Glossaire de l'IA Générative
Un glossaire complet de plus de 150 termes utilisés dans l'IA générative.
A
Fonction d'activation - Fonction mathématique qui détermine la sortie d'un nœud de réseau neuronal. Les types courants incluent ReLU, sigmoïde et tanh.
Attaque Adversariale - Entrée conçue pour tromper les systèmes d'IA afin qu'ils fassent des prédictions incorrectes ou génèrent des sorties nuisibles.
AGI (Intelligence Artificielle Générale) - Systèmes d'IA capables de comprendre, d'apprendre et d'appliquer des connaissances dans n'importe quel domaine au niveau humain ou au-delà.
Agent IA - Système d'IA capable d'action autonome, d'utilisation d'outils et de réalisation de tâches multi-étapes.
Alignement de l'IA - Le défi de s'assurer que les systèmes d'IA se comportent conformément aux valeurs et intentions humaines.
Algorithme - Procédure étape par étape pour résoudre un problème ou accomplir une tâche.
Anthropic - Entreprise de sécurité IA qui a développé Claude, axée sur la recherche sur l'alignement de l'IA.
API (Interface de Programmation d'Applications) - Interface permettant aux applications logicielles de communiquer et d'interagir avec les modèles d'IA.
Mécanisme d'attention - Composant de réseau neuronal qui pèse l'importance des différentes parties des données d'entrée.
Autoencodeur - Réseau neuronal qui apprend des représentations de données efficaces en encodant et décodant l'entrée.
Modèle Autoregressif - Modèle qui génère des sorties séquentiellement, chaque jeton dépendant des jetons précédents.
B
Rétropropagation - Algorithme pour entraîner les réseaux neuronaux en propageant les erreurs à travers le réseau.
Taille de lot - Nombre d'exemples d'entraînement traités ensemble avant de mettre à jour les poids du modèle.
BERT (Représentations de l'Encodeur Bidirectionnel des Transformateurs) - Modèle de langage de Google qui lit le texte bidirectionnellement pour une meilleure compréhension.
Biais (en IA) - Erreurs systématiques dans les sorties de l'IA dues à des données d'entraînement biaisées ou à des algorithmes défectueux.
Biais (dans les réseaux neuronaux) - Terme constant ajouté aux entrées pondérées dans les calculs de réseau neuronal.
BPE (Encodage par Paires de Bytes) - Algorithme de tokenisation qui fusionne itérativement les paires de caractères fréquentes.
C
Chaîne de Pensée (CoT) - Technique de sollicitation qui encourage le raisonnement étape par étape.
ChatGPT - Assistant conversationnel d'OpenAI basé sur les modèles GPT.
Claude - Assistant IA d'Anthropic, conçu avec un accent sur l'utilité et la sécurité.
Classification - Tâche d'assigner des entrées à des catégories prédéfinies.
CLIP (Pré-formation Contrastive Langage-Image) - Modèle d'OpenAI reliant texte et images pour comprendre les deux.
Codex - Modèle d'OpenAI spécialisé dans la génération de code, alimente GitHub Copilot.
Complétion - Texte généré qui continue ou termine une sollicitation donnée.
IA Constitutionnelle - Approche d'entraînement utilisant l'IA pour évaluer et améliorer le comportement de l'IA basé sur des principes.
Longueur/Fenêtre de Contexte - Quantité maximale de texte qu'un modèle peut traiter à la fois.
Apprentissage Contrastif - Approche d'entraînement qui apprend en comparant des exemples similaires et dissemblables.
Réseau Neuronal Convolutionnel (CNN) - Architecture de réseau neuronal particulièrement efficace pour le traitement d'images.
D
DALL-E - Modèle de génération d'images à partir de texte d'OpenAI.
Augmentation de Données - Techniques pour augmenter la variété des données d'entraînement par des transformations.
Empoisonnement de Données - Attaque qui corrompt les données d'entraînement de l'IA pour influencer le comportement du modèle.
