Agent intelligent (Agent IA)
Un agent intelligent est un programme informatique capable d’observer ce qui se passe autour de lui, d’analyser ces informations et de choisir une action pour atteindre un objectif donné. On en trouve dans les jeux vidéo, où certains personnages se déplacent seuls ou réagissent aux actions du joueur. L’agent peut également intervenir dans des applications réelles, comme des robots qui optimisent leur trajet dans un entrepôt. Il n’a pas une « conscience », mais il applique des stratégies pour choisir l’action la plus utile selon la situation. Plus ses règles ou modèles sont complexes, plus l’agent semble « intelligent ».
Algorithme
Un algorithme est une série d’instructions ordonnées que l’ordinateur suit pour résoudre un problème ou accomplir une tâche. On peut le comparer à une recette de cuisine : chaque étape doit être réalisée dans un certain ordre pour obtenir le résultat voulu. Les algorithmes servent de base à tous les programmes, des jeux vidéo aux applications de navigation. Certains sont très simples, d’autres très compliqués, comme ceux utilisés pour entraîner des IA avancées. Sans algorithme précis, une machine serait incapable d’agir ou de prendre des décisions.
API (interface de programmation d'applications)
Une API est une sorte de pont qui permet à deux programmes de communiquer facilement entre eux. Grâce à elle, un développeur peut utiliser une fonction complexe (comme une IA) sans devoir comprendre son fonctionnement interne. Par exemple, un site peut intégrer une traduction automatique juste en appelant une API qui s'occupe du travail. C’est un outil essentiel pour intégrer rapidement des modèles d’IA dans des applications. Les API simplifient donc le développement et favorisent le partage entre logiciels.
Automatisation
L’automatisation consiste à confier à des machines ou à des logiciels des tâches répétitives ou précises que les humains faisaient auparavant. Cela permet de gagner du temps, de réduire les erreurs et de se concentrer sur des activités plus créatives ou complexes. On automatise par exemple des e-mails, des vérifications de sécurité ou des calculs financiers. Avec l’arrivée de l’IA, l’automatisation devient plus « intelligente » : la machine peut s’adapter à différentes situations plutôt que de suivre uniquement des règles rigides.
Biais (bias)
Les biais sont des erreurs ou des injustices qui apparaissent dans un système d’IA à cause des données sur lesquelles il a été entraîné. Si les exemples utilisés ne sont pas variés ou sont déséquilibrés, l’IA risque de prendre de mauvaises décisions. Par exemple, une IA de reconnaissance faciale entraînée surtout sur des visages d’adultes pourrait mal fonctionner sur des enfants. Les biais peuvent provoquer des discriminations et poser des problèmes éthiques importants. C’est pourquoi les chercheurs essaient constamment de mieux les détecter et les corriger.
Big Data (données massives)
Le Big Data désigne d'immenses quantités de données produites chaque seconde par nos téléphones, sites web, capteurs, vidéos ou objets connectés. Ces données sont trop nombreuses pour être analysées avec des outils classiques. L’IA permet justement d’en tirer du sens, par exemple pour repérer des comportements, prévoir des tendances ou personnaliser des services. Le Big Data est devenu essentiel dans les domaines comme la santé, l'économie ou les sciences, car il offre une source d’information quasi inépuisable.
Chatbot (agent conversationnel)
Un chatbot est un programme qui discute avec les utilisateurs par écrit ou à l’oral. Les versions simples suivent des règles fixes : si vous posez une question inattendue, elles ne comprennent pas. Les chatbots avancés, comme ChatGPT, analysent le sens de vos phrases et génèrent des réponses plus naturelles. Ils sont utilisés dans le service client, l'éducation, les jeux ou les applications d'aide quotidienne. Leur objectif est de rendre la communication entre humains et machines aussi naturelle que possible.
Cloud computing (informatique en nuage)
Le cloud computing consiste à utiliser des serveurs à distance pour stocker des données ou exécuter des programmes, plutôt que de tout faire sur son propre ordinateur. Cela permet d’accéder à ses fichiers ou à des services puissants depuis n’importe où, via Internet. Pour l’IA, le cloud est très important : il fournit la puissance nécessaire pour entraîner de grands modèles. Le cloud offre aussi de la flexibilité, car on peut augmenter ou réduire facilement les ressources utilisées.
