à de nouvelles connaissances et à de meilleures stratégies commerciales.
E
Edge AI
Le traitement de l'IA s'effectue directement sur des appareils tels que les smartphones ou les capteurs, plutôt que dans un nuage centralisé ou un centre de données, ce qui permet des réponses plus rapides et réduit la nécessité d'une connectivité internet permanente.
F
Front-end
La partie d'une application logicielle qui interagit directement avec l'utilisateur, impliquant généralement l'interface utilisateur (UI) et l'expérience utilisateur (UX). En IA, le front-end est l'endroit où les utilisateurs interagissent avec les outils ou les applications alimentés par l'IA, tels que les chatbots ou les tableaux de bord, tandis que le back-end gère le traitement des données et l'exécution des modèles.
G
Gémeaux
Modèle d'IA de Google qui combine la compréhension du langage avec des fonctionnalités avancées pour le multitâche, souvent positionné comme un concurrent de modèles tels que GPT-4. Gemini est conçu pour traiter des requêtes complexes, fournir des réponses détaillées et s'intégrer de manière transparente dans divers services Google, améliorant ainsi l'expérience des utilisateurs grâce à des informations et des capacités basées sur l'IA.
IA générative
Type d'intelligence artificielle qui crée de nouveaux contenus, tels que du texte, des images, du son ou de la vidéo, en apprenant des modèles à partir de données existantes. Les modèles d'IA générative, comme GPT pour le texte ou DALL-E pour les images, sont capables de produire des résultats originaux qui peuvent être utilisés dans des applications créatives, la génération de contenu, etc.
Transformateur génératif pré-entraîné (GPT)
Un type de modèle d'IA développé par OpenAI qui utilise l'architecture Transformer pour générer des textes semblables à ceux des humains. Les modèles GPT sont "pré-entraînés" sur de grandes quantités de données textuelles, puis "affinés" pour des tâches spécifiques, telles que l'écriture, la traduction ou la conversation. Ils sont dits "génératifs" parce qu'ils peuvent créer de nouveaux contenus sur la base des modèles appris au cours de la formation.
H
Hallucinations
Les hallucinations sont des cas où le modèle génère des informations ou des déclarations incorrectes, fabriquées ou absurdes. Bien qu'ils aient l'air plausibles, ces résultats ne sont pas basés sur des données ou des faits réels, et ils représentent un défi important pour garantir la fiabilité et l'exactitude du contenu généré par l'IA.
I
Génération d'images
Le processus de création de nouvelles images à l'aide de modèles d'intelligence artificielle, souvent basés sur des descriptions textuelles ou d'autres données d'entrée. Des techniques comme les GAN (Generative Adversarial Networks) ou des modèles comme DALL-E sont utilisés à cette fin. La génération d'images est largement utilisée dans les applications créatives, le design et la création de contenu, permettant la production d'images réalistes ou stylisées à partir de zéro.
Entrée
Données ou informations fournies à un système ou à un modèle d'IA pour être traitées et analysées. Les entrées peuvent se présenter sous diverses formes, telles que du texte, des images, du son ou des données numériques, et sont essentielles pour permettre à l'IA d'effectuer des tâches, de faire des prédictions ou de générer des sorties sur la base des modèles appris à partir des données d'apprentissage.
K
Graphique de connaissances
Une représentation structurée de l'information qui montre les relations entre les entités, souvent utilisée dans l'IA pour améliorer les moteurs de recherche, les systèmes de recommandation et le traitement du langage naturel en fournissant un contexte et en comprenant les liens entre les différents éléments de données.
L
Grands modèles linguistiques (LLM)
Modèles d'IA entraînés sur de grandes quantités de données textuelles pour comprendre et générer un langage semblable à celui de l'homme. Ces modèles, tels que GPT-4 ou BERT, ont des milliards de paramètres et peuvent effectuer un large éventail de tâches liées au langage, notamment la traduction, le résumé, la réponse aux questions et la génération de texte. Les LLM sont connus pour leur capacité à comprendre le contexte et à produire des textes cohérents et pertinents, ce qui en fait des outils puissants pour le traitement du langage naturel et les applications d'intelligence artificielle.
Modèle d'apprentissage
Tout modèle d'apprentissage automatique ou d'intelligence artificielle formé sur des données pour reconnaître des modèles et faire des prédictions ou prendre des décisions. Les modèles d'apprentissage peuvent varier en complexité, des simples modèles de régression linéaire aux réseaux neuronaux profonds complexes, et sont utilisés dans des applications allant de la reconnaissance d'images au traitement du langage naturel. Le modèle "apprend" en ajustant ses paramètres sur la base des données d'entraînement afin d'améliorer sa précision au fil du temps.
M
Apprentissage machine (ML)
Un sous-ensemble de l'intelligence artificielle qui se concentre sur le développement d'algorithmes et de modèles permettant aux ordinateurs d'apprendre et de faire des prédictions ou de prendre des décisions sur la base de données. Au lieu d'être explicitement programmés pour effectuer une tâche, les modèles d'apprentissage automatique identifient des modèles et des relations dans les données afin d'améliorer leurs performances au fil du temps. L'apprentissage automatique est utilisé dans un large éventail d'applications, notamment les systèmes de recommandation, la reconnaissance d'images et l'analyse prédictive.
Multimodal
Il s'agit de modèles ou de systèmes d'IA capables de traiter et d'intégrer simultanément plusieurs types de données, telles que du texte, des images, du son et de la vidéo. L'IA multimodale est conçue pour comprendre et générer des résultats qui combinent ces différents types de données, ce qui permet des réponses ou des actions plus complètes et tenant compte du contexte. Cette capacité est particulièrement utile dans des applications telles que les assistants virtuels, la génération de contenu et les tâches décisionnelles complexes.
N
Traitement du langage naturel
Un domaine de l'IA qui se concentre sur l'interaction entre les ordinateurs et le langage humain. Le NLP consiste à permettre aux machines de comprendre, d'interpréter et de générer du langage humain d'une manière qui soit à la fois significative et utile. Il alimente des applications telles que les chatbots, les services de traduction et l'analyse des sentiments.
Réseau neuronal
Modèle informatique inspiré de la structure et du fonctionnement du cerveau humain, constitué de couches de nœuds interconnectés (neurones). Les réseaux neuronaux sont à la base de nombreux systèmes d'IA modernes, en particulier dans le domaine de l'apprentissage profond. Chaque nœud traite les données d'entrée et transmet le résultat à la couche suivante, ce qui permet au réseau d'apprendre des modèles complexes et de faire des prédictions. Les réseaux neuronaux sont largement utilisés dans des tâches telles que la reconnaissance d'images, le traitement du langage naturel et la reconnaissance vocale.
O
OpenAI
OpenAI est une organisation et une entreprise de recherche sur l'intelligence artificielle dont l'objectif est de développer l'IA et de veiller à ce qu'elle profite à l'ensemble de l'humanité. Connue pour avoir créé des modèles d'IA avancés tels que GPT (Generative Pre-trained Transformer) et DALL-E, l'OpenAI se concentre sur la construction de technologies d'IA sûres et puissantes, sur la recherche et sur la fourniture d'outils et de ressources d'IA au public. L'OpenAI a pour mission de veiller à ce que l'intelligence artificielle générale (AGI) soit alignée sur les valeurs et les intérêts humains.
