Aller au contenu
ReviewRamble

La lettre hebdomadaire

L’IA, évaluée, dans votre boîte mail.

  • Les nouveaux tests d’outils, de modèles, de serveurs MCP et de dépôts, avec le verdict en premier
  • Les prix et les notes revérifiés quand quelque chose change
  • Les nouvelles analyses dès leur publication

Modèles, agents, serveurs MCP et les outils qui méritent vraiment votre temps.

Un e-mail par semaine. Désinscrivez-vous avec le lien présent dans chaque lettre. Comment nous utilisons votre e-mail

Référence

Glossaire de l’IA

219 termes que vous croisez en choisissant des outils, modèles et agents d’IA et en construisant avec eux, chacun défini en une ou deux phrases, expliqué et sourcé.

#

Échantillonnage top-p
L'échantillonnage top-p (top-p sampling), ou nucleus sampling, choisit chaque token suivant uniquement dans le plus petit ensemble de candidats dont la probabilité cumulée atteint un seuil p, en coupant la longue queue des tokens improbables.
Échelle de guidage (CFG)
L'échelle de guidage (guidance scale), ou CFG scale, est un réglage des générateurs d'images par diffusion qui contrôle à quel point le résultat suit le prompt. Des valeurs plus élevées suivent le prompt de plus près mais réduisent la variété.
Éditeur de code IA
Un éditeur de code IA est un éditeur de code ou un IDE doté de modèles de langage intégrés, qui propose des complétions, un chat sur la base de code et un mode agent capable de planifier et d'effectuer des changements sur de nombreux fichiers.
Évaluation de LLM
L'évaluation de LLM, souvent appelée evals, consiste à mesurer la façon dont un modèle ou une application d'IA accomplit une tâche en l'exécutant sur un ensemble de cas de test et en notant les sorties selon des critères définis, par du code, par des humains ou par un autre modèle.
Évaluation humaine
L'évaluation humaine consiste à juger les sorties d'une IA par des personnes plutôt que par des métriques automatiques, par exemple des évaluateurs qui notent des réponses selon une grille ou choisissent la meilleure de deux réponses anonymes lors d'un test à l'aveugle.
τ-bench
τ-bench (tau-bench) est un benchmark qui teste les agents d'IA dans des conversations simulées de service client, où un modèle de langage joue l'utilisateur et où l'agent doit utiliser des outils d'API propres au domaine tout en respectant des règles de politique écrites.

A

Abliteration
L'abliteration (suppression de la direction de refus) est une technique qui empêche un modèle de langage de refuser des requêtes : elle trouve l'unique direction interne qui porte le refus et modifie les poids pour que le modèle ne puisse plus y écrire, sans réentraînement.
Agent de code
Un agent de code (coding agent) est un agent IA qui travaille directement sur un logiciel : il lit une base de code, modifie des fichiers, lance des commandes et des tests, et recommence jusqu'à ce qu'un changement fonctionne, au lieu de seulement suggérer du code qu'une personne collera.
Agent de navigation
Un agent de navigation (browser agent) est un agent IA qui pilote un navigateur web pour accomplir des tâches, comme chercher, cliquer, remplir des formulaires et lire des pages, souvent au moyen d'un navigateur headless, sans fenêtre visible.
Agent IA
Un agent IA est un système dans lequel un modèle de langage décide lui-même de ses prochaines étapes : il appelle des outils, lit les résultats et recommence jusqu'à ce que la tâche soit terminée, au lieu de suivre un script fixe.
Agent vocal
Un agent vocal (voice agent) est un agent d'IA qui tient une conversation orale en temps réel : il écoute une personne, décide quoi dire ou faire et répond avec une voix de synthèse, souvent sur une ligne téléphonique ou dans une application.
AI Act européen
L'AI Act européen (règlement sur l'intelligence artificielle), règlement (UE) 2024/1689, est la loi de l'Union européenne sur l'intelligence artificielle. Il fixe des règles fondées sur le risque pour ceux qui conçoivent et déploient des systèmes d'IA, de l'interdiction pure et simple aux obligations de transparence, appliquées progressivement à partir de 2025.
AIME (benchmark)
L'AIME, ou American Invitational Mathematics Examination, est un concours de mathématiques américain de 15 questions dont les réponses sont des nombres entiers de 0 à 999 ; les laboratoires d'IA utilisent ses anciens sujets, comme AIME 2025, comme benchmark de raisonnement mathématique.
Alignement de l'IA
L'alignement de l'IA (AI alignment) est le travail qui consiste à faire correspondre le comportement d'un système d'IA à ce que ses utilisateurs et développeurs veulent réellement, pour qu'il soit utile, honnête et évite de nuire, au lieu de simplement prédire un texte probable ou d'optimiser un score étroit.
Analyse de documents
L'analyse de documents (document parsing) convertit des fichiers comme des PDF, des numérisations, des diapositives et des tableurs en texte structuré exploitable par un logiciel, en conservant les titres, l'ordre de lecture, les tableaux et les images au lieu d'un flux plat de caractères.
Analyse de la mise en page
L'analyse de la mise en page (layout analysis) est la partie de l'analyse de documents qui repère les zones d'une page, comme les titres, paragraphes, tableaux, figures, légendes et pieds de page, attribue une étiquette à chacune et détermine l'ordre dans lequel une personne les lirait.
API batch
Une API batch (traitement par lots) vous permet de soumettre un grand ensemble de requêtes à un modèle en une seule tâche et d'en récupérer les résultats plus tard, au lieu d'attendre chaque appel. Les fournisseurs exécutent la tâche quand la capacité le permet et la facturent en général moins cher.
API compatible OpenAI
Une API compatible OpenAI (OpenAI-compatible API) est un point de terminaison d'un autre fournisseur ou outil qui accepte le même format de requête et de réponse que l'API d'OpenAI, si bien que du code écrit pour OpenAI peut y basculer en changeant l'URL de base, la clé et le nom du modèle.
Appel d'outils
L'appel d'outils (tool calling), aussi appelé appel de fonctions (function calling), est une fonction des API de modèles dans laquelle vous décrivez des fonctions avec un schéma, le modèle répond par une demande structurée d'appel de l'une d'elles, et votre code l'exécute et renvoie le résultat.
ARC-AGI
ARC-AGI est une série de benchmarks, lancée par François Chollet et gérée par ARC Prize, qui teste si un système d'IA sait résoudre de nouvelles énigmes de raisonnement jamais vues auparavant, en mesurant l'efficacité avec laquelle il apprend plutôt que ce qu'il sait.
Artificial Analysis Intelligence Index
L'Artificial Analysis Intelligence Index est un score composite de la société de benchmarking Artificial Analysis qui combine plusieurs évaluations, couvrant le travail intellectuel, le code, les sciences et la culture générale, en un seul chiffre pour comparer des modèles de langage.
Assistant IA
Un assistant IA est un produit logiciel, généralement construit sur un grand modèle de langage, qui reçoit des demandes en langage courant et répond à des questions ou accomplit des tâches pour une personne, comme le font ChatGPT, Claude et Gemini.
Attaque de la chaîne d'approvisionnement IA
Une attaque de la chaîne d'approvisionnement IA (AI supply-chain attack) compromet une application d'IA par l'intermédiaire de quelque chose dont elle dépend, comme un modèle téléchargé, un adaptateur LoRA, un jeu de données, un paquet Python, un serveur MCP ou une skill d'agent, au lieu d'attaquer directement l'application.
Auto-hébergement (modèles d'IA)
Auto-héberger un modèle d'IA (self-hosting) signifie le faire tourner sur du matériel que vous contrôlez, comme vos propres serveurs, des GPU loués ou un ordinateur portable, au lieu d'appeler l'API d'un fournisseur. Vous choisissez le modèle et gardez les données, mais vous gérez l'infrastructure.
Automatisation de workflows (IA)
L'automatisation de workflows par l'IA (AI workflow automation) consiste à utiliser des outils comme Zapier, Make ou n8n pour enchaîner déclencheurs, actions dans des applications et appels à des modèles en un processus qui tourne tout seul, comme le résumé de chaque nouveau ticket de support.
Avatar IA
Un avatar IA est un personnage vidéo généré, souvent basé sur une personne réelle, qui prononce un script ou des réponses en direct avec des mouvements du visage, des lèvres et de la tête synchronisés.

