48 termes clés définis et classés, pour comprendre l'IA générative sans jargon : des fondamentaux aux agents, en passant par les techniques et la conformité. Une ressource pour parler le même langage.
Famille de grands modèles de langage développée par Anthropic, utilisée pour générer et comprendre du texte, raisonner et alimenter des agents. Voir le conseil & intégration Claude.
Société d'intelligence artificielle créatrice des modèles Claude, connue pour son approche orientée sûreté de l'IA. Site indépendant, non affilié à Anthropic.
Catégorie d'IA capable de produire du contenu (texte, code, images) à partir d'instructions, par opposition à l'IA prédictive qui calcule des probabilités.
Modèle entraîné sur de grandes quantités de texte pour comprendre et générer du langage naturel. Claude et ChatGPT en sont des exemples — voir Claude vs ChatGPT.
Unité élémentaire de texte traitée par un modèle (souvent un fragment de mot). Les coûts et la taille de contexte se mesurent en tokens.
Quantité maximale de texte (en tokens) qu'un modèle peut prendre en compte en une fois. Une grande fenêtre permet de traiter de longs documents.
Valeurs internes apprises par un modèle pendant son entraînement, qui déterminent son comportement. Leur nombre indique la taille du modèle.
Phase initiale où le modèle apprend le langage sur de vastes corpus de texte, avant toute spécialisation.
Ajustement d'un modèle pré-entraîné sur des données spécifiques pour l'adapter à un domaine ou à une tâche.
Réponse plausible mais fausse produite par un modèle. Le RAG et des garde-fous réduisent ce risque.
Paramètre réglant le degré d'aléatoire des réponses : basse pour des réponses déterministes, haute pour plus de créativité.
Phase d'utilisation d'un modèle entraîné pour produire une réponse, par opposition à la phase d'entraînement.
Instruction ou message envoyé à un modèle pour obtenir une réponse. Sa qualité conditionne fortement le résultat.
Discipline consistant à formuler des instructions efficaces pour obtenir des réponses fiables et reproductibles. Voir la formation et l'article dédié.
Instruction de cadrage donnée en amont d'une conversation pour définir le rôle, le ton et les règles du modèle.
Technique consistant à fournir quelques exemples dans le prompt pour guider le format et la qualité de la réponse.
Demande adressée au modèle sans exemple, en s'appuyant uniquement sur l'instruction.
Technique invitant le modèle à expliciter son raisonnement, ce qui améliore la qualité sur les tâches complexes.
Retrieval-Augmented Generation : fournir au modèle les extraits pertinents de vos données au moment de la requête, pour des réponses ancrées. Clé de l'intégration API Claude.
Représentation numérique d'un texte sous forme de vecteur, permettant de mesurer la similarité sémantique entre contenus.
Base de données stockant des embeddings pour retrouver rapidement les contenus proches d'une requête. Brique centrale du RAG.
Capacité d'un modèle à appeler des outils externes (recherche, calcul, API) pour accomplir une tâche.
Mécanisme par lequel le modèle déclenche une fonction définie par le développeur, avec des paramètres structurés.
Réponse imposée dans un format précis (JSON, tableau) pour être directement exploitable par un système.
Système qui utilise un modèle pour raisonner puis agir en boucle. Voir le cas d'usage agent IA sur mesure.
Cycle répété d'un agent : décider d'une action, l'exécuter, observer le résultat, recommencer jusqu'à la fin de la tâche.
Kit de développement d'Anthropic pour construire des agents Claude. Voir le guide pratique.
Standard ouvert pour connecter un modèle à des outils et des données de façon sécurisée et réutilisable. Voir l'article MCP.
Composant qui expose des outils ou des données à un modèle via le Model Context Protocol.
Agent de développement propulsé par Claude qui automatise des tâches d'ingénierie sous supervision. Voir l'article dédié.
Architecture où plusieurs agents spécialisés coopèrent sur une tâche complexe, avec vérification croisée.
Interface permettant à une application d'utiliser un service externe, comme l'API Claude pour l'intégrer à un SI.
Point d'accès d'une API auquel une application envoie ses requêtes.
Facturation de l'usage d'un modèle calculée sur le nombre de tokens en entrée et en sortie. À surveiller à l'échelle.
Temps écoulé entre une requête et la réponse du modèle. Un critère clé pour les usages temps réel.
Mesure systématique de la qualité et de la fiabilité d'un système d'IA sur un jeu de cas représentatifs.
Règlement européen (UE) 2024/1689 sur l'IA, qui classe les systèmes par niveau de risque. Voir le pilier conformité & sécurité IA.
Règlement général sur la protection des données : cadre européen applicable dès qu'un système traite des données personnelles.
Nouvelle loi suisse sur la protection des données, équivalent helvétique du RGPD. Voir Expert Claude IA Genève.
Mesures garantissant que les données envoyées à un modèle restent protégées et ne servent pas à l'entraîner.
Contrainte limitant le comportement d'un modèle ou d'un agent : périmètre d'actions, validation humaine, filtres.
Objectif de faire en sorte qu'un système d'IA agisse conformément aux intentions et valeurs humaines.
Méthode d'Anthropic entraînant un modèle à respecter un ensemble de principes explicites, pour des réponses plus sûres.
Tendance systématique d'un modèle à produire des résultats déséquilibrés, héritée de ses données d'entraînement.
Capacité à comprendre et justifier les décisions d'un système d'IA, exigée dans les contextes régulés.
Principe de maintien d'un humain dans la boucle de décision, notamment pour valider les actions sensibles d'un agent.
Maîtrise du lieu et des conditions de traitement des données, qui peut orienter vers des modèles open-source en interne.
Test offensif d'un système d'IA visant à découvrir ses failles et comportements indésirables avant la production.
RAG, agents, MCP, conformité… Je vous aide à passer du concept à la réalité.
Me contacter → Lire le blog