Source ouverte
Modèle collaboratif de développement de logiciels dans lequel le code source est librement disponible pour que chacun puisse l'utiliser, le modifier et le partager. Dans le domaine de l'IA, les projets open source permettent aux développeurs de contribuer à un pool collectif de ressources et d'en tirer profit, ce qui accélère l'innovation et rend les technologies d'IA plus accessibles. Parmi les exemples, on peut citer les bibliothèques d'IA à code source ouvert telles que TensorFlow, PyTorch et scikit-learn, qui sont devenues des outils fondamentaux dans la communauté de l'IA.
Sortie
Le résultat ou les données produites par un modèle ou un système d'IA après traitement de l'entrée. Dans l'apprentissage automatique, la sortie peut être une prédiction, une classification, un texte généré, une image ou tout autre type de résultat que le modèle est conçu pour produire. Les résultats sont essentiels pour évaluer les performances des systèmes d'IA et déterminer dans quelle mesure ils atteignent les objectifs ou les tâches prévus.
P
Modélisation prédictive
Le processus de création, de test et de validation de modèles qui utilisent des données historiques pour prédire des résultats ou des comportements futurs. La modélisation prédictive implique l'application de techniques statistiques et d'algorithmes d'apprentissage automatique pour identifier des modèles dans les données, qui sont ensuite utilisés pour faire des prévisions ou éclairer la prise de décision. Cette approche est largement utilisée dans des domaines tels que la finance, les soins de santé, le marketing et bien d'autres, où des prédictions précises peuvent conduire à une meilleure planification stratégique et à une meilleure gestion des risques.
Q
Apprentissage automatique quantique
L'intersection de l'informatique quantique et de l'apprentissage automatique, explorant comment les algorithmes quantiques peuvent améliorer les tâches d'apprentissage automatique.
R
Apprentissage par renforcement à partir du feedback humain (RLHF)
Cette technique consiste à former des modèles d'IA en utilisant le retour d'information des humains pour guider et affiner leur comportement. Les évaluateurs humains attribuent des notes ou des classements aux actions du modèle, l'aidant ainsi à apprendre des résultats plus souhaitables et à mieux s'aligner sur les valeurs humaines.
Robots.txt
Fichier utilisé par les sites web pour indiquer aux robots des moteurs de recherche quelles pages ou sections du site doivent ou ne doivent pas être indexées ou explorées. Cela permet de gérer le trafic web et de protéger certains contenus contre l'accès ou l'affichage dans les résultats des moteurs de recherche. Bien qu'il ne s'agisse pas directement d'un concept d'IA, il joue un rôle crucial dans la gestion de la manière dont les moteurs de recherche dotés d'IA interagissent avec le contenu web.
S
Grattage
Le processus d'extraction de données à partir de sites web ou d'autres sources en ligne, généralement à l'aide d'outils ou de scripts automatisés. Dans le domaine de l'IA et de la science des données, le scraping est souvent utilisé pour collecter de grandes quantités de données à des fins d'analyse, de formation de modèles ou de recherche. Cependant, le scraping peut soulever des problèmes juridiques et éthiques, en particulier s'il implique un accès non autorisé aux données ou s'il enfreint les conditions de service d'un site web.
Données synthétiques
Données générées artificiellement pour imiter les données du monde réel. Elles sont utilisées pour former des modèles d'IA lorsque les données réelles sont rares, sensibles ou difficiles à obtenir. Les données synthétiques peuvent contribuer à améliorer les performances des modèles, à renforcer la protection de la vie privée et à fournir des exemples de formation plus diversifiés. Elles sont souvent générées à l'aide de techniques telles que les simulations, les modèles génératifs ou en modifiant des données existantes.
Apprentissage supervisé
Un type d'apprentissage automatique dans lequel un modèle est formé sur des données étiquetées, ce qui signifie que chaque entrée est associée à une sortie correcte. Le modèle apprend à mettre en correspondance les entrées et les sorties en trouvant des modèles dans les données d'apprentissage. Une fois formé, il peut prédire la sortie pour de nouvelles entrées inédites. L'apprentissage supervisé est couramment utilisé dans des tâches telles que la classification et la régression, comme la détection de spam ou la prévision des prix de l'immobilier.
T
Tokenisation
Le processus de décomposition du texte en unités plus petites, appelées tokens, qui peuvent être des mots, des phrases ou même des caractères. En IA et en NLP, la tokenisation est une étape cruciale de prétraitement qui permet aux modèles de traiter et d'analyser le texte plus efficacement en le convertissant dans un format que le modèle peut comprendre. Les tokens sont les éléments de base pour l'apprentissage des modèles de langage et l'exécution de tâches telles que la génération de texte et l'analyse des sentiments.
Formation/apprentissage
La phase de l'apprentissage automatique au cours de laquelle un modèle d'IA apprend à partir d'un ensemble de données étiquetées en ajustant ses paramètres internes afin de minimiser les erreurs et d'améliorer la précision. Au cours de la formation, le modèle traite les données d'entrée et compare ses prédictions aux sorties correctes, s'affinant de manière itérative afin d'améliorer ses performances sur les données futures. Ce processus est essentiel pour permettre au modèle de se généraliser et de faire des prédictions précises sur de nouvelles données inédites.
V
Assistant virtuel
Un logiciel alimenté par l'IA qui peut effectuer des tâches ou des services pour un individu, en utilisant souvent le traitement du langage naturel pour interagir avec les utilisateurs.
W
Crawler Web
Programme automatisé ou bot qui navigue systématiquement sur le web afin d'indexer le contenu pour les moteurs de recherche ou de collecter des données à des fins d'analyse. Les robots d'indexation visitent les sites web, suivent les liens et extraient des informations des pages, ce qui permet aux moteurs de recherche comme Google de mettre à jour leurs bases de données et de fournir des résultats de recherche pertinents. Dans le domaine de l'intelligence artificielle, les robots d'indexation sont souvent utilisés pour collecter de vastes ensembles de données en vue de la formation de modèles, par exemple pour le traitement du langage naturel ou les tâches de raclage de sites web.
Curieux d'élargir votre vocabulaire ad tech ? Consultez notre glossaire CTV ultime
L'intelligence artificielle a pris le monde entier d'assaut depuis le lancement du ChatGPT d'OpenAIen novembre 2022. Depuis lors, les industries se sont empressées d'adopter la nouvelle technologie, en tirant parti de l'intelligence artificielle dans tous les aspects de l'activité. Nous avons compilé une liste de termes essentiels que tout le monde devrait connaître pour mieux comprendre l'intelligence artificielle.
La liste de termes suivante met en évidence des concepts clés qui sont essentiels pour développer et approfondir vos connaissances des technologies de l'intelligence artificielle. Grâce à ces notions, vous serez mieux équipé pour explorer et mettre en œuvre l'intelligence artificielle au sein de votre organisation en toute confiance.
A
Interface de programmation d'applications (API)
Ensemble de protocoles, d'outils et de définitions permettant aux développeurs d'interagir avec un système ou un service d'IA. Les API permettent aux développeurs d'intégrer des capacités d'IA, telles que des modèles d'apprentissage automatique, de traitement du langage naturel ou de vision par ordinateur, dans leurs applications sans avoir à développer eux-mêmes les algorithmes ou les modèles sous-jacents.