B

Bac à sable pour agent
Un bac à sable pour agent (agent sandbox) est un environnement isolé, comme un conteneur, une machine virtuelle ou une restriction du système d'exploitation, dans lequel un agent IA exécute du code et des commandes sans pouvoir atteindre les fichiers, réseaux ou données au-delà de limites fixées.
Base de connaissances (IA)
Dans les applications d'IA, une base de connaissances (knowledge base) est la collection de documents et de données dans laquelle un assistant ou un agent cherche pour répondre aux questions, comme des articles d'aide, des politiques internes ou de la documentation produit, conservée séparément du modèle lui-même.
Base de données vectorielle
Une base de données vectorielle (vector database) stocke des embeddings avec leurs enregistrements source et retrouve les vecteurs stockés les plus proches d'un vecteur de requête, généralement à l'aide d'un index approximatif pour que la recherche reste rapide sur des millions d'éléments.
Benchmark d'IA
Un benchmark d'IA (banc d'essai) est un ensemble fixe et public de tâches avec une méthode de notation convenue, utilisé pour comparer des modèles sur le même test, par exemple les tickets de code résolus, les questions d'examen réussies ou la qualité de récupération sur de nombreux jeux de données.
BM25
BM25 est une formule de classement pour la recherche par mots-clés. Elle note chaque document selon la fréquence des mots de la requête qu'il contient, en accordant plus de poids aux mots rares et moins de crédit aux documents longs et aux termes répétés.
Boucle d'agent
Une boucle d'agent (agent loop) est le cycle répété au cœur d'un agent IA : le modèle demande un appel d'outil, l'application l'exécute et renvoie le résultat, puis le modèle décide de la suite.
BrowseComp
BrowseComp est un benchmark d'OpenAI composé de 1 266 questions difficiles, qui teste si un agent de navigation sait chercher avec persévérance sur le web des faits enchevêtrés et difficiles à trouver, avec des réponses courtes faciles à vérifier.

C

Cache sémantique
Un cache sémantique (semantic cache) stocke les réponses passées d'un LLM et en renvoie une quand une nouvelle requête signifie à peu près la même chose qu'une précédente, d'après la similarité des embeddings plutôt qu'une correspondance exacte du texte. Il économise du coût et de la latence sur les questions répétées.
Caviardage des PII
Le caviardage des PII (PII redaction) consiste à détecter puis supprimer ou masquer les informations personnelles identifiables, comme les noms, numéros de téléphone, adresses et numéros de carte, dans du texte ou des images avant de les envoyer à un modèle, de les stocker dans des journaux ou de les montrer à d'autres.
Chain-of-thought
Le chain-of-thought (CoT, chaîne de pensée) est une méthode de prompting dans laquelle un modèle de langage écrit des étapes de raisonnement intermédiaires avant sa réponse finale, ce qui tend à améliorer les résultats en mathématiques, en logique et sur d'autres problèmes en plusieurs étapes.
Chunking
Le chunking (découpage en fragments) est l'étape qui divise les longs documents en passages plus petits avant qu'ils soient vectorisés et indexés, afin qu'un système de récupération puisse trouver et renvoyer uniquement les parties d'un document qui répondent à une requête.
Classement Elo (arènes de modèles)
Dans les arènes de modèles, un classement Elo est un score calculé à partir de nombreux votes en face-à-face entre paires de modèles, de sorte que l'écart entre deux scores prédit à quelle fréquence la réponse d'un modèle sera préférée à celle de l'autre.
Clé API
Une clé API est une chaîne secrète qu'une application envoie avec chaque requête pour qu'un service sache quel compte appelle, applique ses limites et le facture. Toute personne qui détient la clé peut généralement s'en servir.
Client MCP
Un client MCP est la partie d'une application d'IA qui maintient une connexion avec un serveur MCP, négocie les capacités et transporte les requêtes, les résultats et les notifications entre ce serveur et l'application hôte.
Clonage vocal
Le clonage vocal (voice cloning) consiste à utiliser l'IA pour faire parler un système de text-to-speech avec la voix d'une personne précise, apprise à partir d'un enregistrement de cette personne. Certains systèmes n'ont besoin que d'un court échantillon.
Cloud GPU
Un cloud GPU est un service qui loue des machines à GPU à l'heure ou à la seconde pour l'entraînement, le fine-tuning et l'inférence en IA. Des fournisseurs spécialisés, parfois appelés neoclouds, se concentrent sur les GPU et facturent souvent moins cher que les grands clouds généralistes.
Commande slash
Une commande slash (slash command) est une instruction tapée précédée d'une barre oblique, comme /compact ou /review, qui demande à un outil d'IA d'exécuter une action intégrée ou un prompt enregistré au lieu de traiter le texte comme un message ordinaire.
Compaction du contexte
La compaction du contexte (context compaction) est l'étape où un agent résume une conversation qui approche de la limite de sa fenêtre de contexte et poursuit dans une nouvelle fenêtre qui part de ce résumé, afin qu'une longue tâche puisse continuer.
Computer use
Le computer use (utilisation de l'ordinateur) est la capacité d'un modèle d'IA à manipuler un ordinateur comme le fait une personne, en regardant des captures d'écran et en envoyant des clics de souris et des frappes au clavier, pour travailler avec des logiciels dépourvus d'API.
Conservation zéro des données
La conservation zéro des données (zero data retention, ZDR) est un dispositif dans lequel un fournisseur d'IA ne conserve pas les prompts et les sorties d'un client une fois la requête traitée, généralement proposé uniquement aux clients approuvés et uniquement pour les fonctionnalités d'API éligibles.
Contamination des benchmarks
Il y a contamination d'un benchmark quand un modèle a vu ses questions ou ses réponses de test pendant l'entraînement, si bien que son score sur ce benchmark surestime sa capacité à traiter de nouveaux problèmes du même type.
Content Credentials C2PA
Les Content Credentials C2PA (identifiants de contenu) sont des enregistrements de provenance signés, définis par un standard ouvert de la Coalition for Content Provenance and Authenticity, qui accompagnent une image, une vidéo, un fichier audio ou un document et consignent son origine et ses modifications.
Context engineering
Le context engineering (ingénierie du contexte) consiste à choisir et entretenir tout ce qui entre dans la fenêtre de contexte d'un modèle de langage au cours d'une tâche : instructions, documents récupérés, définitions d'outils, résultats d'outils et historique de la conversation.
Context rot
Le context rot (dégradation du contexte) est la baisse de précision et de fiabilité d'un modèle de langage à mesure que son entrée s'allonge, même quand cette entrée tient encore dans la fenêtre de contexte et que l'information nécessaire s'y trouve.
Continuous batching
Le continuous batching (traitement par lots continu) est une technique de service de modèles qui ajoute de nouvelles requêtes au lot en cours sur le GPU et retire celles qui sont terminées après chaque étape de génération, au lieu d'attendre la fin d'un lot entier. Il garde le GPU occupé et augmente le débit.
ControlNet
ControlNet est un module complémentaire de réseau de neurones qui permet à un modèle de diffusion texte vers image de suivre un guide structurel, comme une carte de contours, une carte de profondeur ou une pose humaine, en plus du prompt textuel.
Crawler IA
Un crawler IA (robot d'exploration) est un robot automatisé exploité par une entreprise d'IA qui récupère des pages web pour collecter des données d'entraînement, construire un index de recherche IA ou charger une page en direct quand un utilisateur interroge un assistant à son sujet.
Créateur d'applications IA no-code
Un créateur d'applications IA no-code (no-code AI app builder) est un outil qui transforme une description en langage courant ou un éditeur visuel en application fonctionnelle, généralement avec hébergement et base de données inclus, pour que l'on puisse livrer un logiciel sans écrire de code.
Cross-encoder
Un cross-encoder (encodeur croisé) est un modèle qui lit ensemble une requête et un document en une seule passe et renvoie un score de pertinence. Il est plus précis que la comparaison d'embeddings séparés, mais trop lent pour être appliqué à toute une collection.

