Vous entendez parler d’IA partout, mais le jargon vous donne le tournis ? Prompt, token, LLM… Ces mots reviennent sans cesse, et personne ne prend le temps de les expliquer simplement.
Bonne nouvelle : vous n’avez pas besoin d’un diplôme en informatique pour comprendre l’intelligence artificielle. Il vous suffit de maîtriser 10 termes clés pour vous sentir à l’aise dans n’importe quelle conversation sur l’IA.
Dans ce glossaire IA pour débutants, chaque terme est expliqué en une phrase, illustré par une analogie concrète, et accompagné d’un exemple pratique. Prêt à décoder le vocabulaire de l’IA ? C’est parti.
1. Intelligence Artificielle (IA) : la définition de base
En une phrase : L’intelligence artificielle, c’est un programme informatique capable de réaliser des tâches qui nécessitent normalement l’intelligence humaine.
L’analogie : Imaginez un assistant virtuel ultra-polyvalent. Il ne pense pas comme vous, mais il peut lire, écrire, traduire, analyser et même créer des images. C’est comme un couteau suisse numérique qui s’adapte à ce que vous lui demandez.
Exemple concret : Quand vous demandez à ChatGPT de rédiger un e-mail professionnel à votre place, c’est de l’IA en action. Le programme comprend votre demande et génère un texte cohérent.
Pourquoi ça compte pour vous : Comprendre ce qu’est l’IA vous permet de distinguer ce qu’elle peut réellement faire de ce qui relève du fantasme. C’est la base pour utiliser ces outils intelligemment.
2. Machine Learning : comment l’IA apprend toute seule
En une phrase : Le Machine Learning (apprentissage automatique) est une méthode qui permet à un programme de s’améliorer en analysant des données, sans être reprogrammé à chaque fois.
L’analogie : Pensez à un enfant qui apprend à reconnaître les chats. Vous ne lui donnez pas une liste de règles (« 4 pattes, moustaches, oreilles pointues »). Vous lui montrez des milliers de photos de chats, et il finit par les reconnaître tout seul. Le Machine Learning fonctionne exactement comme ça.
Exemple concret : Les filtres anti-spam de votre boîte mail utilisent le Machine Learning. Ils ont analysé des millions d’e-mails pour apprendre à distinguer un message légitime d’un spam.
Pourquoi ça compte pour vous : Le Machine Learning est le moteur de presque toutes les IA que vous utilisez au quotidien. Comprendre ce principe vous aide à saisir pourquoi ces outils s’améliorent avec le temps.
3. LLM (Large Language Model) : le cerveau derrière ChatGPT
En une phrase : Un LLM est un programme d’IA entraîné sur d’immenses quantités de texte pour comprendre et générer du langage humain.
L’analogie : Imaginez quelqu’un qui a lu tous les livres de toutes les bibliothèques du monde. Cette personne ne sait pas tout, mais elle peut parler de presque n’importe quel sujet de façon convaincante. Un LLM, c’est l’équivalent numérique de ce lecteur insatiable.
Exemple concret : GPT-4 (derrière ChatGPT), Claude et Gemini sont tous des LLM. Quand vous leur posez une question, ils puisent dans leur entraînement pour formuler une réponse.
Pourquoi ça compte pour vous : Savoir ce qu’est un LLM vous aide à comprendre les forces et les limites de ces outils. Un LLM est très fort en langage, mais il ne « sait » pas les choses comme un humain.
4. Prompt : votre instruction à l’IA
En une phrase : Un prompt, c’est le texte que vous tapez pour demander quelque chose à une IA.
L’analogie : C’est comme passer commande dans un restaurant. Plus votre commande est claire et précise, plus vous avez de chances d’obtenir exactement ce que vous voulez. « Un café » et « un grand café allongé bien chaud avec un nuage de lait » ne donnent pas le même résultat.
Exemple concret : Au lieu d’écrire « résume ce texte », un bon prompt serait : « Résume ce texte en 5 points clés, en français simple, pour quelqu’un qui n’y connaît rien au sujet. » Le résultat sera bien meilleur.
Pourquoi ça compte pour vous : La qualité de vos prompts détermine directement la qualité des réponses de l’IA. C’est LA compétence à développer pour tirer le meilleur de ces outils. Découvrez nos outils pratiques pour vous entraîner.
5. Token : l’unité de mesure de l’IA
En une phrase : Un token est un petit morceau de mot (ou un mot entier) que l’IA utilise pour traiter et générer du texte.
L’analogie : Quand vous lisez, vous voyez des mots entiers. L’IA, elle, découpe le texte en petites briques, comme des pièces de Lego. Le mot « incroyable » pourrait être découpé en « incroy » + « able ». Chaque brique est un token.
Exemple concret : En français, un mot correspond en moyenne à 1,5 token. Une page de texte classique contient environ 500 à 700 tokens. ChatGPT et les autres IA ont une limite de tokens par conversation, c’est pour cela qu’ils peuvent parfois « oublier » le début d’une longue discussion.
Pourquoi ça compte pour vous : Les tokens déterminent ce que l’IA peut traiter en une seule fois et souvent ce que vous payez. Comprendre les tokens, c’est mieux gérer vos conversations avec l’IA.
6. Fine-tuning : personnaliser une IA existante
En une phrase : Le fine-tuning consiste à entraîner un modèle d’IA déjà existant sur des données spécifiques pour le spécialiser dans un domaine précis.
