TechCrunch a publié un guide sur le jargon de l'IA : que sont les LLMs, les hallucinations et RAG

L'essor de l'IA de 2024–2026 a apporté non seulement de nouveaux produits et capacités, mais aussi tout un ensemble de jargon professionnel dans lequel il est facile de se perdre. LLM, RAG, hallucinations, tokens, fine-tuning, prompts — ces mots apparaissent de plus en plus dans les actualités, les présentations et les négociations commerciales, mais la compréhension de la majorité reste vague. TechCrunch a publié un glossaire détaillé expliquant les concepts clés de l'ère de l'IA — de l'architecture de base aux techniques appliquées de travail avec les modèles.

À la base de la plupart des systèmes modernes d'IA se trouvent les Grands Modèles de Langage — LLM (Large Language Model). Ce sont des réseaux de neurones formés sur des volumes massifs de texte. Ils ne « comprennent » pas le langage au sens humain, mais ils sont capables de générer des réponses statistiquement plausibles à n'importe quelle requête.

L'unité de base avec laquelle travaille un LLM est un token : environ trois à quatre caractères, une partie d'un mot ou un signe de ponctuation. GPT-4o traite jusqu'à 128 000 tokens à la fois — environ 300 pages de texte. Plus la fenêtre de contexte (context window) est grande, plus d'informations le modèle peut prendre en compte lors de la formulation d'une réponse.

L'un des principaux défauts des LLM est les hallucinations. Cela désigne les situations où le modèle génère avec assurance des informations factuellement incorrectes : des citations inventées, des sources inexistantes, des dates fausses. Ce n'est pas un « mensonge » au sens éthique — le modèle génère simplement du texte qui semble plausible, sans avoir de mécanisme intégré de vérification des faits.

Pour lutter contre les hallucinations, la méthode RAG a été développée (Retrieval-Augmented Generation) : avant de générer une réponse, le système recherche des fragments pertinents dans une véritable base de données et s'y appuie. De nombreux assistants d'IA d'entreprise et systèmes de recherche de nouvelle génération fonctionnent selon ce principe aujourd'hui. Lorsqu'un modèle de base a besoin de spécialisation, il est entraîné davantage sur des données spécialisées.

Ce processus s'appelle fine-tuning : le modèle apprend à répondre dans le style souhaité, sur des sujets spécialisés ou dans un format spécifique. Une approche plus accessible est l'ingénierie des prompts (prompt engineering) : formuler les demandes intelligemment pour atteindre le résultat souhaité sans réentraîner le modèle. Une classe distincte et en croissance rapide concerne les agents d'IA (AI agents) : ils ne font pas que répondre aux questions, mais planifient et exécutent des chaînes d'actions — recherchant des informations sur internet, exécutant du code, gérant des fichiers et des navigateurs.

Les exemples les plus connus sont Claude Computer Use et OpenAI Operator. Parmi les autres termes clés : paramètres (parameters) — « poids » numériques d'un réseau neuronal qui déterminent son comportement (le volume estimé de paramètres de GPT-4 dépasse le trillion) ; inférence (inference) — le processus d'obtention d'une réponse d'un modèle entraîné en temps réel, c'est ce qui détermine la vitesse et le coût des services d'IA ; embeddings — représentations numériques de mots et de textes qui permettent de mesurer la proximité sémantique des concepts. La multimodalité (multimodality) signifie la capacité d'un modèle à travailler simultanément avec plusieurs types de données : texte, images, audio et vidéo.

Comprendre le vocabulaire de base de l'IA n'est plus le domaine réservé des développeurs — c'est devenu une nécessité pour les gestionnaires, les investisseurs, les journalistes et tous ceux qui travaillent avec cette technologie. Le jargon continue de s'enrichir : chaque nouvelle classe de modèles apporte ses propres termes — systèmes multi-agents, données synthétiques, inférence en streaming. Mais en maîtrisant les fondamentaux — LLMs, tokens, hallucinations, RAG, fine-tuning et agents — vous pouvez naviguer avec assurance dans la plupart des publications et conversations sur l'IA.