Intelligence artificielle (IA)
La branche de l'informatique qui se concentre sur la création de systèmes capables d'effectuer des tâches qui requièrent généralement l'intelligence humaine. Ces tâches comprennent la résolution de problèmes, l'apprentissage, le raisonnement, la perception et la compréhension du langage. Les systèmes d'IA peuvent être basés sur des règles, c'est-à-dire qu'ils suivent des instructions prédéfinies, ou sur l'apprentissage, c'est-à-dire qu'ils s'adaptent et s'améliorent en fonction de l'expérience acquise. L'IA peut être classée en deux catégories : l'IA étroite, qui est conçue pour des tâches spécifiques, et l'IA générale, qui vise à effectuer toute tâche intellectuelle qu'un être humain peut accomplir.
Attribution
Le processus d'identification et d'explication des données d'entrée ou des caractéristiques qui ont contribué à un résultat particulier ou à une décision prise par un modèle. L'attribution est essentielle pour comprendre comment les systèmes d'IA parviennent à leurs conclusions, garantir la transparence et permettre aux utilisateurs de faire confiance aux résultats et de les valider. Elle peut également être utilisée pour affiner les modèles en se concentrant sur les facteurs les plus pertinents qui influencent les prédictions.
Algorithme
Ensemble de règles ou d'instructions qu'un ordinateur suit pour résoudre un problème ou effectuer une tâche. Dans l'IA et l'apprentissage automatique, les algorithmes sont utilisés pour traiter les données, reconnaître les modèles et prendre des décisions sur la base des données d'entrée. Les algorithmes constituent la base de tous les modèles d'IA, car ils guident la façon dont ils apprennent à partir des données et font des prédictions.
Annotation
Le processus d'étiquetage ou de marquage des données, telles que les images, le texte ou l'audio, afin de fournir un contexte ou des informations qui peuvent être utilisées pour former des modèles d'IA. Les annotations aident les systèmes d'IA à comprendre et à apprendre des données en fournissant des exemples de ce que représentent certaines caractéristiques ou certains modèles.
Automatisation
L'utilisation de la technologie pour effectuer des tâches sans intervention humaine, allant de simples actions répétitives à des processus complexes, améliorant souvent l'efficacité et la précision.
B
Back-end
La partie d'un système logiciel qui gère les opérations côté serveur, y compris les bases de données, la logique d'application et les API. Dans le contexte de l'IA, le back-end gère le traitement des données, la formation des modèles et l'exécution des algorithmes, souvent cachés à l'utilisateur mais cruciaux pour la fonctionnalité du système.
Barde
Modèle de langage développé par Google, similaire à d'autres modèles d'IA comme GPT, conçu pour générer des textes de type humain à partir d'invites. Il fait partie de la catégorie plus large de l'IA générative, utilisée dans des applications telles que les chatbots, la création de contenu et les réponses automatisées.
Boîte noire
Terme utilisé pour décrire un modèle ou un système dont le fonctionnement interne n'est pas transparent ou facile à comprendre. Dans le contexte de l'IA, les utilisateurs peuvent voir les entrées et les sorties, mais le processus par lequel le modèle arrive à ses conclusions est caché ou trop complexe à interpréter, ce qui rend difficile l'explication ou la confiance dans les résultats.
Blocage
L'arrêt des processus ou des actions sur la base de certaines conditions ou règles. Il peut s'agir d'empêcher le traitement de données, d'entrées ou d'opérations spécifiques, souvent pour des raisons de sécurité, d'intégrité des données ou de gestion des ressources du système.
Biais
Les erreurs systématiques dans les prédictions ou les décisions d'un modèle qui résultent de préjugés, de données incomplètes ou de processus de formation biaisés. Les préjugés peuvent conduire à des résultats injustes ou inexacts, affectant souvent de manière disproportionnée certains groupes ou individus, ce qui en fait un problème critique à traiter dans le cadre du développement de l'IA.
C
Chatbot
Un programme alimenté par l'IA conçu pour simuler une conversation avec des utilisateurs humains, généralement par le biais d'interactions textuelles ou vocales. Les chatbots sont généralement utilisés dans le service client, la recherche d'informations et l'assistance personnelle, et peuvent aller de systèmes simples, basés sur des règles, à des modèles avancés capables de comprendre et de générer du langage naturel.
ChatGPT
Modèle de langage d'IA développé par OpenAI, conçu pour générer des textes semblables à ceux d'un humain à partir d'invites. Il peut engager des conversations, répondre à des questions et aider à accomplir un large éventail de tâches. ChatGPT fait partie de la série GPT (Generative Pre-trained Transformer) et est connu pour sa capacité à comprendre le contexte et à générer des réponses cohérentes sur différents sujets.
Vision par ordinateur
Un domaine de l'IA qui permet aux machines d'interpréter et de comprendre les informations visuelles du monde, telles que les images ou les vidéos. Il s'agit de tâches telles que la détection d'objets, la reconnaissance d'images et la compréhension de scènes, qui permettent aux systèmes d'IA d'analyser les données visuelles et d'y répondre de la même manière que les humains.
Copilote
Un assistant alimenté par l'IA conçu pour aider les utilisateurs dans leurs tâches en leur fournissant des suggestions en temps réel, des compléments de code ou des solutions automatisées. Souvent utilisé dans le développement de logiciels, il agit comme un "copilote", guidant et améliorant la productivité et l'efficacité de l'utilisateur en offrant des recommandations et une assistance en fonction du contexte.
D
DALL-E
Modèle d'IA développé par OpenAI qui génère des images à partir de descriptions textuelles. En comprenant et en interprétant le langage, DALL-E peut créer des représentations visuelles détaillées et diverses de concepts, d'objets ou de scènes en fonction des données fournies. Il combine la compréhension du langage et la génération d'images, mettant en évidence le potentiel de l'IA dans les applications créatives et artistiques.
Augmentation des données
Techniques utilisées pour accroître la diversité des données disponibles pour l'apprentissage des modèles, souvent en modifiant les données existantes (par exemple, en faisant pivoter ou en retournant des images) afin d'améliorer la robustesse et la performance des modèles.
Ensembles de données
Collections de données utilisées pour former, valider et tester les modèles d'IA. Il peut s'agir d'images, de textes, de sons ou de tout autre type d'informations, organisés de manière à fournir des exemples pertinents à partir desquels le modèle peut apprendre. La qualité et la diversité des ensembles de données sont essentielles pour construire des systèmes d'IA précis et fiables.
Faux-semblant
Médias générés par l'IA, généralement des vidéos ou des images, où l'image d'une personne est modifiée de manière convaincante ou remplacée par celle de quelqu'un d'autre. Les "deepfakes" utilisent des techniques d'apprentissage profond, en particulier des réseaux neuronaux, pour créer des contenus très réalistes mais fabriqués, ce qui soulève souvent des questions éthiques sur la désinformation et la protection de la vie privée.
Apprentissage profond
Un sous-ensemble de l'apprentissage automatique qui utilise des réseaux neuronaux avec de nombreuses couches (d'où le terme "profond") pour modéliser et comprendre des modèles complexes dans de grands ensembles de données. L'apprentissage profond est particulièrement efficace pour des tâches telles que la reconnaissance d'images, le traitement du langage naturel et la reconnaissance vocale, ce qui permet aux systèmes d'IA d'atteindre des niveaux de précision élevés dans ces domaines.
Exploration de données
Le processus de découverte de modèles, de corrélations et d'informations à partir de grands ensembles de données à l'aide de techniques statistiques et informatiques. En IA, l'exploration de données est utilisée pour extraire des informations précieuses qui peuvent éclairer la prise de décision, la formation de modèles et l'analyse prédictive, conduisant souvent à de nouvelles connaissances et à de meilleures stratégies commerciales.