Deep learning (apprentissage profond)
Le deep learning est une partie du machine learning qui utilise des réseaux de neurones très nombreux et très complexes. Ces réseaux apprennent à reconnaître des modèles dans d'immenses quantités de données, comme des images, des voix ou des textes. Grâce au deep learning, les IA modernes peuvent traduire en temps réel, reconnaître des objets ou générer des images réalistes. Cette technique imite, de façon très simplifiée, le fonctionnement du cerveau humain. Elle est aujourd’hui au cœur des applications d’IA les plus avancées.
Données (data)
Les données sont toutes les informations utilisées pour entraîner et faire fonctionner une IA : photos, vidéos, sons, phrases, clics, chiffres, etc. L’IA apprend en observant des milliers ou millions d’exemples issus de ces données. Si les données sont mauvaises, incomplètes ou mal rangées, l’IA fonctionnera mal ou fera des erreurs. Elles jouent donc un rôle fondamental dans la qualité et la fiabilité d’un modèle. Les données doivent aussi être protégées, car elles peuvent contenir des informations personnelles.
Entraînement (training)
L’entraînement est le processus au cours duquel une IA apprend en analysant d’énormes quantités d'exemples. Pendant cette période, le modèle essaie des solutions, se trompe, puis s’ajuste pour devenir plus efficace. Cela peut prendre plusieurs heures, jours, voire semaines selon la taille de l’IA. L’entraînement nécessite souvent des ordinateurs très puissants. Une fois l'entraînement terminé, l’IA peut répondre, reconnaître des images ou effectuer une tâche sans revoir tous les exemples.
Éthique de l’IA
L’éthique de l’IA correspond à l’ensemble des règles et réflexions visant à utiliser l’intelligence artificielle de manière responsable. Elle pose des questions importantes : comment éviter les biais ? Comment protéger la vie privée ? Comment garantir que l’IA ne soit pas dangereuse ? Ces questions concernent les développeurs, les gouvernements, mais aussi les utilisateurs. L’éthique de l’IA aide à construire des systèmes utiles, justes et sécurisés pour toute la société.
GPU (processeur graphique)
Un GPU est un type de processeur capable de faire des milliers de calculs en parallèle. À l’origine, il servait surtout pour les jeux vidéo, afin d’afficher des images complexes. Aujourd’hui, il est très utilisé dans l’IA, car les réseaux de neurones demandent d’énormes calculs. Grâce aux GPU, il est possible d’entraîner des modèles beaucoup plus vite. Sans eux, les IA modernes mettraient des mois à apprendre.
IA adaptative (Adaptive AI)
L’IA adaptative est un type d’intelligence artificielle capable de modifier son comportement en fonction des nouvelles informations qu’elle reçoit. Contrairement aux modèles classiques, qui restent figés une fois entraînés, une IA adaptative continue d’apprendre après sa mise en service. Elle peut par exemple s’ajuster à un nouvel utilisateur, à un changement d’environnement ou à une situation imprévue. Ce type d’IA est utilisé dans des domaines où les conditions changent rapidement, comme la cybersécurité, les jeux vidéo ou les systèmes de recommandation. Grâce à sa capacité d’adaptation, elle devient plus efficace et plus utile au fil du temps, un peu comme une personne qui apprend de ses expériences.
IA agentique (Agentic IA)
L’IA agentique est un type d’intelligence artificielle capable d’agir de manière autonome pour atteindre un objectif donné. Contrairement à une IA classique qui répond simplement à une demande, elle peut planifier plusieurs étapes, prendre des décisions et s’adapter en cours de route. Par exemple, une IA agentique pourrait organiser un voyage en cherchant des informations, comparant des options et ajustant ses choix selon les contraintes. Elle fonctionne un peu comme un « assistant actif » qui agit plutôt que de simplement répondre. Ce type d’IA est encore en développement, mais il représente une évolution importante vers des systèmes plus autonomes et capables de gérer des tâches complexes.
IA générative
L’IA générative est un type d’intelligence artificielle capable de créer (générer) du contenu nouveau : textes, images, musiques, plans ou vidéos. Elle ne se contente pas de copier des exemples, mais invente à partir de ce qu’elle a appris. Les modèles génératifs sont utilisés dans la création artistique, l’éducation, les jeux vidéo, ou encore la recherche scientifique. Ils peuvent aider les humains, mais soulèvent aussi des questions : comment distinguer le vrai du faux ? Comment éviter les usages abusifs ?
