L’intelligence artificielle (IA) est désormais omniprésente dans de nombreux domaines. Ce dictionnaire vise à offrir des définitions claires et pratiques pour comprendre les termes essentiels de l’IA, qu’il s’agisse de concepts techniques, d’applications concrètes ou d’enjeux stratégiques.
Cet outil a été conçu pour répondre aux besoins de tous : curieux, professionnels ou étudiants souhaitant se familiariser avec le langage et les bases de l’IA. L’objectif est de rendre cette technologie plus accessible et de faciliter son intégration dans les pratiques professionnelles.
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
C
| Chatbots |
Classification |
Clustering |
| Cloud computing |
Continual learning |
Cross-validation |
| ChatGPT |
– |
– |
D
| Détection d’anomalies |
Digital twin |
Données étiquetées |
| Délimiteur |
Dataset |
– |
| – |
– |
– |
E
| Edge computing |
Embedding |
Ensemble learning |
| Explicabilité (Explainable AI, XAI) |
– |
– |
| – |
– |
– |
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
|
– |
– |
H
| Hyperparamètres |
– |
– |
| – |
– |
– |
| – |
– |
– |
I
| Inférence bayésienne |
Intelligence artificielle faible |
Intelligence artificielle forte |
| IA Symbolique |
– |
– |
| Intelligence artificielle générale (AGI) |
Intelligence collective |
IoT (Internet of Things) |
| Intelligence artificielle connexioniste |
– |
– |
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 |
– |
– |
| – |
– |
– |
P
| Paramètres |
Perceptron |
Prétraitement des données |
| Processus bayésiens |
Prompting vocal |
|
|
|
|
R
| RAG (Retrieval-Augmented Generation) |
x |
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 |
– |
| – |
– |
– |
U
V
| Validation croisée |
Vectorisation |
Vision par ordinateur |
|
|
|
|
|
|
W
| White box |
Word2Vec |
– |
| – |
– |
– |
| – |
– |
– |
X
Y
Z