Décodeur - Composant qui génère la sortie à partir de représentations encodées.
Apprentissage Profond - Apprentissage automatique utilisant des réseaux neuronaux avec plusieurs couches.
Modèle de Diffusion - Modèle génératif qui crée des données en inversant un processus d'ajout de bruit.
Discriminateur - Composant de GAN qui distingue les données réelles des données générées.
Distillation - Technique pour créer des modèles plus petits qui imitent des modèles plus grands.
Abandon - Technique de régularisation qui désactive aléatoirement des neurones pendant l'entraînement.
E
Encodage - Représentation numérique dense des données (texte, images) dans un espace vectoriel.
Capacités Émergentes - Capacités qui apparaissent dans les modèles d'IA à certaines échelles sans entraînement explicite.
Encodeur - Composant qui convertit l'entrée en représentations internes.
Époque - Un passage complet à travers l'ensemble de données d'entraînement.
IA Éthique - Développement et utilisation de systèmes d'IA qui sont équitables, transparents et bénéfiques.
F
Réseau à Propagation Avant - Réseau neuronal où l'information circule dans une seule direction.
Apprentissage à Peu d'Exemples - Apprentissage à partir de très peu d'exemples.
Ajustement Fin - Adaptation d'un modèle pré-entraîné pour des tâches ou domaines spécifiques.
Modèle Fondamental - Grand modèle pré-entraîné qui sert de base pour diverses applications.
G
GAN (Réseau Adversarial Génératif) - Deux réseaux neuronaux (générateur et discriminateur) en compétition pour créer du contenu réaliste.
Gemini - Série de modèles d'IA multimodaux de Google.
Généralisation - Capacité d'un modèle à bien performer sur de nouvelles données non vues.
IA Générative - Systèmes d'IA qui créent du nouveau contenu (texte, images, audio, vidéo, code).
Générateur - Composant de GAN qui crée de nouveaux échantillons de données.
GitHub Copilot - Assistant de codage IA alimenté par Codex d'OpenAI.
GPT (Transformateur Pré-entraîné Génératif) - Série de modèles de langage d'OpenAI.
Gradient - Valeur mathématique indiquant comment ajuster les poids pour réduire l'erreur.
Descente de Gradient - Algorithme d'optimisation qui ajuste les poids pour minimiser la perte.
Ancrage - Connecter les sorties de l'IA à des informations factuelles ou des données du monde réel.
H
Hallucination - Génération par l'IA d'informations fausses ou fabriquées présentées comme des faits.
Couche Cachée - Couches de réseau neuronal entre les couches d'entrée et de sortie.
Humain dans la Boucle (HITL) - Systèmes nécessitant une supervision ou une intervention humaine.
Hyperparamètre - Paramètre de modèle déterminé avant l'entraînement (taux d'apprentissage, taille de lot, etc.).
I
Image-à-Image - Modèles d'IA qui transforment des images d'entrée en sorties modifiées.
Inférence - Exécution d'un modèle entraîné pour générer des prédictions ou des sorties.
Apprentissage en Contexte - Modèle apprenant à partir d'exemples fournis dans la sollicitation sans mise à jour des poids.
Inpainting - Remplissage des parties manquantes ou masquées d'une image.
Ajustement par Instructions - Entraîner des modèles à suivre des instructions en langage naturel.
Interprétabilité - Capacité à comprendre comment les modèles d'IA prennent des décisions.
J
Jailbreaking - Techniques pour contourner les restrictions et directives de sécurité de l'IA.
K
Base de Connaissances - Répertoire structuré d'informations auquel les systèmes d'IA peuvent accéder.
Coupure de Connaissances - Date après laquelle un modèle n'a pas d'informations d'entraînement.
L
Langchain - Cadre pour construire des applications avec de grands modèles de langage.
Grand Modèle de Langage (LLM) - Modèle d'IA entraîné sur de vastes données textuelles capable de comprendre et de générer du langage.