Intelligence artificielle (IA)
L’intelligence artificielle regroupe toutes les méthodes qui permettent à une machine d’imiter certaines capacités humaines : apprendre, analyser, comprendre ou créer. Elle ne « pense » pas comme un humain, mais peut accomplir des tâches complexes grâce à des algorithmes et des données. On la retrouve partout : téléphones, réseaux sociaux, voitures, santé, industrie… L’IA peut aider à résoudre des problèmes difficiles ou à automatiser des tâches, mais doit être utilisée de manière responsable. C’est un domaine en évolution rapide.
Machine learning (apprentissage automatique)
Le machine learning est une branche de l’IA qui permet à un programme d’apprendre automatiquement à partir d’exemples, sans tout programmer à la main. On donne au modèle beaucoup de données, et il découvre lui-même des règles ou des motifs. Cela permet de reconnaître des visages, prédire des comportements ou analyser des textes. Plus le modèle voit d’exemples, plus il devient précis. Le machine learning est à la base de nombreuses technologies modernes.
Modèle d’IA
Un modèle d’IA est un programme formé pour effectuer une tâche précise comme traduire, répondre à des questions ou reconnaître des objets. Après son entraînement, il peut analyser de nouvelles données et donner des résultats. Certains modèles sont très simples, d’autres très grands, contenant des milliards de paramètres. Plus un modèle est complexe, plus il peut apprendre de choses, mais plus il demande de ressources pour fonctionner. C’est lui qui représente la « connaissance » dans une IA.
Modèle de langage (language model LLM)
Un modèle de langage est un type particulier de modèle d’IA conçu pour comprendre, résumer et générer du texte. Il fonctionne en prédisant quels mots ont le plus de chances d’apparaître dans une phrase. Les modèles de langage modernes peuvent rédiger des textes entiers, répondre à des questions ou traduire. Ils apprennent à partir de millions de phrases, ce qui leur permet de manipuler la langue avec fluidité. Ils sont au cœur des chatbots et assistants virtuels.
Prompt (commande / instruction)
Un prompt est un texte que l’utilisateur écrit pour guider l’IA générative. C’est un peu comme une consigne : plus elle est claire, plus le résultat de l’IA sera précis. Un prompt peut être simple (« dessine un chat ») ou complexe (décrire un long scénario). Apprendre à bien écrire des prompts est devenu une compétence importante, appelée « prompt engineering ». Le prompt est l’outil principal pour communiquer avec une IA créative.
Plus d’infos et d’exemple dans la fiche dédiée de la mallette IA : https://drane-versailles.region-academique-idf.fr/spip.php?article1412&…;
Reconnaissance faciale
La reconnaissance faciale est une technologie d’IA qui identifie ou vérifie une personne à partir de son visage. Elle analyse la forme du visage, la position des yeux, du nez, de la bouche, etc. On l’utilise pour déverrouiller des téléphones, organiser des photos ou sécuriser des bâtiments. Cette technologie peut être pratique, mais elle pose aussi des questions sur la vie privée, car elle peut être utilisée pour surveiller des gens sans leur permission. Elle doit donc être encadrée soigneusement.
Reconnaissance vocale
La reconnaissance vocale d'IA permet de convertir automatiquement, des signaux audio en texte, facilitant l'interaction entre humains et machines.
Réseau de neurones artificiels
Un réseau de neurones artificiels est un modèle inspiré du cerveau humain. Il est composé de « neurones » connectés entre eux, qui traitent les informations et apprennent à reconnaître des formes. En leur donnant beaucoup d'exemples, ces réseaux deviennent meilleurs pour accomplir des tâches complexes comme reconnaître un animal sur une photo. Certains réseaux sont petits, d’autres ont des millions de neurones. Ils sont essentiels au deep learning et à l’IA moderne.
Self-driving car (voiture autonome)
Une voiture autonome utilise des capteurs, des caméras et de l’IA pour analyser la route et conduire sans intervention humaine. Elle doit reconnaître les piétons, les panneaux, les autres voitures et prévoir les dangers. Il existe plusieurs niveaux d’autonomie, depuis l’aide partielle jusqu'à une conduite totale sans conducteur. Ces systèmes peuvent améliorer la sécurité et réduire les accidents, mais ils doivent être très fiables avant d’être largement utilisés. Leur développement demande énormément de tests et de données.