D

Date limite des connaissances
La date limite des connaissances (knowledge cutoff) est la date après laquelle un modèle ne dispose que de peu ou pas d'informations, parce que ses données d'entraînement ont été collectées jusqu'à cette période environ. Les événements postérieurs lui sont inconnus, sauf s'ils sont fournis dans le prompt.
Déchargement sur le CPU
Le déchargement sur le CPU (CPU offloading) permet de faire tourner un modèle qui ne tient pas dans la mémoire du GPU en gardant une partie de ses couches dans la RAM système, ou sur disque, et en utilisant le GPU pour le reste. Le modèle tourne, mais plus lentement.
Décodage spéculatif
Le décodage spéculatif (speculative decoding) accélère la génération de texte en laissant un petit modèle brouillon rapide proposer plusieurs tokens, que le grand modèle vérifie ensuite en une seule passe, en gardant ceux qu'il accepte. La sortie est identique à ce que produirait le grand modèle seul.
Deep research (IA)
La deep research (recherche approfondie) est une fonction d'agent IA qui planifie une question de recherche, lance de nombreuses recherches web, lit les sources trouvées et rédige un long rapport avec citations, en quelques minutes plutôt qu'en quelques secondes.
Deepfake
Un deepfake (hypertrucage) est un contenu image, audio ou vidéo créé ou modifié par IA de façon à montrer de manière convaincante une personne, un lieu ou un événement réels dans une situation qui n'a pas eu lieu, et qui pourrait passer pour authentique.
Diarisation des locuteurs
La diarisation des locuteurs (speaker diarization) consiste à découper un enregistrement audio par locuteur, en indiquant pour chaque passage de parole qui l'a prononcé. Elle répond à la question « qui a parlé quand ».
Dimension d'embedding
La dimension d'embedding est le nombre de valeurs de chaque vecteur produit par un modèle d'embedding. Davantage de dimensions peuvent contenir plus de détails, mais chaque valeur supplémentaire ajoute du coût de stockage, de mémoire et de recherche par élément.
Direct preference optimization
La direct preference optimization (DPO, optimisation directe des préférences) est une façon d'aligner un modèle de langage sur les préférences humaines en l'entraînant directement sur des paires de réponses préférées et rejetées, avec une fonction de perte simple de type classification au lieu d'un modèle de récompense et d'apprentissage par renforcement.
Distillation des connaissances
La distillation des connaissances (knowledge distillation) est une méthode d'entraînement dans laquelle un modèle élève plus petit apprend à imiter les sorties d'un modèle enseignant plus grand, ce qui produit un modèle distillé qui conserve une grande partie des compétences de l'enseignant pour un coût moindre.
Données d'entraînement de l'IA
Les données d'entraînement de l'IA sont l'ensemble des exemples dont un modèle apprend, comme du texte web, du code, des images, des transcriptions ou des paires annotées. Leur volume, leur qualité, leur composition et leurs licences déterminent ce que le modèle sait faire et là où il échoue.
Données synthétiques
Les données synthétiques (synthetic data) sont des données d'entraînement ou de test générées par un logiciel, souvent par un autre modèle d'IA, plutôt que collectées à partir de sources réelles. Elles servent à combler des lacunes, à ajouter des exemples à moindre coût ou à éviter d'exposer de vraies données personnelles.

E

Embedding
Un embedding (plongement vectoriel) est une liste de nombres (un vecteur) qui représente un morceau de texte, une image ou d'autres données, produite de sorte que les éléments de sens proche obtiennent des vecteurs proches les uns des autres.
Embeddings Matryoshka
Les embeddings Matryoshka sont des vecteurs entraînés pour que leurs premières valeurs portent le plus d'information. Vous pouvez les tronquer à une longueur plus courte et obtenir encore des résultats de recherche utiles, ce qui économise du stockage et accélère la recherche.
Exfiltration de données (agents IA)
Pour les agents IA, l'exfiltration de données survient quand un attaquant pousse un agent à lire des données privées auxquelles il a accès et à les envoyer à l'extérieur, par une requête web, un e-mail, un lien d'image ou un autre canal que l'attaquant contrôle.
Exploration du web pour l'IA
L'exploration du web pour l'IA (web crawling) est la récupération automatisée de pages web, en suivant des liens ou une liste d'URL, pour collecter du texte afin d'entraîner des modèles, de construire des index de recherche ou de fournir à une application du contenu frais à récupérer.
Extraction de tableaux
L'extraction de tableaux (table extraction) consiste à repérer les tableaux dans des documents et à reconstruire leurs lignes, colonnes, en-têtes et cellules sous forme de données structurées, comme du HTML, du Markdown ou du CSV, plutôt que de lignes de texte éparses.

F

Fenêtre de contexte
Une fenêtre de contexte (context window) est la quantité maximale de texte, comptée en tokens, qu'un modèle de langage peut prendre en compte à la fois, y compris le prompt système, la conversation, les documents, les résultats d'outils et la réponse qu'il rédige.
Few-shot prompting
Le few-shot prompting (prompting par quelques exemples) consiste à donner à un modèle de langage une poignée d'exemples résolus d'une tâche dans le prompt, pour qu'il reproduise le schéma sur une nouvelle entrée sans aucun réentraînement.
Fichier d'instructions pour agent (AGENTS.md)
Un fichier d'instructions pour agent est un fichier Markdown placé dans un dépôt de code, comme AGENTS.md ou CLAUDE.md, qu'un agent de code lit au début d'une session pour apprendre les commandes, les conventions et les règles du projet.
Filtrage par métadonnées
Le filtrage par métadonnées (metadata filtering) limite une recherche aux éléments dont les attributs stockés, comme la date, l'auteur, la langue ou le groupe d'accès, remplissent des conditions données, en complément ou en amont du classement par similarité vectorielle.
Fine-tuning
Le fine-tuning (ajustement fin) est la poursuite de l'entraînement d'un modèle pré-entraîné sur un jeu de données plus petit et propre à une tâche, pour que le modèle adopte une compétence, un format, un ton ou un domaine particuliers sans être entraîné de zéro.
Fine-tuning efficace en paramètres
Le fine-tuning efficace en paramètres (parameter-efficient fine-tuning, PEFT) adapte un modèle préentraîné en n'entraînant qu'un petit nombre de paramètres nouveaux ou sélectionnés, et laisse le reste gelé. Il réduit la mémoire, le calcul et le stockage qu'exige un fine-tuning complet.
Fine-tuning supervisé
Le fine-tuning supervisé (supervised fine-tuning, SFT) poursuit l'entraînement d'un modèle préentraîné sur des exemples de prompts associés aux réponses souhaitées. C'est la première étape habituelle pour transformer un modèle de base en modèle qui suit les instructions.
Fournisseur d'inférence
Un fournisseur d'inférence (inference provider) est une entreprise qui fait tourner des modèles d'IA sur son propre matériel et en vend l'accès par une API, généralement facturée au token. Vous envoyez des prompts et recevez des sorties sans gérer vous-même de GPU.
Framework d'agents
Un framework d'agents (cadre logiciel pour agents) est une bibliothèque qui fournit les éléments communs d'un agent IA, comme la boucle d'outils, l'état, la mémoire, les passages de relais entre agents et le traçage, pour que les développeurs n'aient pas à les construire de zéro.