E
Edge AI
Le traitement de l'IA s'effectue directement sur des appareils tels que les smartphones ou les capteurs, plutôt que dans un nuage centralisé ou un centre de données, ce qui permet des réponses plus rapides et réduit la nécessité d'une connectivité internet permanente.
F
Front-end
La partie d'une application logicielle qui interagit directement avec l'utilisateur, impliquant généralement l'interface utilisateur (UI) et l'expérience utilisateur (UX). En IA, le front-end est l'endroit où les utilisateurs interagissent avec les outils ou les applications alimentés par l'IA, tels que les chatbots ou les tableaux de bord, tandis que le back-end gère le traitement des données et l'exécution des modèles.
G
Gémeaux
Modèle d'IA de Google qui combine la compréhension du langage avec des fonctionnalités avancées pour le multitâche, souvent positionné comme un concurrent de modèles tels que GPT-4. Gemini est conçu pour traiter des requêtes complexes, fournir des réponses détaillées et s'intégrer de manière transparente dans divers services Google, améliorant ainsi l'expérience des utilisateurs grâce à des informations et des capacités basées sur l'IA.
IA générative
Type d'intelligence artificielle qui crée de nouveaux contenus, tels que du texte, des images, du son ou de la vidéo, en apprenant des modèles à partir de données existantes. Les modèles d'IA générative, comme GPT pour le texte ou DALL-E pour les images, sont capables de produire des résultats originaux qui peuvent être utilisés dans des applications créatives, la génération de contenu, etc.
Transformateur génératif pré-entraîné (GPT)
Un type de modèle d'IA développé par OpenAI qui utilise l'architecture Transformer pour générer des textes semblables à ceux des humains. Les modèles GPT sont "pré-entraînés" sur de grandes quantités de données textuelles, puis "affinés" pour des tâches spécifiques, telles que l'écriture, la traduction ou la conversation. Ils sont dits "génératifs" parce qu'ils peuvent créer de nouveaux contenus sur la base des modèles appris au cours de la formation.
H
Hallucinations
Les hallucinations sont des cas où le modèle génère des informations ou des déclarations incorrectes, fabriquées ou absurdes. Bien qu'ils aient l'air plausibles, ces résultats ne sont pas basés sur des données ou des faits réels, et ils représentent un défi important pour garantir la fiabilité et l'exactitude du contenu généré par l'IA.
I
Génération d'images
Le processus de création de nouvelles images à l'aide de modèles d'intelligence artificielle, souvent basés sur des descriptions textuelles ou d'autres données d'entrée. Des techniques comme les GAN (Generative Adversarial Networks) ou des modèles comme DALL-E sont utilisés à cette fin. La génération d'images est largement utilisée dans les applications créatives, le design et la création de contenu, permettant la production d'images réalistes ou stylisées à partir de zéro.
Entrée
Données ou informations fournies à un système ou à un modèle d'IA pour être traitées et analysées. Les entrées peuvent se présenter sous diverses formes, telles que du texte, des images, du son ou des données numériques, et sont essentielles pour permettre à l'IA d'effectuer des tâches, de faire des prédictions ou de générer des sorties sur la base des modèles appris à partir des données d'apprentissage.
K
Graphique de connaissances
Une représentation structurée de l'information qui montre les relations entre les entités, souvent utilisée dans l'IA pour améliorer les moteurs de recherche, les systèmes de recommandation et le traitement du langage naturel en fournissant un contexte et en comprenant les liens entre les différents éléments de données.
L
Grands modèles linguistiques (LLM)
Modèles d'IA entraînés sur de grandes quantités de données textuelles pour comprendre et générer un langage semblable à celui de l'homme. Ces modèles, tels que GPT-4 ou BERT, ont des milliards de paramètres et peuvent effectuer un large éventail de tâches liées au langage, notamment la traduction, le résumé, la réponse aux questions et la génération de texte. Les LLM sont connus pour leur capacité à comprendre le contexte et à produire des textes cohérents et pertinents, ce qui en fait des outils puissants pour le traitement du langage naturel et les applications d'intelligence artificielle.
Modèle d'apprentissage
Tout modèle d'apprentissage automatique ou d'intelligence artificielle formé sur des données pour reconnaître des modèles et faire des prédictions ou prendre des décisions. Les modèles d'apprentissage peuvent varier en complexité, des simples modèles de régression linéaire aux réseaux neuronaux profonds complexes, et sont utilisés dans des applications allant de la reconnaissance d'images au traitement du langage naturel. Le modèle "apprend" en ajustant ses paramètres sur la base des données d'entraînement afin d'améliorer sa précision au fil du temps.
M
Apprentissage machine (ML)
Un sous-ensemble de l'intelligence artificielle qui se concentre sur le développement d'algorithmes et de modèles permettant aux ordinateurs d'apprendre et de faire des prédictions ou de prendre des décisions sur la base de données. Au lieu d'être explicitement programmés pour effectuer une tâche, les modèles d'apprentissage automatique identifient des modèles et des relations dans les données afin d'améliorer leurs performances au fil du temps. L'apprentissage automatique est utilisé dans un large éventail d'applications, notamment les systèmes de recommandation, la reconnaissance d'images et l'analyse prédictive.
Multimodal
Il s'agit de modèles ou de systèmes d'IA capables de traiter et d'intégrer simultanément plusieurs types de données, telles que du texte, des images, du son et de la vidéo. L'IA multimodale est conçue pour comprendre et générer des résultats qui combinent ces différents types de données, ce qui permet des réponses ou des actions plus complètes et tenant compte du contexte. Cette capacité est particulièrement utile dans des applications telles que les assistants virtuels, la génération de contenu et les tâches décisionnelles complexes.
N
Traitement du langage naturel
Un domaine de l'IA qui se concentre sur l'interaction entre les ordinateurs et le langage humain. Le NLP consiste à permettre aux machines de comprendre, d'interpréter et de générer du langage humain d'une manière qui soit à la fois significative et utile. Il alimente des applications telles que les chatbots, les services de traduction et l'analyse des sentiments.
Réseau neuronal
Modèle informatique inspiré de la structure et du fonctionnement du cerveau humain, constitué de couches de nœuds interconnectés (neurones). Les réseaux neuronaux sont à la base de nombreux systèmes d'IA modernes, en particulier dans le domaine de l'apprentissage profond. Chaque nœud traite les données d'entrée et transmet le résultat à la couche suivante, ce qui permet au réseau d'apprendre des modèles complexes et de faire des prédictions. Les réseaux neuronaux sont largement utilisés dans des tâches telles que la reconnaissance d'images, le traitement du langage naturel et la reconnaissance vocale.
O
OpenAI
OpenAI est une organisation et une entreprise de recherche sur l'intelligence artificielle dont l'objectif est de développer l'IA et de veiller à ce qu'elle profite à l'ensemble de l'humanité. Connue pour avoir créé des modèles d'IA avancés tels que GPT (Generative Pre-trained Transformer) et DALL-E, l'OpenAI se concentre sur la construction de technologies d'IA sûres et puissantes, sur la recherche et sur la fourniture d'outils et de ressources d'IA au public. L'OpenAI a pour mission de veiller à ce que l'intelligence artificielle générale (AGI) soit alignée sur les valeurs et les intérêts humains.