Singularité technologique
La singularité technologique est une idée selon laquelle l’IA pourrait un jour devenir plus intelligente que les humains et évoluer très rapidement. Certains pensent qu’elle pourrait transformer la société, d’autres que c’est un scénario très improbable. Ce concept fait débat depuis longtemps dans la science-fiction et chez les chercheurs. Il ne s’agit pas d’une réalité actuelle, mais plutôt d’une hypothèse sur le futur de l’IA. Elle permet surtout de réfléchir aux limites et aux risques de ces technologies.
Surapprentissage (overfitting)
Le surapprentissage se produit quand une IA apprend trop bien les exemples d’entraînement, au point de ne plus réussir à généraliser. C’est comme un élève qui connaît parfaitement un exercice précis mais ne comprend pas comment résoudre un exercice similaire. Une IA en surapprentissage peut donner de très bons résultats sur les données qu’elle connaît, mais de mauvais résultats sur des situations nouvelles. Il faut donc trouver un bon équilibre lors de l’entraînement pour éviter ce problème.
Système expert
Un système expert est un ancien type d’IA qui fonctionne grâce à des règles écrites manuellement par des spécialistes. Contrairement au machine learning, il n’apprend pas à partir de données : il applique des règles logiques pour résoudre des problèmes. Ils étaient très utilisés avant les années 2000 dans des domaines comme la médecine ou la finance. Bien qu’ils soient moins flexibles que les IA modernes, ils restent très fiables pour des tâches précises et bien définies.
Test de Turing (Turing Test)
Le test de Turing est une expérience imaginée par Alan Turing pour savoir si une machine peut imiter une conversation humaine. Si une personne discute avec une machine et un humain sans savoir qui est qui, et qu’elle ne peut pas les distinguer, l’IA « réussit » le test. Ce test n’est pas parfait, mais il a profondément marqué la réflexion sur l’intelligence artificielle. Il sert encore aujourd’hui de référence pour évaluer la « naturalité » des chatbots.
Token (jeton)
Un token est une petite unité de texte (mots, sous-mots, caracteres..) qu’un modèle de langage utilise pour comprendre et produire des phrases. Ce n’est pas toujours un mot complet : cela peut être un morceau de mot, une syllabe, ou un symbole. Les IA modernes fonctionnent en analysant des milliers de tokens à la fois. La longueur des conversations est souvent limitée par un nombre maximal de tokens. Comprendre ce concept aide à mieux saisir comment les chatbots traitent les informations.
Traitement du langage naturel (Natural Language Processing, NLP)
Le traitement du langage naturel regroupe toutes les méthodes qui permettent à une machine de comprendre, analyser ou générer du texte ou de la parole. C’est grâce à lui que les assistants vocaux, les traducteurs automatiques et les chatbots fonctionnent. Le NLP transforme des phrases humaines en informations que l’ordinateur peut manipuler. Il permet également de résumer des textes, repérer des sentiments ou extraire des informations importantes. C’est un domaine clé pour rendre les machines plus utiles dans la vie quotidienne.
Vision par ordinateur (computer vision)
La vision par ordinateur permet à une machine d’interpréter des images ou des vidéos. L’IA peut repérer des objets, identifier des personnes, analyser des mouvements ou comprendre une scène. C’est essentiel pour les robots, les voitures autonomes ou les applications de photos. La vision par ordinateur imite un peu la vision humaine, mais elle fonctionne différemment, grâce à des calculs complexes. Elle ouvre la porte à de nombreuses innovations dans la santé, la sécurité et la robotique.
Robot autonome
Un robot autonome est un robot capable d'effectuer certaines actions sans supervision humaine constante. Il utilise des capteurs et parfois de l’IA pour comprendre son environnement : détecter des obstacles, choisir un chemin, adapter ses mouvements. On en trouve dans les usines, les hôpitaux ou même dans nos maisons (aspirateurs robots). Bien qu’ils soient loin d’avoir une vraie intelligence humaine, ils peuvent accomplir des tâches utiles en toute autonomie. Leur développement améliore notre confort et notre sécurité.
SOURCE https://www.ac-versailles.fr/lexique-de-l-intelligence-artificielle-129536