G

Garde-fous (IA)
Les garde-fous (guardrails) sont des contrôles exécutés autour d'un modèle de langage qui inspectent les entrées et les sorties et les bloquent, les réécrivent ou les redirigent, afin qu'une application reste dans son sujet, évite les contenus nuisibles et respecte des règles que le modèle seul ne tiendrait pas de façon fiable.
Génération augmentée par récupération
La génération augmentée par récupération (retrieval-augmented generation, RAG) est un schéma dans lequel un système cherche d'abord dans une collection de documents les passages pertinents pour une question, puis fournit ces passages à un modèle de langage pour que sa réponse s'appuie dessus.
Generative engine optimization
La generative engine optimization (GEO, optimisation pour les moteurs génératifs) consiste à façonner le contenu web pour que les moteurs de recherche IA et les assistants conversationnels le trouvent, le citent et le mentionnent comme source dans les réponses qu'ils génèrent.
GGUF
GGUF est un format de fichier binaire qui stocke les poids, le tokenizer et les métadonnées d'un modèle dans un seul fichier, conçu pour un chargement rapide et l'inférence locale avec des outils basés sur GGML comme llama.cpp, souvent sous forme quantifiée.
Golden dataset
Un golden dataset (jeu de données de référence) est un ensemble fixe et soigneusement vérifié d'exemples d'entrées associés aux réponses ou au comportement attendus, utilisé comme référence pour évaluer un système d'IA ou en tester les régressions.
GPQA
GPQA (Graduate-Level Google-Proof Q&A) est un benchmark de 448 questions difficiles à choix multiples en biologie, physique et chimie, rédigées par des experts de sorte que des non-spécialistes compétents ne puissent pas y répondre, même avec une recherche web illimitée.
GPU
Un GPU (graphics processing unit, processeur graphique) est un processeur doté de nombreux petits cœurs conçus pour exécuter beaucoup de calculs en parallèle. Sa rapidité en calcul matriciel en fait le matériel standard pour entraîner et faire tourner les modèles d'IA.
GPU serverless
Le GPU serverless est un modèle cloud dans lequel vous déployez du code ou un modèle et la plateforme ne démarre des workers GPU qu'à l'arrivée des requêtes, facture le temps pendant lequel ils tournent et descend à zéro quand il n'y a pas d'activité.
Grand modèle de langage
Un grand modèle de langage (LLM, large language model) est un réseau de neurones doté de milliards de paramètres, entraîné sur de grandes quantités de texte à prédire le token suivant, ce qui lui permet d'écrire, de répondre à des questions, de résumer et de suivre des instructions.
Graphe de connaissances
Un graphe de connaissances (knowledge graph) stocke l'information sous forme d'entités (personnes, produits, lieux, concepts) reliées par des relations nommées, afin qu'un logiciel puisse suivre les liens entre les faits au lieu de chercher dans du texte libre.
GraphRAG
GraphRAG est une approche de récupération dans laquelle un LLM construit d'abord un graphe de connaissances à partir d'une collection de documents et rédige des résumés de groupes d'entités liées, puis répond aux questions à l'aide de ces résumés et des liens du graphe.
Grounding
Le grounding (ancrage) consiste à rattacher la réponse d'un modèle de langage à des sources précises et vérifiables, comme des résultats de recherche, des documents ou une base de données, afin que ses affirmations reposent sur des éléments fournis plutôt que sur ses seules données d'entraînement.

H

Hallucination (IA)
Une hallucination est une sortie d'un modèle d'IA qui paraît fluide et assurée mais qui est fausse, non étayée par ses sources ou inventée, comme une référence, une citation, une statistique ou une fonction d'API imaginaires.
Harnais d'agent
Un harnais d'agent (agent harness) est le logiciel qui entoure un modèle et en fait un agent opérationnel : la boucle, les outils, le prompt système, les permissions, la gestion du contexte et les fichiers éventuels qui servent à transmettre l'avancement d'une session à l'autre.
HNSW
HNSW (hierarchical navigable small world) est un index à base de graphe pour la recherche approximative des plus proches voisins. Il relie les vecteurs à leurs voisins sur plusieurs couches, afin qu'une recherche puisse progresser rapidement vers les correspondances les plus proches.
Hooks d'agent
Les hooks d'agent (points d'accroche) sont des commandes ou scripts définis par l'utilisateur qu'un agent de code exécute automatiquement à des moments précis de son travail, par exemple avant un appel d'outil ou après la modification d'un fichier, pour vérifier, bloquer ou étendre ce qu'il fait.
Humain dans la boucle
L'humain dans la boucle (human-in-the-loop, HITL) est une conception dans laquelle un système d'IA s'arrête à des points choisis pour qu'une personne approuve, corrige ou rejette son étape suivante, afin que les actions risquées ou incertaines ne soient pas exécutées automatiquement.
HumanEval
HumanEval est un benchmark de génération de code publié par OpenAI en 2021 : 164 problèmes Python écrits à la main, chacun avec une signature de fonction, une docstring et des tests unitaires, utilisés pour vérifier si un modèle écrit du code qui fonctionne réellement.
Humanity's Last Exam
Humanity's Last Exam (HLE) est un benchmark de 2 500 questions rédigées par des experts dans des dizaines de disciplines, conçu pour être très difficile pour les modèles d'IA, avec des réponses claires et vérifiables mais introuvables rapidement en ligne.

I

IA agentique
L'IA agentique (agentic AI) désigne un logiciel dans lequel un modèle de langage a une certaine maîtrise de la façon dont une tâche est accomplie : il planifie des étapes, choisit des outils et agit selon les résultats, avec plus d'autonomie qu'un simple prompt suivi d'une réponse.
IA open source
L'IA open source (open source AI) désigne un système d'IA publié sous des conditions qui permettent à chacun de l'utiliser, de l'étudier, de le modifier et de le partager, avec accès aux éléments nécessaires pour le modifier : informations sur les données d'entraînement, code complet et paramètres du modèle.
Image vers image
L'image vers image (image-to-image) est la tâche qui consiste à générer une nouvelle image à partir d'une image existante et d'un prompt, en conservant une partie de la structure de l'original tout en changeant le style, les détails ou le contenu.
Image vers vidéo
L'image vers vidéo (image-to-video) est la tâche qui consiste à transformer une image fixe en un court clip vidéo, généralement avec l'image comme première image et un prompt textuel qui décrit le mouvement.
Inférence
L'inférence consiste à faire tourner un modèle entraîné pour produire une sortie à partir d'une nouvelle entrée, comme un LLM qui génère une réponse à un prompt. C'est l'étape que les utilisateurs paient à chaque appel d'un modèle, par opposition à l'entraînement.
Inpainting et outpainting
L'inpainting consiste à remplir une zone masquée d'une image avec un nouveau contenu généré qui s'accorde au reste de l'image. L'outpainting applique la même idée au-delà des bords, en prolongeant l'image hors de son cadre.

J

Jailbreak (LLM)
Un jailbreak (débridage) est un prompt ou une technique qui amène un modèle de langage à produire une sortie que son entraînement à la sûreté est censé refuser, comme des instructions dangereuses, au moyen de jeux de rôle, d'obscurcissement, d'encodages inhabituels ou de longs textes adverses.

K

KV cache
Un KV cache (cache clé-valeur) stocke les clés et valeurs d'attention qu'un transformer a déjà calculées pour les tokens précédents, de sorte que chaque nouveau token ne demande de travail que pour lui-même. Il accélère la génération mais occupe une mémoire GPU qui augmente avec la longueur du contexte.