Source ouverte
Modèle collaboratif de développement de logiciels dans lequel le code source est librement disponible pour que chacun puisse l'utiliser, le modifier et le partager. Dans le domaine de l'IA, les projets open source permettent aux développeurs de contribuer à un pool collectif de ressources et d'en tirer profit, ce qui accélère l'innovation et rend les technologies d'IA plus accessibles. Parmi les exemples, on peut citer les bibliothèques d'IA à code source ouvert telles que TensorFlow, PyTorch et scikit-learn, qui sont devenues des outils fondamentaux dans la communauté de l'IA.
Sortie
Le résultat ou les données produites par un modèle ou un système d'IA après traitement de l'entrée. Dans l'apprentissage automatique, la sortie peut être une prédiction, une classification, un texte généré, une image ou tout autre type de résultat que le modèle est conçu pour produire. Les résultats sont essentiels pour évaluer les performances des systèmes d'IA et déterminer dans quelle mesure ils atteignent les objectifs ou les tâches prévus.
P
Modélisation prédictive
Le processus de création, de test et de validation de modèles qui utilisent des données historiques pour prédire des résultats ou des comportements futurs. La modélisation prédictive implique l'application de techniques statistiques et d'algorithmes d'apprentissage automatique pour identifier des modèles dans les données, qui sont ensuite utilisés pour faire des prévisions ou éclairer la prise de décision. Cette approche est largement utilisée dans des domaines tels que la finance, les soins de santé, le marketing et bien d'autres, où des prédictions précises peuvent conduire à une meilleure planification stratégique et à une meilleure gestion des risques.
Q
Apprentissage automatique quantique
L'intersection de l'informatique quantique et de l'apprentissage automatique, explorant comment les algorithmes quantiques peuvent améliorer les tâches d'apprentissage automatique.
R
Apprentissage par renforcement à partir du feedback humain (RLHF)
Cette technique consiste à former des modèles d'IA en utilisant le retour d'information des humains pour guider et affiner leur comportement. Les évaluateurs humains attribuent des notes ou des classements aux actions du modèle, l'aidant ainsi à apprendre des résultats plus souhaitables et à mieux s'aligner sur les valeurs humaines.
Robots.txt
Fichier utilisé par les sites web pour indiquer aux robots des moteurs de recherche quelles pages ou sections du site doivent ou ne doivent pas être indexées ou explorées. Cela permet de gérer le trafic web et de protéger certains contenus contre l'accès ou l'affichage dans les résultats des moteurs de recherche. Bien qu'il ne s'agisse pas directement d'un concept d'IA, il joue un rôle crucial dans la gestion de la manière dont les moteurs de recherche dotés d'IA interagissent avec le contenu web.
S
Grattage
Le processus d'extraction de données à partir de sites web ou d'autres sources en ligne, généralement à l'aide d'outils ou de scripts automatisés. Dans le domaine de l'IA et de la science des données, le scraping est souvent utilisé pour collecter de grandes quantités de données à des fins d'analyse, de formation de modèles ou de recherche. Cependant, le scraping peut soulever des problèmes juridiques et éthiques, en particulier s'il implique un accès non autorisé aux données ou s'il enfreint les conditions de service d'un site web.
Données synthétiques
Données générées artificiellement pour imiter les données du monde réel. Elles sont utilisées pour former des modèles d'IA lorsque les données réelles sont rares, sensibles ou difficiles à obtenir. Les données synthétiques peuvent contribuer à améliorer les performances des modèles, à renforcer la protection de la vie privée et à fournir des exemples de formation plus diversifiés. Elles sont souvent générées à l'aide de techniques telles que les simulations, les modèles génératifs ou en modifiant des données existantes.
Apprentissage supervisé
Un type d'apprentissage automatique dans lequel un modèle est formé sur des données étiquetées, ce qui signifie que chaque entrée est associée à une sortie correcte. Le modèle apprend à mettre en correspondance les entrées et les sorties en trouvant des modèles dans les données d'apprentissage. Une fois formé, il peut prédire la sortie pour de nouvelles entrées inédites. L'apprentissage supervisé est couramment utilisé dans des tâches telles que la classification et la régression, comme la détection de spam ou la prévision des prix de l'immobilier.
T
Tokenisation
Le processus de décomposition du texte en unités plus petites, appelées tokens, qui peuvent être des mots, des phrases ou même des caractères. En IA et en NLP, la tokenisation est une étape cruciale de prétraitement qui permet aux modèles de traiter et d'analyser le texte plus efficacement en le convertissant dans un format que le modèle peut comprendre. Les tokens sont les éléments de base pour l'apprentissage des modèles de langage et l'exécution de tâches telles que la génération de texte et l'analyse des sentiments.
Formation/apprentissage
La phase de l'apprentissage automatique au cours de laquelle un modèle d'IA apprend à partir d'un ensemble de données étiquetées en ajustant ses paramètres internes afin de minimiser les erreurs et d'améliorer la précision. Au cours de la formation, le modèle traite les données d'entrée et compare ses prédictions aux sorties correctes, s'affinant de manière itérative afin d'améliorer ses performances sur les données futures. Ce processus est essentiel pour permettre au modèle de se généraliser et de faire des prédictions précises sur de nouvelles données inédites.
V
Assistant virtuel
Un logiciel alimenté par l'IA qui peut effectuer des tâches ou des services pour un individu, en utilisant souvent le traitement du langage naturel pour interagir avec les utilisateurs.
W
Crawler Web
Programme automatisé ou bot qui navigue systématiquement sur le web afin d'indexer le contenu pour les moteurs de recherche ou de collecter des données à des fins d'analyse. Les robots d'indexation visitent les sites web, suivent les liens et extraient des informations des pages, ce qui permet aux moteurs de recherche comme Google de mettre à jour leurs bases de données et de fournir des résultats de recherche pertinents. Dans le domaine de l'intelligence artificielle, les robots d'indexation sont souvent utilisés pour collecter de vastes ensembles de données en vue de la formation de modèles, par exemple pour le traitement du langage naturel ou les tâches de raclage de sites web.
Curieux d'élargir votre vocabulaire ad tech ? Consultez notre glossaire CTV ultime
Derrière les gros titres : 180 Seconds in Ad Tech est un podcast court de 3 minutes qui explore l'actualité du secteur de la publicité numérique. La technologie publicitaire est un secteur en pleine expansion qui connaît de nombreuses mises à jour quotidiennes. Comme il peut être difficile pour la plupart des gens de suivre les dernières nouvelles, l'équipe de Sharethrough a voulu créer une série audio compilant les mentions notables chaque semaine.
L'intelligence artificielle a pris le monde entier d'assaut depuis le lancement du ChatGPT d'OpenAIen novembre 2022. Depuis lors, les industries se sont empressées d'adopter la nouvelle technologie, en tirant parti de l'intelligence artificielle dans tous les aspects de l'activité. Nous avons compilé une liste de termes essentiels que tout le monde devrait connaître pour mieux comprendre l'intelligence artificielle.
La liste de termes suivante met en évidence des concepts clés qui sont essentiels pour développer et approfondir vos connaissances des technologies de l'intelligence artificielle. Grâce à ces notions, vous serez mieux équipé pour explorer et mettre en œuvre l'intelligence artificielle au sein de votre organisation en toute confiance.
