Glossaire des termes populaires de l'AI : que signifient les hallucinations, les tokens et les prompts

TechCrunch a publié un glossaire mis à jour des termes d'intelligence artificielle. Avec la croissance explosive de l'IA autour de nous, des dizaines de nouveaux mots et d'argot sont apparus qui peuvent confondre même les utilisateurs expérimentés.

Termes Clés de l'IA

Lorsqu'on parle d'apprentissage automatique et de réseaux de neurones, des mots comme « entraînement », « paramètres » et « vecteurs » reviennent fréquemment. Mais il existe une série de termes spécifiques qui apparaissent particulièrement souvent dans le contexte des grands modèles de langage.

• Hallucinations (hallucinations) — lorsqu'un LLM génère avec assurance des informations fausses, les présentant comme des faits. Un exemple typique : ChatGPT invente des articles inexistants ou attribue à des personnes des actions qu'elles n'ont jamais commises.

• Prompt engineering (ingénierie des prompts) — l'art de formuler des instructions pour l'IA. Le bon prompt peut augmenter la qualité de la réponse plusieurs fois, tandis qu'un mauvais peut réduire le résultat à néant.

• Fine-tuning (ajustement fin) — adaptation d'un modèle pré-entraîné à des tâches et des données spécifiques. Les entreprises prennent GPT-4 et l'entraînent sur leurs documents d'entreprise.

• Embeddings (représentations vectorielles) — des codes numériques que l'IA utilise pour encoder le sens des mots et des documents. C'est la base de la recherche, du clustering et de l'analyse sémantique.

• Token (token) — l'unité minimale de texte (un mot ou une partie d'un mot) que le modèle traite. ChatGPT calcule les coûts par tokens, donc « token » = argent dans le contexte de l'API.

Architecture et Méthodes

Au cours des dernières années, un ensemble standard de techniques s'est formé pour travailler avec les modèles.

Transformer — l'architecture sur laquelle sont construits tous les LLMs modernes comme GPT et BERT. C'est le Transformer qui a permis aux réseaux de neurones de traiter les séquences de données en parallèle, révolutionnant la vitesse d'entraînement.

RAG (retrieval-augmented generation) — une technique où le modèle d'abord recherche des documents pertinents à partir de sources externes, puis génère une réponse basée sur ceux-ci. Cela permet aux LLMs de travailler avec des informations actuelles sans réentraînement et réduit les hallucinations.

Un autre terme clé est RLHF (renforcement learning from human feedback). C'est grâce au RLHF qu'OpenAI a rendu ChatGPT poli, utile et sûr. Les évaluations humaines aident le modèle à apprendre non seulement à partir de modèles statistiques dans les données, mais aussi à partir des préférences des personnes, ce qui change le comportement du modèle lui-même.

Pourquoi Cela Importe

Comprendre les termes de base vous aide à percevoir les nouvelles sur l'IA de manière critique. Si vous en apprenez plus sur les « hallucinations », vous comprendrez pourquoi les modèles mentent parfois. En connaissant les « tokens », vous pouvez optimiser vos dépenses d'API. Réaliser que « l'ingénierie des prompts » existe vous convaincra de ne pas vous précipiter — la bonne formulation d'une question en vaut la peine.

Le glossaire de TechCrunch ne prétend pas être complet, mais il fournit une lingua franca — un langage commun dans lequel vous pouvez discuter de l'IA avec un spécialiste technique, un journaliste ou un gestionnaire.

Ce Que Cela Signifie

La normalisation de la terminologie est la première étape vers une discussion éclairée de la technologie. À mesure que l'IA se développe, le langage des professionnels et du public doit converger, sinon il restera un sentiment qu'ils discutent de choses différentes. Quand tout le monde parle la même langue, il est plus facile de trouver la vérité et d'éviter la panique.

Si vous travaillez avec des outils d'IA ou suivez simplement les nouvelles, un glossaire vous économise des heures à rechercher des définitions et des exemples. Au lieu de parcourir plusieurs sources — une référence que vous pouvez ouvrir à tout moment.