L

Late interaction (ColBERT)
La late interaction (interaction tardive) est une méthode de récupération, introduite par ColBERT, qui encode séparément la requête et chaque document en un vecteur par token, puis note une correspondance en comparant ces vecteurs de tokens lors d'une étape finale peu coûteuse.
Leaderboard (IA)
Un leaderboard d'IA (classement) est un classement public de modèles selon leurs scores sur un ou plusieurs benchmarks ou selon des votes de préférence humaine, mis à jour à mesure que de nouveaux modèles sont testés, pour que les lecteurs puissent comparer les modèles côte à côte.
Licence de modèle
Une licence de modèle (model license) regroupe les conditions juridiques selon lesquelles les poids d'un modèle, et parfois son code et ses données, peuvent être utilisés, modifiés et partagés. Les conditions vont des licences ouvertes permissives aux licences non commerciales ou sur mesure restrictives.
Limite de débit (API)
Une limite de débit (rate limit) plafonne l'usage qu'un compte peut faire d'une API sur une période donnée, généralement en requêtes par minute (RPM) et en tokens par minute (TPM). Les requêtes au-delà de la limite sont rejetées, en général avec une erreur HTTP 429.
Lip sync (vidéo IA)
Le lip sync par IA (synchronisation labiale) consiste à utiliser un modèle pour modifier les mouvements de la bouche d'une personne dans une vidéo ou une image afin qu'ils correspondent à une nouvelle piste audio, comme une réplique traduite ou réécrite.
LLM local
Un LLM local est un modèle de langage qui tourne sur votre propre ordinateur, téléphone ou serveur plutôt que via l'API cloud d'un fournisseur, de sorte que les prompts et les données restent sur votre matériel et qu'il fonctionne sans connexion internet.
LLM-as-a-judge
Le LLM-as-a-judge (LLM juge) est une méthode d'évaluation dans laquelle un modèle de langage performant note les sorties d'un autre modèle ou d'une application, à l'aide d'une grille, d'une réponse de référence ou d'une comparaison côte à côte, à la place ou en complément d'évaluateurs humains.
llms.txt
llms.txt est une convention proposée selon laquelle un site web publie un fichier Markdown, généralement à l'adresse /llms.txt, qui résume le site et renvoie vers ses pages les plus utiles sous une forme facile à lire pour les modèles de langage.
LMArena
LMArena, d'abord connue sous le nom de Chatbot Arena, est une plateforme publique qui classe les modèles d'IA à partir de votes humains participatifs : les utilisateurs voient deux modèles anonymes répondre au même prompt et choisissent la meilleure réponse.
LoRA
LoRA (low-rank adaptation, adaptation de rang faible) est une méthode de fine-tuning qui gèle les poids d'origine d'un modèle et entraîne de petites matrices de rang faible ajoutées à ses couches, si bien que beaucoup moins de paramètres changent et qu'il faut bien moins de mémoire GPU.

M

Mécanisme d'attention
Un mécanisme d'attention permet à un réseau de neurones de décider, pour chaque token qu'il traite, quel poids accorder à chacun des autres tokens de l'entrée. L'auto-attention (self-attention) est l'opération centrale d'un transformer.
Mémoire d'agent
La mémoire d'agent est l'ensemble des techniques qui permettent à un agent IA de conserver des informations au-delà d'une seule fenêtre de contexte, comme des faits sur un utilisateur ou un travail passé, en les stockant hors du modèle et en les rechargeant au besoin.
Mémoire unifiée
La mémoire unifiée (unified memory) est une conception dans laquelle le CPU et le GPU partagent un seul espace mémoire au lieu d'avoir chacun le leur. Sur les Mac Apple Silicon et les puces similaires, elle permet à un modèle d'IA local d'utiliser l'essentiel de la RAM du système comme mémoire GPU.
Métriques de recherche (recall@k, nDCG, MRR)
Les métriques de recherche (retrieval metrics) mesurent la capacité d'un système de recherche à renvoyer des documents pertinents. Recall@k vérifie combien d'éléments pertinents figurent dans les k premiers, nDCG récompense un classement élevé de ces éléments, et MRR mesure à quel rang apparaît le premier résultat correct.
Mixture of experts
Le mixture of experts (MoE, mélange d'experts) est une architecture de modèle dans laquelle chaque couche contient plusieurs sous-réseaux experts et un routeur envoie chaque token à quelques-uns seulement, si bien qu'une partie seulement du modèle s'exécute par token.
MMLU
MMLU (Massive Multitask Language Understanding) est un benchmark à choix multiples couvrant 57 matières, des mathématiques élémentaires et de l'histoire des États-Unis au droit et à l'informatique, qui teste les connaissances générales et la résolution de problèmes d'un modèle de langage.
Model card
Une model card (fiche de modèle) est un court document publié avec un modèle de machine learning qui explique à quoi il sert, comment il a été entraîné et évalué, où ses performances sont faibles, et comment il doit ou ne doit pas être utilisé.
Model Context Protocol
Le Model Context Protocol (MCP) est un standard ouvert qui définit comment les applications d'IA se connectent à des outils, des données et des prompts externes, à l'aide de messages JSON-RPC échangés entre une application hôte, ses clients et des serveurs distincts.
Modèle à espace d'états
Un modèle à espace d'états (state space model, SSM) est un modèle de séquence qui transporte un état caché de taille fixe à mesure qu'il lit chaque token, si bien que son coût croît linéairement avec la longueur de l'entrée. Mamba en est l'exemple le plus connu.
Modèle autorégressif
Un modèle autorégressif génère une séquence morceau par morceau, en prédisant chaque token suivant à partir de tous les tokens précédents et en réinjectant cette sortie en entrée. La plupart des grands modèles de langage fonctionnent ainsi.
Modèle de base
Un modèle de base (base model) est un modèle de langage tout juste sorti du pré-entraînement, avant l'ajustement aux instructions ou l'entraînement par retour humain. Il prolonge le texte qu'on lui donne au lieu de suivre des instructions ou de tenir une conversation.
Modèle de décision
Un modèle de décision (decision model) est un modèle conçu pour renvoyer une réponse typée, comme un choix dans une liste, une note selon une grille ou une probabilité oui/non, au lieu de générer du texte libre.
Modèle de diffusion
Un modèle de diffusion est un modèle génératif qui apprend à transformer du bruit aléatoire en données, comme une image, en retirant un peu de bruit à la fois sur de nombreuses étapes.
Modèle de fondation
Un modèle de fondation (foundation model) est un grand modèle entraîné à grande échelle sur des données variées, qui peut être adapté à de nombreuses tâches en aval, par prompting ou par fine-tuning, au lieu d'être conçu pour une seule tâche.
Modèle de frontière
Un modèle de frontière (frontier model) est l'un des modèles d'IA généralistes les plus performants disponibles à un moment donné, généralement issu d'un laboratoire bien financé. Le terme est relatif et apparaît aussi dans les politiques de sûreté de l'IA.
Modèle de langage par diffusion
Un modèle de langage par diffusion (dLLM) génère du texte en partant d'une séquence entièrement masquée ou bruitée et en affinant de nombreuses positions de tokens en parallèle sur plusieurs étapes, au lieu d'écrire un token à la fois.
Modèle de raisonnement
Un modèle de raisonnement (reasoning model) est un modèle de langage entraîné à résoudre un problème au fil d'un flux de tokens de réflexion intermédiaires avant de donner sa réponse finale, ce qui aide généralement en mathématiques, en code et sur les tâches à plusieurs étapes.
Modèle de récompense
Un modèle de récompense (reward model) est un modèle distinct, entraîné sur des données de préférences humaines, qui note la qualité d'une réponse. L'apprentissage par renforcement utilise ensuite ce score pour orienter un modèle de langage vers les réponses que les gens préfèrent.
Modèle de repli
Le repli de modèle (model fallback) est une règle qui envoie une requête à un modèle ou un fournisseur de secours quand le premier choix échoue, expire, atteint une limite de débit ou rejette l'entrée. Il maintient une fonction d'IA en état de marche pendant les pannes.
Modèle instruct
Un modèle instruct est un modèle de langage de base qui a été entraîné en plus sur des instructions associées à de bonnes réponses, et souvent sur des retours humains, afin qu'il suive les demandes au lieu de simplement prolonger le texte.
Modèle multimodal
Un modèle multimodal est un modèle d'IA capable de recevoir, et parfois de produire, plusieurs types de données, comme du texte, des images, de l'audio ou de la vidéo, au sein d'un seul modèle plutôt que par des systèmes séparés.
Modèle open-weight
Un modèle open-weight (modèle à poids ouverts) est un modèle dont les poids entraînés sont publiés pour que chacun puisse les télécharger et les exécuter, souvent sans le code d'entraînement ni l'ensemble des données d'entraînement ; il n'est donc pas forcément open source.
Modèle speech-to-speech
Un modèle speech-to-speech (parole à parole) reçoit de l'audio parlé et produit directement de l'audio parlé, sans convertir d'abord la parole en texte puis l'inverse. Il sert à la conversation vocale en direct et à la traduction.
Modèle vision-langage
Un modèle vision-langage (vision-language model, VLM) est un modèle qui reçoit des images et du texte en entrée et produit du texte, si bien qu'il peut décrire des images, répondre à des questions à leur sujet, lire des documents et extraire des données de captures d'écran.
Moteur de recherche IA
Un moteur de recherche IA est un service de recherche qui lance des recherches web pour une requête, lit les résultats avec un modèle de langage et renvoie une réponse rédigée avec des liens vers ses sources, au lieu d'une simple liste de liens.
MTEB
MTEB, le Massive Text Embedding Benchmark, est un benchmark public accompagné d'un classement qui note les modèles d'embedding de texte sur de nombreux types de tâches, comme la recherche, le clustering, la classification et le reranking, à travers de nombreux jeux de données et langues.