A
Interface de programmation d'applications (API)
Ensemble de protocoles, d'outils et de définitions permettant aux développeurs d'interagir avec un système ou un service d'IA. Les API permettent aux développeurs d'intégrer des capacités d'IA, telles que des modèles d'apprentissage automatique, de traitement du langage naturel ou de vision par ordinateur, dans leurs applications sans avoir à développer eux-mêmes les algorithmes ou les modèles sous-jacents.
Intelligence artificielle (IA)
La branche de l'informatique qui se concentre sur la création de systèmes capables d'effectuer des tâches qui requièrent généralement l'intelligence humaine. Ces tâches comprennent la résolution de problèmes, l'apprentissage, le raisonnement, la perception et la compréhension du langage. Les systèmes d'IA peuvent être basés sur des règles, c'est-à-dire qu'ils suivent des instructions prédéfinies, ou sur l'apprentissage, c'est-à-dire qu'ils s'adaptent et s'améliorent en fonction de l'expérience acquise. L'IA peut être classée en deux catégories : l'IA étroite, qui est conçue pour des tâches spécifiques, et l'IA générale, qui vise à effectuer toute tâche intellectuelle qu'un être humain peut accomplir.
Attribution
Le processus d'identification et d'explication des données d'entrée ou des caractéristiques qui ont contribué à un résultat particulier ou à une décision prise par un modèle. L'attribution est essentielle pour comprendre comment les systèmes d'IA parviennent à leurs conclusions, garantir la transparence et permettre aux utilisateurs de faire confiance aux résultats et de les valider. Elle peut également être utilisée pour affiner les modèles en se concentrant sur les facteurs les plus pertinents qui influencent les prédictions.
Algorithme
Ensemble de règles ou d'instructions qu'un ordinateur suit pour résoudre un problème ou effectuer une tâche. Dans l'IA et l'apprentissage automatique, les algorithmes sont utilisés pour traiter les données, reconnaître les modèles et prendre des décisions sur la base des données d'entrée. Les algorithmes constituent la base de tous les modèles d'IA, car ils guident la façon dont ils apprennent à partir des données et font des prédictions.
Annotation
Le processus d'étiquetage ou de marquage des données, telles que les images, le texte ou l'audio, afin de fournir un contexte ou des informations qui peuvent être utilisées pour former des modèles d'IA. Les annotations aident les systèmes d'IA à comprendre et à apprendre des données en fournissant des exemples de ce que représentent certaines caractéristiques ou certains modèles.
Automatisation
L'utilisation de la technologie pour effectuer des tâches sans intervention humaine, allant de simples actions répétitives à des processus complexes, améliorant souvent l'efficacité et la précision.
B
Back-end
La partie d'un système logiciel qui gère les opérations côté serveur, y compris les bases de données, la logique d'application et les API. Dans le contexte de l'IA, le back-end gère le traitement des données, la formation des modèles et l'exécution des algorithmes, souvent cachés à l'utilisateur mais cruciaux pour la fonctionnalité du système.
Barde
Modèle de langage développé par Google, similaire à d'autres modèles d'IA comme GPT, conçu pour générer des textes de type humain à partir d'invites. Il fait partie de la catégorie plus large de l'IA générative, utilisée dans des applications telles que les chatbots, la création de contenu et les réponses automatisées.
Boîte noire
Terme utilisé pour décrire un modèle ou un système dont le fonctionnement interne n'est pas transparent ou facile à comprendre. Dans le contexte de l'IA, les utilisateurs peuvent voir les entrées et les sorties, mais le processus par lequel le modèle arrive à ses conclusions est caché ou trop complexe à interpréter, ce qui rend difficile l'explication ou la confiance dans les résultats.
Blocage
L'arrêt des processus ou des actions sur la base de certaines conditions ou règles. Il peut s'agir d'empêcher le traitement de données, d'entrées ou d'opérations spécifiques, souvent pour des raisons de sécurité, d'intégrité des données ou de gestion des ressources du système.
Biais
Les erreurs systématiques dans les prédictions ou les décisions d'un modèle qui résultent de préjugés, de données incomplètes ou de processus de formation biaisés. Les préjugés peuvent conduire à des résultats injustes ou inexacts, affectant souvent de manière disproportionnée certains groupes ou individus, ce qui en fait un problème critique à traiter dans le cadre du développement de l'IA.
C
Chatbot
Un programme alimenté par l'IA conçu pour simuler une conversation avec des utilisateurs humains, généralement par le biais d'interactions textuelles ou vocales. Les chatbots sont généralement utilisés dans le service client, la recherche d'informations et l'assistance personnelle, et peuvent aller de systèmes simples, basés sur des règles, à des modèles avancés capables de comprendre et de générer du langage naturel.
ChatGPT
Modèle de langage d'IA développé par OpenAI, conçu pour générer des textes semblables à ceux d'un humain à partir d'invites. Il peut engager des conversations, répondre à des questions et aider à accomplir un large éventail de tâches. ChatGPT fait partie de la série GPT (Generative Pre-trained Transformer) et est connu pour sa capacité à comprendre le contexte et à générer des réponses cohérentes sur différents sujets.
Vision par ordinateur
Un domaine de l'IA qui permet aux machines d'interpréter et de comprendre les informations visuelles du monde, telles que les images ou les vidéos. Il s'agit de tâches telles que la détection d'objets, la reconnaissance d'images et la compréhension de scènes, qui permettent aux systèmes d'IA d'analyser les données visuelles et d'y répondre de la même manière que les humains.
Copilote
Un assistant alimenté par l'IA conçu pour aider les utilisateurs dans leurs tâches en leur fournissant des suggestions en temps réel, des compléments de code ou des solutions automatisées. Souvent utilisé dans le développement de logiciels, il agit comme un "copilote", guidant et améliorant la productivité et l'efficacité de l'utilisateur en offrant des recommandations et une assistance en fonction du contexte.
D
DALL-E
Modèle d'IA développé par OpenAI qui génère des images à partir de descriptions textuelles. En comprenant et en interprétant le langage, DALL-E peut créer des représentations visuelles détaillées et diverses de concepts, d'objets ou de scènes en fonction des données fournies. Il combine la compréhension du langage et la génération d'images, mettant en évidence le potentiel de l'IA dans les applications créatives et artistiques.
Augmentation des données
Techniques utilisées pour accroître la diversité des données disponibles pour l'apprentissage des modèles, souvent en modifiant les données existantes (par exemple, en faisant pivoter ou en retournant des images) afin d'améliorer la robustesse et la performance des modèles.
Ensembles de données
Collections de données utilisées pour former, valider et tester les modèles d'IA. Il peut s'agir d'images, de textes, de sons ou de tout autre type d'informations, organisés de manière à fournir des exemples pertinents à partir desquels le modèle peut apprendre. La qualité et la diversité des ensembles de données sont essentielles pour construire des systèmes d'IA précis et fiables.
Faux-semblant
Médias générés par l'IA, généralement des vidéos ou des images, où l'image d'une personne est modifiée de manière convaincante ou remplacée par celle de quelqu'un d'autre. Les "deepfakes" utilisent des techniques d'apprentissage profond, en particulier des réseaux neuronaux, pour créer des contenus très réalistes mais fabriqués, ce qui soulève souvent des questions éthiques sur la désinformation et la protection de la vie privée.