Espace Latent - Espace multidimensionnel abstrait où les modèles d'IA représentent les caractéristiques des données.
Couche - Composant d'un réseau neuronal qui traite les entrées.
Taux d'Apprentissage - Paramètre contrôlant combien ajuster les poids pendant l'entraînement.
LLaMA - Famille de grands modèles de langage à poids ouverts de Meta.
LoRA (Adaptation de Bas Rang) - Technique d'ajustement fin efficace utilisant de petites matrices entraînables.
Fonction de Perte - Fonction mathématique mesurant la différence entre les prédictions et les valeurs réelles.
M
Apprentissage Automatique (ML) - Systèmes d'IA qui apprennent à partir de données sans programmation explicite.
Modèle de Langage Masqué - Modèle entraîné à prédire des jetons cachés dans le texte.
Midjourney - Service populaire de génération d'images par IA.
Mistral - Entreprise française d'IA et leur série de modèles de langage efficaces.
Mélange d'Experts (MoE) - Architecture utilisant des sous-réseaux spécialisés pour l'efficacité.
Effondrement de Modèle - Dégradation des performances lorsque les modèles sont entraînés sur des données générées par l'IA.
IA Multimodale - Systèmes d'IA qui traitent et génèrent plusieurs types de données (texte, images, audio).
Apprentissage Multi-Tâches - Entraîner des modèles sur plusieurs tâches connexes simultanément.
N
Traitement du Langage Naturel (NLP) - Domaine de l'IA axé sur la compréhension et la génération du langage humain.
Réseau Neuronal - Système informatique inspiré par les réseaux neuronaux biologiques.
Neurone/Nœud - Unité de calcul de base dans les réseaux neuronaux.
Prédiction du Prochain Jeton - Objectif d'entraînement où les modèles prédisent le prochain jeton dans une séquence.
Bruit - Variations aléatoires dans les données, ou aléatoire intentionnel dans la génération.
O
Apprentissage à Un Seul Exemple - Apprentissage à partir d'un seul exemple.
OpenAI - Entreprise de recherche en IA qui a créé GPT, DALL-E et ChatGPT.
Optimisation - Processus d'ajustement des paramètres du modèle pour améliorer les performances.
Outpainting - Extension des images au-delà de leurs limites originales.
Surapprentissage - Lorsqu'un modèle mémorise les données d'entraînement et échoue à généraliser.
P
Paramètre - Valeur entraînable dans un réseau neuronal (poids et biais).
Perplexité - Mesure de la qualité avec laquelle un modèle de langage prédit du texte.
Pré-formation - Phase d'entraînement initiale sur de grands ensembles de données avant l'ajustement fin.
Sollicitation - Texte d'entrée donné à un modèle d'IA pour guider sa sortie.
Ingénierie de Sollicitation - Élaboration de sollicitations efficaces pour obtenir les sorties d'IA souhaitées.
Injection de Sollicitation - Attaque qui manipule le comportement de l'IA par des sollicitations malveillantes.
Q
QLoRA - LoRA quantifié combinant quantification avec ajustement fin efficace.
Quantification - Réduction de la précision du modèle pour diminuer la taille et améliorer la vitesse.
R
RAG (Génération Augmentée par Récupération) - Combinaison de modèles de langage avec récupération de connaissances externes.
Réseau Neuronal Récurrent (RNN) - Architecture de réseau qui traite des données séquentielles avec mémoire.
Apprentissage par Renforcement (RL) - Apprentissage par essais et erreurs avec récompenses et pénalités.
RLHF (Apprentissage par Renforcement à partir de Retours Humains) - Entraînement utilisant les préférences humaines pour améliorer le comportement de l'IA.
Régularisation - Techniques pour éviter le surapprentissage pendant l'entraînement.
S
Sécurité - Mesures garantissant que les systèmes d'IA ne causent pas de dommages.
Échantillonnage - Processus de génération de sorties à partir de la distribution de probabilité d'un modèle.