N

NPU
Un NPU (neural processing unit, processeur neuronal) est une puce, ou un bloc dans une puce plus grande, conçu pour exécuter les calculs des réseaux de neurones rapidement et en consommant peu d'énergie. Les téléphones et les ordinateurs portables utilisent des NPU pour faire tourner de petits modèles d'IA sur l'appareil.

O

OAuth pour les agents d'IA
OAuth pour les agents d'IA désigne l'usage du standard d'autorisation OAuth pour permettre à un agent ou à un client MCP d'agir au nom d'un utilisateur avec un jeton d'accès limité et révocable, au lieu de détenir le mot de passe de l'utilisateur ou une clé API aux droits étendus.
Observabilité des LLM
L'observabilité des LLM (LLM observability) consiste à enregistrer ce que fait une application d'IA en production, y compris les prompts, les réponses, les appels d'outils, la latence, la consommation de tokens et le coût, sous forme de traces consultables, afin de déboguer les défaillances et de voir comment le système se comporte dans le temps.
ONNX
ONNX (Open Neural Network Exchange) est un format de fichier ouvert pour les modèles de machine learning. Il décrit un modèle comme un graphe d'opérateurs standard, afin qu'il puisse être entraîné dans un framework et exécuté dans un autre.
Orchestration d'agents
L'orchestration d'agents consiste à contrôler quels agents ou appels de modèle s'exécutent dans une application, dans quel ordre, et comment chaque étape suivante est choisie, soit par un modèle qui prend la décision, soit par du code fixe.
OSWorld
OSWorld est un benchmark pour les agents de computer use qui fait tourner de vrais systèmes d'exploitation comme Ubuntu, Windows et macOS et note les agents sur 369 tâches ouvertes dans des applications web et de bureau, vérifiées par des scripts.

P

PagedAttention
PagedAttention est une méthode qui stocke le KV cache d'un modèle de langage dans de petits blocs de taille fixe qui n'ont pas besoin d'être contigus dans la mémoire du GPU, comme les pages d'un système d'exploitation. Elle réduit la mémoire gaspillée, si bien qu'un serveur peut traiter davantage de requêtes à la fois.
Parallélisme de tenseurs
Le parallélisme de tenseurs (tensor parallelism) répartit chaque couche d'un réseau de neurones sur plusieurs GPU, de sorte que chaque GPU détient une partie de chaque matrice de poids et calcule sa part de chaque étape. Il permet de faire tourner sur plusieurs GPU un modèle trop grand pour un seul.
Paramètres du modèle
Les paramètres d'un modèle (model parameters) sont les nombres qu'un réseau de neurones apprend pendant l'entraînement, surtout des poids. Le nombre de paramètres, écrit 7B pour sept milliards, est le raccourci habituel pour désigner la taille d'un modèle.
pass@k
pass@k est une métrique des benchmarks de code qui donne la probabilité qu'au moins une des k solutions générées pour un problème passe ses tests unitaires ; pass@1 est la probabilité qu'une seule tentative réussisse.
Passerelle LLM
Une passerelle LLM (LLM gateway) est un serveur proxy placé entre vos applications et les fournisseurs de modèles, qui expose une seule API et gère en un seul endroit les clés, le routage, les replis, les limites de débit, la journalisation et le suivi des dépenses.
Permissions d'agent
Les permissions d'agent sont les règles qui déterminent quels outils, fichiers, commandes, réseaux et comptes un agent IA peut utiliser, et quelles actions exigent d'abord l'approbation d'un humain, afin qu'un agent qui se trompe ou qui est manipulé ne puisse causer que des dégâts limités.
Petit modèle de langage
Un petit modèle de langage (small language model, SLM) est un modèle de langage doté de relativement peu de paramètres, généralement quelques milliards ou moins, conçu pour tourner sur un ordinateur portable, un téléphone ou un seul GPU à un coût inférieur à celui d'un grand modèle.
Poids du modèle
Les poids d'un modèle (model weights) sont les nombres appris à l'intérieur d'un réseau de neurones, fixés pendant l'entraînement, qui déterminent comment il transforme une entrée en sortie. Un checkpoint est un fichier ou un ensemble de fichiers sauvegardé qui contient ces poids.
Précision numérique (FP16, BF16, FP8)
La précision numérique est le format de nombre utilisé pour stocker les poids d'un modèle et effectuer ses calculs, comme FP32, FP16, BF16, FP8 ou INT4. Moins de bits par nombre signifie moins de mémoire et une inférence plus rapide, avec un certain risque pour la précision des résultats.
Préentraînement
Le préentraînement (pretraining) est la première et la plus importante étape de l'entraînement d'un modèle, au cours de laquelle il apprend des schémas généraux à partir d'un très grand jeu de données non étiquetées, généralement en prédisant le token suivant, avant tout ajustement propre à une tâche.
Prompt caching
Le prompt caching (mise en cache des prompts) est une fonctionnalité d'API qui stocke la forme traitée d'un préfixe de prompt répété, comme un long prompt système ou un document, pour que les requêtes suivantes commençant par le même préfixe soient moins chères et plus rapides.
Prompt engineering
Le prompt engineering (ingénierie de prompts) consiste à rédiger, structurer et tester les instructions et les exemples donnés à un modèle de langage pour qu'il produise la sortie dont une application a besoin, sans modifier les poids du modèle.
Prompt injection
La prompt injection (injection de prompt) est une attaque dans laquelle un texte fourni à un modèle de langage, saisi par un utilisateur ou caché dans une page web, un fichier ou un résultat d'outil, modifie le comportement du modèle d'une façon que son développeur n'avait pas prévue.
Prompt système
Un prompt système (system prompt) est le bloc d'instructions qu'une application envoie à un modèle de langage avant les messages de l'utilisateur. Il fixe le rôle, les règles, le ton et le format de sortie du modèle pour toute la conversation.
Protocole Agent2Agent
Le protocole Agent2Agent (A2A) est un standard ouvert qui permet à des agents IA construits sur des frameworks différents et par des éditeurs différents de se trouver, de se déléguer des tâches et d'échanger des résultats sans exposer leurs outils ni leur mémoire internes.