Apprentissage profond
Un sous-ensemble de l'apprentissage automatique qui utilise des réseaux neuronaux avec de nombreuses couches (d'où le terme "profond") pour modéliser et comprendre des modèles complexes dans de grands ensembles de données. L'apprentissage profond est particulièrement efficace pour des tâches telles que la reconnaissance d'images, le traitement du langage naturel et la reconnaissance vocale, ce qui permet aux systèmes d'IA d'atteindre des niveaux de précision élevés dans ces domaines.
Exploration de données
Le processus de découverte de modèles, de corrélations et d'informations à partir de grands ensembles de données à l'aide de techniques statistiques et informatiques. En IA, l'exploration de données est utilisée pour extraire des informations précieuses qui peuvent éclairer la prise de décision, la formation de modèles et l'analyse prédictive, conduisant souvent à de nouvelles connaissances et à de meilleures stratégies commerciales.
E
Edge AI
Le traitement de l'IA s'effectue directement sur des appareils tels que les smartphones ou les capteurs, plutôt que dans un nuage centralisé ou un centre de données, ce qui permet des réponses plus rapides et réduit la nécessité d'une connectivité internet permanente.
F
Front-end
La partie d'une application logicielle qui interagit directement avec l'utilisateur, impliquant généralement l'interface utilisateur (UI) et l'expérience utilisateur (UX). En IA, le front-end est l'endroit où les utilisateurs interagissent avec les outils ou les applications alimentés par l'IA, tels que les chatbots ou les tableaux de bord, tandis que le back-end gère le traitement des données et l'exécution des modèles.
G
Gémeaux
Modèle d'IA de Google qui combine la compréhension du langage avec des fonctionnalités avancées pour le multitâche, souvent positionné comme un concurrent de modèles tels que GPT-4. Gemini est conçu pour traiter des requêtes complexes, fournir des réponses détaillées et s'intégrer de manière transparente dans divers services Google, améliorant ainsi l'expérience des utilisateurs grâce à des informations et des capacités basées sur l'IA.
IA générative
Type d'intelligence artificielle qui crée de nouveaux contenus, tels que du texte, des images, du son ou de la vidéo, en apprenant des modèles à partir de données existantes. Les modèles d'IA générative, comme GPT pour le texte ou DALL-E pour les images, sont capables de produire des résultats originaux qui peuvent être utilisés dans des applications créatives, la génération de contenu, etc.
Transformateur génératif pré-entraîné (GPT)
Un type de modèle d'IA développé par OpenAI qui utilise l'architecture Transformer pour générer des textes semblables à ceux des humains. Les modèles GPT sont "pré-entraînés" sur de grandes quantités de données textuelles, puis "affinés" pour des tâches spécifiques, telles que l'écriture, la traduction ou la conversation. Ils sont dits "génératifs" parce qu'ils peuvent créer de nouveaux contenus sur la base des modèles appris au cours de la formation.
H
Hallucinations
Les hallucinations sont des cas où le modèle génère des informations ou des déclarations incorrectes, fabriquées ou absurdes. Bien qu'ils aient l'air plausibles, ces résultats ne sont pas basés sur des données ou des faits réels, et ils représentent un défi important pour garantir la fiabilité et l'exactitude du contenu généré par l'IA.
I
Génération d'images
Le processus de création de nouvelles images à l'aide de modèles d'intelligence artificielle, souvent basés sur des descriptions textuelles ou d'autres données d'entrée. Des techniques comme les GAN (Generative Adversarial Networks) ou des modèles comme DALL-E sont utilisés à cette fin. La génération d'images est largement utilisée dans les applications créatives, le design et la création de contenu, permettant la production d'images réalistes ou stylisées à partir de zéro.
Entrée
Données ou informations fournies à un système ou à un modèle d'IA pour être traitées et analysées. Les entrées peuvent se présenter sous diverses formes, telles que du texte, des images, du son ou des données numériques, et sont essentielles pour permettre à l'IA d'effectuer des tâches, de faire des prédictions ou de générer des sorties sur la base des modèles appris à partir des données d'apprentissage.
K
Graphique de connaissances
Une représentation structurée de l'information qui montre les relations entre les entités, souvent utilisée dans l'IA pour améliorer les moteurs de recherche, les systèmes de recommandation et le traitement du langage naturel en fournissant un contexte et en comprenant les liens entre les différents éléments de données.
L
Grands modèles linguistiques (LLM)
Modèles d'IA entraînés sur de grandes quantités de données textuelles pour comprendre et générer un langage semblable à celui de l'homme. Ces modèles, tels que GPT-4 ou BERT, ont des milliards de paramètres et peuvent effectuer un large éventail de tâches liées au langage, notamment la traduction, le résumé, la réponse aux questions et la génération de texte. Les LLM sont connus pour leur capacité à comprendre le contexte et à produire des textes cohérents et pertinents, ce qui en fait des outils puissants pour le traitement du langage naturel et les applications d'intelligence artificielle.
Modèle d'apprentissage
Tout modèle d'apprentissage automatique ou d'intelligence artificielle formé sur des données pour reconnaître des modèles et faire des prédictions ou prendre des décisions. Les modèles d'apprentissage peuvent varier en complexité, des simples modèles de régression linéaire aux réseaux neuronaux profonds complexes, et sont utilisés dans des applications allant de la reconnaissance d'images au traitement du langage naturel. Le modèle "apprend" en ajustant ses paramètres sur la base des données d'entraînement afin d'améliorer sa précision au fil du temps.
M
Apprentissage machine (ML)
Un sous-ensemble de l'intelligence artificielle qui se concentre sur le développement d'algorithmes et de modèles permettant aux ordinateurs d'apprendre et de faire des prédictions ou de prendre des décisions sur la base de données. Au lieu d'être explicitement programmés pour effectuer une tâche, les modèles d'apprentissage automatique identifient des modèles et des relations dans les données afin d'améliorer leurs performances au fil du temps. L'apprentissage automatique est utilisé dans un large éventail d'applications, notamment les systèmes de recommandation, la reconnaissance d'images et l'analyse prédictive.
Multimodal
Il s'agit de modèles ou de systèmes d'IA capables de traiter et d'intégrer simultanément plusieurs types de données, telles que du texte, des images, du son et de la vidéo. L'IA multimodale est conçue pour comprendre et générer des résultats qui combinent ces différents types de données, ce qui permet des réponses ou des actions plus complètes et tenant compte du contexte. Cette capacité est particulièrement utile dans des applications telles que les assistants virtuels, la génération de contenu et les tâches décisionnelles complexes.
N
Traitement du langage naturel
Un domaine de l'IA qui se concentre sur l'interaction entre les ordinateurs et le langage humain. Le NLP consiste à permettre aux machines de comprendre, d'interpréter et de générer du langage humain d'une manière qui soit à la fois significative et utile. Il alimente des applications telles que les chatbots, les services de traduction et l'analyse des sentiments.
Réseau neuronal
Modèle informatique inspiré de la structure et du fonctionnement du cerveau humain, constitué de couches de nœuds interconnectés (neurones). Les réseaux neuronaux sont à la base de nombreux systèmes d'IA modernes, en particulier dans le domaine de l'apprentissage profond. Chaque nœud traite les données d'entrée et transmet le résultat à la couche suivante, ce qui permet au réseau d'apprendre des modèles complexes et de faire des prédictions. Les réseaux neuronaux sont largement utilisés dans des tâches telles que la reconnaissance d'images, le traitement du langage naturel et la reconnaissance vocale.