Lois de l'Échelle - Observations sur la façon dont les performances de l'IA s'améliorent avec la taille et le calcul.
Auto-Attention - Mécanisme d'attention où chaque élément s'attend à tous les autres éléments.
Apprentissage Auto-Supervisé - Apprentissage à partir de données non étiquetées en créant des tâches de prédiction.
Recherche Sémantique - Recherche basée sur le sens plutôt que sur les mots-clés.
Séquence-à-Séquence (Seq2Seq) - Modèles qui transforment une séquence en une autre.
Softmax - Fonction convertissant des valeurs en distribution de probabilité.
Sora - Modèle de génération de texte en vidéo d'OpenAI.
Diffusion Stable - Modèle de diffusion texte-à-image open-source.
Transfert de Style - Application du style artistique d'une image à une autre.
Apprentissage Supervisé - Apprentissage à partir d'exemples étiquetés.
Données Synthétiques - Données générées artificiellement utilisées pour l'entraînement.
Sollicitation Système - Instructions définissant le comportement et le contexte de l'IA.
T
Température - Paramètre contrôlant l'aléatoire dans les sorties de l'IA.
Texte-à-Image - Modèles d'IA générant des images à partir de descriptions textuelles.
Texte-à-Parole (TTS) - Conversion de texte en audio parlé.
Jeton - Unité de base de texte traitée par les modèles de langage.
Tokenisation - Processus de découpage du texte en jetons.
Échantillonnage Top-k - Sélection parmi les k jetons suivants les plus probables.
Échantillonnage Top-p (Nucleus) - Sélection parmi les jetons dans un seuil de probabilité.
Entraînement - Processus d'apprentissage d'un modèle à partir de données.
Apprentissage par Transfert - Application de connaissances d'une tâche à une autre.
Transformateur - Architecture de réseau neuronal utilisant des mécanismes d'attention.
Test de Turing - Test de l'intelligence des machines par la conversation.
U
Sous-apprentissage - Lorsqu'un modèle est trop simple pour capturer les motifs des données.
Apprentissage Non Supervisé - Apprentissage à partir de données sans étiquettes.
Mise à l'Échelle - Augmentation de la résolution d'image à l'aide de l'IA.
V
Autoencodeur Variationnel (VAE) - Modèle génératif apprenant des représentations latentes.
Base de Données Vectorielle - Base de données optimisée pour stocker et rechercher des encodages.
Modèle Vision-Langage - Modèle qui comprend à la fois les images et le texte.
Clonage de Voix - Création de discours synthétique imitant une voix spécifique.
W
Poids - Paramètre apprenable dans les connexions de réseau neuronal.
Encodage de Mots - Représentation vectorielle des mots capturant le sens sémantique.
Enveloppe - Couche logicielle qui simplifie l'interaction avec les API d'IA.
X
XAI (IA Explicable) - Systèmes d'IA conçus pour expliquer leurs décisions.
Z
Apprentissage Zéro-Exemple - Réalisation de tâches sans aucun exemple d'entraînement.
Sollicitation Zéro-Exemple - Faire réaliser des tâches à l'IA sans exemples dans la sollicitation.
Nombres
1B, 7B, 70B, etc. - Tailles de modèle mesurées en milliards de paramètres.
Référence Rapide par Catégorie
Types de Modèles
GAN, VAE, Modèle de Diffusion, Transformateur, LLM, CNN, RNN
Modèles Majeurs
GPT, BERT, DALL-E, Diffusion Stable, Claude, Gemini, LLaMA, Midjourney
Concepts d'Entraînement
Ajustement fin, RLHF, Pré-formation, Apprentissage par Transfert, Distillation, LoRA
Concepts de Génération
Jeton, Température, Top-k, Top-p, Échantillonnage, Sollicitation, Complétion
Sécurité & Éthique
Alignement, Hallucination, Biais, Jailbreaking, IA Constitutionnelle
Ce glossaire est régulièrement mis à jour à mesure que le domaine évolue.