Q

Quantification
La quantification (quantization) est une technique qui stocke les poids d'un modèle, et parfois ses activations, avec moins de bits, par exemple 8 ou 4 au lieu de 16, pour que le modèle demande moins de mémoire et tourne souvent plus vite, au prix d'une certaine perte de précision.

R

RAG agentique
Le RAG agentique (agentic RAG) est une génération augmentée par récupération pilotée par un agent IA, qui décide quand chercher, quoi chercher et quelle source utiliser, et qui peut chercher à nouveau si les premiers résultats ne suffisent pas.
ReAct (raisonner et agir)
ReAct (reasoning and acting, raisonner et agir) est un schéma de prompting dans lequel un modèle de langage alterne entre l'écriture d'une étape de raisonnement, une action comme une recherche ou un appel d'outil, et la lecture du résultat avant l'étape suivante.
Recherche approximative des plus proches voisins
La recherche approximative des plus proches voisins (ANN, approximate nearest neighbor) trouve des vecteurs proches d'une requête sans vérifier chaque vecteur stocké. Elle renonce à la garantie d'obtenir exactement la meilleure correspondance en échange d'une recherche bien plus rapide sur de grandes collections.
Recherche hybride
La recherche hybride (hybrid search) exécute une recherche par mots-clés et une recherche vectorielle sur la même requête et fusionne les deux listes classées, afin que les résultats puissent correspondre aux mots exacts comme au sens.
Recherche parcimonieuse
La recherche parcimonieuse (sparse retrieval) représente les requêtes et les documents sous forme de vecteurs sur un vocabulaire dont la plupart des entrées valent zéro et où chaque entrée non nulle est le poids d'un mot, si bien que la recherche peut utiliser des index inversés rapides comme la recherche par mots-clés.
Recherche vectorielle
La recherche vectorielle (vector search) trouve des éléments en comparant leurs embeddings à celui d'une requête et en renvoyant les plus proches, si bien que les résultats correspondent par le sens plutôt que par des mots-clés communs.
Reconnaissance optique de caractères
La reconnaissance optique de caractères (OCR) est un logiciel qui lit le texte dans des images, comme des pages numérisées, des photos ou des captures d'écran, et le transforme en caractères lisibles par une machine, que l'on peut rechercher, copier ou fournir à un modèle.
Red teaming de l'IA
Le red teaming de l'IA (AI red teaming) consiste à attaquer délibérément un modèle ou une application d'IA avant et après sa publication, avec des testeurs humains ou des outils automatisés, pour trouver les sorties nuisibles, les jailbreaks, les injections et autres défaillances afin de les corriger.
Réécriture de requêtes
La réécriture de requêtes (query rewriting) modifie la question d'un utilisateur avant la recherche, par exemple en la clarifiant, en la découpant ou en ajoutant des termes associés, pour que le système de recherche ait plus de chances de trouver les passages qui y répondent.
Reranking
Le reranking (reclassement) est une seconde étape de recherche qui prend une courte liste de documents candidats et les réordonne selon leur pertinence pour la requête, à l'aide d'un modèle plus précis mais plus lent que la première recherche.
Résidence des données
La résidence des données (data residency) est un contrôle qui garantit que les données d'un client sont stockées, et souvent traitées, dans une région géographique choisie comme l'UE, afin qu'une équipe puisse respecter ses propres règles légales, contractuelles ou clients sur le lieu où se trouvent les données.
Ressources et prompts MCP
Les ressources et les prompts MCP sont deux éléments qu'un serveur MCP peut fournir en plus des outils. Les ressources sont des données, chacune dotée d'un URI, qu'une application peut ajouter au contexte ; les prompts sont des modèles de messages réutilisables que l'utilisateur choisit de lancer.
RLHF
Le RLHF (reinforcement learning from human feedback, apprentissage par renforcement à partir de retours humains) ajuste un modèle de langage à l'aide de classements humains de ses réponses : un modèle de récompense apprend ces préférences, puis l'apprentissage par renforcement pousse le modèle vers les réponses qui obtiennent un bon score.
Routage de LLM
Le routage de LLM (LLM routing) consiste à envoyer chaque requête au modèle de langage le plus adapté, souvent un modèle bon marché pour les prompts simples et un modèle plus puissant pour les prompts difficiles, afin d'équilibrer coût, vitesse et qualité.

S

Safetensors
Safetensors est un format de fichier de Hugging Face pour stocker les poids des modèles. Contrairement aux fichiers pickle de Python, son chargement ne peut pas exécuter de code caché, et il permet un chargement rapide, par projection en mémoire, de tenseurs individuels.
Serveur MCP
Un serveur MCP est un programme qui expose des outils, des ressources de données ou des modèles de prompts aux applications d'IA via le Model Context Protocol, afin que tout client compatible MCP puisse les utiliser sans code d'intégration sur mesure.
Service de modèles
Le service de modèles (model serving) consiste à faire tourner un modèle entraîné comme un service que les applications appellent sur le réseau, avec un logiciel qui charge les poids sur les GPU, met en file et regroupe les requêtes, gère la mémoire et renvoie les résultats.
Similarité cosinus
La similarité cosinus (cosine similarity) mesure la ressemblance entre deux vecteurs par l'angle qu'ils forment. Elle va de -1 à 1, ignore la longueur des vecteurs et constitue la façon la plus courante de comparer des embeddings en recherche.
Skills d'agent
Les skills d'agent (compétences) sont des dossiers d'instructions, de scripts et de fichiers de référence, chacun décrit par un fichier SKILL.md, qu'un agent IA peut découvrir et charger seulement quand une tâche en a besoin.
SOC 2
SOC 2 est un rapport d'audit, produit par un cabinet d'audit CPA externe selon les normes de l'AICPA, sur les contrôles d'une organisation de services en matière de sécurité, de disponibilité, d'intégrité du traitement, de confidentialité ou de protection de la vie privée.
Sortie structurée
La sortie structurée (structured output) est une fonctionnalité d'API qui oblige la réponse d'un modèle de langage à suivre un format que vous définissez, généralement un JSON Schema, pour que du code puisse l'analyser de façon fiable au lieu d'extraire des informations d'un texte libre.
Sous-agent
Un sous-agent (subagent) est un agent auxiliaire auquel un agent principal confie une tâche. Il travaille dans sa propre fenêtre de contexte vierge, souvent avec ses propres instructions et outils, et ne renvoie qu'un résumé du résultat.
Spec-driven development
Le spec-driven development (développement piloté par les spécifications) est une façon de travailler avec des agents de code dans laquelle vous rédigez d'abord une spécification de ce qu'il faut construire et pourquoi, puis faites transformer cette spécification par l'agent en plan, en liste de tâches et enfin en code.
Speech-to-text
Le speech-to-text (transcription de la parole), aussi appelé reconnaissance automatique de la parole (ASR), est un logiciel qui convertit l'audio parlé en texte écrit. Il alimente la transcription, les sous-titres, les commandes vocales et la partie écoute des agents vocaux.
Streaming (sortie de LLM)
Le streaming envoie la sortie d'un LLM au client morceau par morceau, à mesure que les tokens sont générés, au lieu d'attendre la réponse complète. Les utilisateurs voient le texte apparaître en quelques instants, même quand la réponse complète prend bien plus longtemps.
SWE-bench
SWE-bench est un benchmark de code construit à partir de vraies issues GitHub de projets Python populaires ; un modèle ou un agent doit modifier le dépôt pour que l'issue soit corrigée et que les tests cachés du projet passent.
Système multi-agents
Un système multi-agents (multi-agent system) est une configuration dans laquelle plusieurs agents d'IA, chacun avec ses propres instructions, outils et contexte, travaillent sur des parties d'une tâche et se transmettent leurs résultats, ou les transmettent à un agent coordinateur.