O
OpenAI
OpenAI est une organisation et une entreprise de recherche sur l'intelligence artificielle dont l'objectif est de développer l'IA et de veiller à ce qu'elle profite à l'ensemble de l'humanité. Connue pour avoir créé des modèles d'IA avancés tels que GPT (Generative Pre-trained Transformer) et DALL-E, l'OpenAI se concentre sur la construction de technologies d'IA sûres et puissantes, sur la recherche et sur la fourniture d'outils et de ressources d'IA au public. L'OpenAI a pour mission de veiller à ce que l'intelligence artificielle générale (AGI) soit alignée sur les valeurs et les intérêts humains.
Source ouverte
Modèle collaboratif de développement de logiciels dans lequel le code source est librement disponible pour que chacun puisse l'utiliser, le modifier et le partager. Dans le domaine de l'IA, les projets open source permettent aux développeurs de contribuer à un pool collectif de ressources et d'en tirer profit, ce qui accélère l'innovation et rend les technologies d'IA plus accessibles. Parmi les exemples, on peut citer les bibliothèques d'IA à code source ouvert telles que TensorFlow, PyTorch et scikit-learn, qui sont devenues des outils fondamentaux dans la communauté de l'IA.
Sortie
Le résultat ou les données produites par un modèle ou un système d'IA après traitement de l'entrée. Dans l'apprentissage automatique, la sortie peut être une prédiction, une classification, un texte généré, une image ou tout autre type de résultat que le modèle est conçu pour produire. Les résultats sont essentiels pour évaluer les performances des systèmes d'IA et déterminer dans quelle mesure ils atteignent les objectifs ou les tâches prévus.
P
Modélisation prédictive
Le processus de création, de test et de validation de modèles qui utilisent des données historiques pour prédire des résultats ou des comportements futurs. La modélisation prédictive implique l'application de techniques statistiques et d'algorithmes d'apprentissage automatique pour identifier des modèles dans les données, qui sont ensuite utilisés pour faire des prévisions ou éclairer la prise de décision. Cette approche est largement utilisée dans des domaines tels que la finance, les soins de santé, le marketing et bien d'autres, où des prédictions précises peuvent conduire à une meilleure planification stratégique et à une meilleure gestion des risques.
Q
Apprentissage automatique quantique
L'intersection de l'informatique quantique et de l'apprentissage automatique, explorant comment les algorithmes quantiques peuvent améliorer les tâches d'apprentissage automatique.
R
Apprentissage par renforcement à partir du feedback humain (RLHF)
Cette technique consiste à former des modèles d'IA en utilisant le retour d'information des humains pour guider et affiner leur comportement. Les évaluateurs humains attribuent des notes ou des classements aux actions du modèle, l'aidant ainsi à apprendre des résultats plus souhaitables et à mieux s'aligner sur les valeurs humaines.
Robots.txt
Fichier utilisé par les sites web pour indiquer aux robots des moteurs de recherche quelles pages ou sections du site doivent ou ne doivent pas être indexées ou explorées. Cela permet de gérer le trafic web et de protéger certains contenus contre l'accès ou l'affichage dans les résultats des moteurs de recherche. Bien qu'il ne s'agisse pas directement d'un concept d'IA, il joue un rôle crucial dans la gestion de la manière dont les moteurs de recherche dotés d'IA interagissent avec le contenu web.
S
Grattage
Le processus d'extraction de données à partir de sites web ou d'autres sources en ligne, généralement à l'aide d'outils ou de scripts automatisés. Dans le domaine de l'IA et de la science des données, le scraping est souvent utilisé pour collecter de grandes quantités de données à des fins d'analyse, de formation de modèles ou de recherche. Cependant, le scraping peut soulever des problèmes juridiques et éthiques, en particulier s'il implique un accès non autorisé aux données ou s'il enfreint les conditions de service d'un site web.
Données synthétiques
Données générées artificiellement pour imiter les données du monde réel. Elles sont utilisées pour former des modèles d'IA lorsque les données réelles sont rares, sensibles ou difficiles à obtenir. Les données synthétiques peuvent contribuer à améliorer les performances des modèles, à renforcer la protection de la vie privée et à fournir des exemples de formation plus diversifiés. Elles sont souvent générées à l'aide de techniques telles que les simulations, les modèles génératifs ou en modifiant des données existantes.
Apprentissage supervisé
Un type d'apprentissage automatique dans lequel un modèle est formé sur des données étiquetées, ce qui signifie que chaque entrée est associée à une sortie correcte. Le modèle apprend à mettre en correspondance les entrées et les sorties en trouvant des modèles dans les données d'apprentissage. Une fois formé, il peut prédire la sortie pour de nouvelles entrées inédites. L'apprentissage supervisé est couramment utilisé dans des tâches telles que la classification et la régression, comme la détection de spam ou la prévision des prix de l'immobilier.
T
Tokenisation
Le processus de décomposition du texte en unités plus petites, appelées tokens, qui peuvent être des mots, des phrases ou même des caractères. En IA et en NLP, la tokenisation est une étape cruciale de prétraitement qui permet aux modèles de traiter et d'analyser le texte plus efficacement en le convertissant dans un format que le modèle peut comprendre. Les tokens sont les éléments de base pour l'apprentissage des modèles de langage et l'exécution de tâches telles que la génération de texte et l'analyse des sentiments.
Formation/apprentissage
La phase de l'apprentissage automatique au cours de laquelle un modèle d'IA apprend à partir d'un ensemble de données étiquetées en ajustant ses paramètres internes afin de minimiser les erreurs et d'améliorer la précision. Au cours de la formation, le modèle traite les données d'entrée et compare ses prédictions aux sorties correctes, s'affinant de manière itérative afin d'améliorer ses performances sur les données futures. Ce processus est essentiel pour permettre au modèle de se généraliser et de faire des prédictions précises sur de nouvelles données inédites.
V
Assistant virtuel
Un logiciel alimenté par l'IA qui peut effectuer des tâches ou des services pour un individu, en utilisant souvent le traitement du langage naturel pour interagir avec les utilisateurs.
W
Crawler Web
Programme automatisé ou bot qui navigue systématiquement sur le web afin d'indexer le contenu pour les moteurs de recherche ou de collecter des données à des fins d'analyse. Les robots d'indexation visitent les sites web, suivent les liens et extraient des informations des pages, ce qui permet aux moteurs de recherche comme Google de mettre à jour leurs bases de données et de fournir des résultats de recherche pertinents. Dans le domaine de l'intelligence artificielle, les robots d'indexation sont souvent utilisés pour collecter de vastes ensembles de données en vue de la formation de modèles, par exemple pour le traitement du langage naturel ou les tâches de raclage de sites web.
Curieux d'élargir votre vocabulaire ad tech ? Consultez notre glossaire CTV ultime
Fondée en 2015, Calibrate est une conférence annuelle destinée aux nouveaux responsables de l'ingénierie et animée par des responsables de l'ingénierie expérimentés. Le niveau d'expérience des conférenciers va des nouveaux arrivants jusqu'aux responsables d'ingénierie ayant plus de vingt ans d'expérience dans le domaine. Chaque conférencier est très concerné par l'art de la gestion de l'ingénierie. Organisé et accueilli par Sharethrough, il a eu lieu chaque année en septembre, de 2015 à 2019, à San Francisco, en Californie.
Restez à jour
Abonnez-vous à notre bulletin d'information et recevez directement dans votre boîte de réception des informations de pointe sur la publicité numérique, y compris nos épisodes hebdomadaires Behind Headlines.
.png)