T

Tarification au token
La tarification au token (token pricing) est la façon dont la plupart des API de modèles d'IA facturent : un prix fixe par million de tokens d'entrée envoyés et un prix distinct, généralement plus élevé, par million de tokens de sortie générés par le modèle, avec des remises pour les entrées en cache et les traitements batch.
Tatouage numérique de l'IA
Le tatouage numérique de l'IA (AI watermarking) consiste à intégrer un signal caché, détectable par une machine, dans du texte, des images, de l'audio ou de la vidéo au moment où un modèle d'IA les génère, afin qu'un logiciel puisse ensuite identifier le contenu comme généré par IA.
Température (échantillonnage)
La température (temperature) est un réglage d'échantillonnage qui contrôle le caractère aléatoire des choix de mots d'un modèle de langage. Des valeurs basses lui font privilégier les tokens les plus probables ; des valeurs plus élevées répartissent les choix sur des tokens moins probables.
Terminal-Bench
Terminal-Bench est un benchmark pour les agents d'IA qui travaillent dans un terminal en ligne de commande ; chaque tâche fournit à l'agent un environnement réel et est notée par des tests qui vérifient si le travail a vraiment été fait.
Test-time compute
Le test-time compute (calcul au moment de l'inférence) est la quantité de calcul qu'un modèle consacre à répondre à une requête, et non à l'entraînement. Laisser un modèle réfléchir plus longtemps ou essayer plusieurs réponses peut améliorer les résultats sur les problèmes difficiles.
Tests de régression (applications LLM)
Les tests de régression pour les applications LLM consistent à relancer un ensemble fixe de cas d'évaluation après chaque modification d'un prompt, d'un modèle, d'une configuration de recherche ou d'un outil, pour repérer les cas qui fonctionnaient et qui échouent désormais.
Text-to-3D
Le text-to-3D (texte vers 3D) consiste à générer un objet ou une scène en 3D à partir d'un prompt écrit. L'image-to-3D fait la même chose à partir d'une ou plusieurs photos. Le résultat peut être observé sous n'importe quel angle.
Text-to-image
Le text-to-image (texte vers image) consiste à générer une nouvelle image à partir d'une description écrite, appelée prompt. La plupart des modèles text-to-image actuels sont des modèles de diffusion conditionnés par le texte.
Text-to-music
Le text-to-music (texte vers musique) consiste à générer de l'audio musical à partir d'une description écrite, comme le genre, l'ambiance, les instruments et le tempo. Certains systèmes écrivent et chantent aussi des paroles.
Text-to-speech
Le text-to-speech (TTS, synthèse vocale) est un logiciel qui transforme un texte écrit en audio parlé. La TTS moderne utilise des réseaux de neurones qui prédisent le son de la parole à partir du texte, puis le restituent sous forme d'onde sonore.
Text-to-video
Le text-to-video (texte vers vidéo) consiste à générer un court clip vidéo à partir d'un prompt écrit. Les modèles doivent produire des images qui paraissent correctes une à une et qui s'enchaînent aussi de façon cohérente d'une image à la suivante.
Time to first token
Le time to first token (TTFT, délai avant le premier token) est le temps qu'un utilisateur attend entre l'envoi d'une requête à un modèle de langage et la réception du premier token de sa réponse, ce qui couvre la mise en file d'attente, le traitement du prompt et le temps réseau.
Token (LLM)
Un token (LLM), ou jeton, est l'unité de texte de base qu'un modèle de langage lit et écrit, souvent un mot, une partie de mot, un signe de ponctuation ou un octet. Les prix, la vitesse et les limites de contexte se comptent tous en tokens.
Tokenizer
Un tokenizer est le composant qui découpe le texte en tokens et les transforme en identifiants numériques qu'un modèle de langage peut traiter, puis qui retransforme en texte les identifiants produits par le modèle.
Tokens de sortie
Les tokens de sortie (output tokens) sont les tokens qu'un modèle de langage génère dans sa réponse. Ils sont comptés et facturés séparément des tokens d'entrée, et un réglage max_tokens plafonne le nombre qu'une réponse peut contenir.
Tokens par seconde
Les tokens par seconde (tokens per second, tok/s) mesurent la vitesse à laquelle un modèle de langage produit sa sortie. Le chiffre est donné soit par utilisateur, la vitesse à laquelle une réponse s'affiche en streaming, soit pour l'ensemble du système, la sortie totale de toutes les requêtes simultanées.
Tool poisoning
Le tool poisoning (empoisonnement d'outils) est une attaque dans laquelle un outil malveillant, souvent un serveur MCP, cache des instructions dans la description ou les métadonnées de ses outils ; le modèle d'IA les lit comme des consignes et peut divulguer des données ou mal utiliser d'autres outils sans que l'utilisateur s'en aperçoive.
TPU
Un TPU (tensor processing unit) est la puce conçue par Google pour le machine learning, construite autour de grandes unités de multiplication de matrices et d'une mémoire à haute bande passante. Google propose les TPU à d'autres entreprises sous forme de service en location sur Google Cloud.
Transformer (architecture)
Le transformer est une architecture de réseau de neurones, présentée en 2017, qui traite les séquences à l'aide de l'attention plutôt que de la récurrence. Elle est à la base de presque tous les grands modèles de langage actuels et de nombreux modèles d'image et d'audio.
Transport MCP (stdio, Streamable HTTP)
Un transport MCP est le canal qui achemine les messages JSON-RPC de MCP entre le client et le serveur. La spécification en définit deux : stdio, pour un serveur lancé comme sous-processus local, et Streamable HTTP, pour un serveur joint par le réseau.

U

Upscaling d'images par IA
L'upscaling d'images par IA (agrandissement ou super-résolution) utilise un réseau de neurones pour agrandir une image et y ajouter des détails plausibles, si bien que le résultat paraît plus net qu'avec un simple redimensionnement.

V

Vibe coding
Le vibe coding consiste à construire un logiciel en décrivant ce que vous voulez à un modèle d'IA et en acceptant le code qu'il écrit sans le lire ni le relire, en jugeant le résultat uniquement sur le fait que le programme semble fonctionner.
VRAM
La VRAM est la mémoire d'une carte graphique. Pour l'IA, elle contient les poids du modèle, le KV cache et les données de travail, et le fait qu'un modèle tienne ou non dans la VRAM détermine généralement le GPU dont vous avez besoin pour le faire tourner.

W

Weight-space programming
La weight-space programming (programmation dans l'espace des poids) est une capacité proposée dans laquelle un modèle de langage lit les poids d'un réseau de neurones pour comprendre ce qu'il calcule, puis écrit ou modifie ces poids directement, sans entraînement par gradient, comme un programmeur modifie du code.
Workflow ou agent
Un workflow est un système LLM dont les étapes suivent des chemins fixés dans le code, alors qu'un agent laisse le modèle décider de ses propres étapes et appels d'outils. Beaucoup de produits vendus comme des workflows agentiques se situent quelque part entre les deux.
World model
Un world model (modèle du monde) est un modèle d'IA qui apprend assez bien le fonctionnement d'un environnement pour prédire ce qui va se passer ensuite, souvent à partir de vidéos ou de données de capteurs, afin qu'un agent puisse planifier ou s'entraîner dans la simulation.

Z

Zero-shot
Le zero-shot consiste à demander à un modèle d'effectuer une tâche à partir d'une simple instruction, sans exemple travaillé dans le prompt ni entraînement propre à la tâche. Le modèle ne s'appuie que sur ce qu'il a déjà appris.