L’analogie : Imaginez un médecin généraliste qui décide de se spécialiser en cardiologie. Il ne repart pas de zéro : il a déjà toutes ses connaissances médicales de base. Il suit simplement une formation complémentaire ciblée. Le fine-tuning, c’est cette spécialisation pour une IA.
Exemple concret : Une entreprise peut faire du fine-tuning sur un LLM pour qu’il réponde en utilisant le vocabulaire de son secteur. Un cabinet d’avocats pourrait spécialiser une IA pour qu’elle maîtrise le jargon juridique français.
Pourquoi ça compte pour vous : Le fine-tuning explique pourquoi certaines IA sont meilleures que d’autres dans des domaines précis. C’est aussi ce qui permet aux entreprises de créer des assistants IA sur mesure.
7. Hallucination : quand l’IA invente des choses
En une phrase : Une hallucination, c’est quand une IA génère une information fausse en la présentant comme vraie, avec une totale assurance.
L’analogie : Vous connaissez cette personne qui raconte une histoire avec tellement de conviction que tout le monde la croit, même quand elle se trompe ? L’IA fait pareil. Elle ne ment pas volontairement, elle « remplit les blancs » avec ce qui lui semble le plus probable, même si c’est faux.
Exemple concret : Vous demandez à l’IA une liste de livres sur un sujet précis. Elle vous propose un titre qui n’existe pas, avec un auteur inventé et un résumé convaincant. Tout a l’air réel, mais c’est une hallucination.
Pourquoi ça compte pour vous : Ne faites jamais confiance aveuglément à une IA. Vérifiez toujours les informations importantes, surtout les faits, les chiffres et les sources. C’est la règle d’or de tout utilisateur averti.
8. API : connecter l’IA à vos outils
En une phrase : Une API (Interface de Programmation) est un système qui permet à deux logiciels de communiquer entre eux.
L’analogie : Pensez au serveur dans un restaurant. Vous (le client) ne pouvez pas entrer directement en cuisine. Le serveur (l’API) prend votre commande, la transmet au chef (l’IA) et vous rapporte votre plat (la réponse). L’API est l’intermédiaire.
Exemple concret : Quand un site web intègre un chatbot alimenté par ChatGPT, c’est grâce à l’API d’OpenAI. Le site envoie votre question via l’API, et l’IA renvoie la réponse. Vous n’avez même pas besoin d’ouvrir ChatGPT.
Pourquoi ça compte pour vous : Les API permettent d’intégrer l’IA dans tous vos outils du quotidien. C’est ce qui rend l’IA accessible bien au-delà d’un simple chat.
9. GPT : le modèle qui a tout changé
En une phrase : GPT (Generative Pre-trained Transformer) est une famille de LLM créée par OpenAI, connue pour sa capacité à générer du texte de qualité.
L’analogie : Si les LLM étaient des voitures, GPT serait la Tesla du secteur : pas forcément la seule ni la meilleure dans tous les cas, mais celle qui a démocratisé le concept auprès du grand public. Avant GPT, très peu de gens parlaient d’IA au quotidien.
Exemple concret : ChatGPT utilise les modèles GPT-4o et GPT-4. Quand vous discutez avec ChatGPT, c’est un modèle GPT qui génère les réponses. Mais attention : GPT n’est pas synonyme d’IA. C’est une marque, un modèle parmi d’autres (Claude, Gemini, Mistral…).
Pourquoi ça compte pour vous : Connaître GPT vous aide à ne pas confondre un outil (ChatGPT) avec la technologie entière (l’IA). Il existe de nombreux modèles, et le meilleur dépend de ce que vous voulez faire.
10. Modèle multimodal : l’IA qui voit, lit et écoute
En une phrase : Un modèle multimodal est une IA capable de comprendre et de générer plusieurs types de contenus : texte, images, audio et vidéo.
L’analogie : Un modèle classique, c’est comme quelqu’un qui sait uniquement lire. Un modèle multimodal, c’est comme quelqu’un qui sait lire, regarder des photos, écouter de la musique et dessiner. Il comprend le monde à travers plusieurs sens, pas juste un seul.
Exemple concret : Vous prenez une photo d’un plat au restaurant et vous la montrez à GPT-4o. L’IA identifie le plat, vous donne la recette et estime les calories. Elle a « vu » l’image et répondu en texte : c’est la multimodalité en action.
Pourquoi ça compte pour vous : Les modèles multimodaux ouvrent des possibilités immenses. Vous n’êtes plus limité au texte : vous pouvez analyser des images, transcrire de l’audio et même générer des visuels.
À retenir : votre lexique IA en un coup d’œil
Les 10 termes essentiels résumés :
- Intelligence Artificielle — Programme qui imite l’intelligence humaine
- Machine Learning — L’IA qui apprend à partir de données
- LLM — Modèle spécialisé dans le langage humain
- Prompt — Votre instruction à l’IA
- Token — L’unité de mesure du texte pour l’IA
- Fine-tuning — Spécialiser une IA dans un domaine
- Hallucination — Quand l’IA invente des infos
- API — Le pont entre l’IA et vos outils
- GPT — Le modèle d’OpenAI qui a démocratisé l’IA
- Multimodal — L’IA qui gère texte, image, audio et vidéo
Questions fréquentes sur le vocabulaire de l’IA
Faut-il être technique pour utiliser l’IA ?
Absolument pas. La plupart des outils d’IA comme ChatGPT ou Claude sont conçus pour être utilisés en langage naturel. Vous écrivez comme si vous parliez à quelqu’un, et l’IA vous répond. Connaître le vocabulaire de base vous aide simplement à mieux comprendre ce qui se passe et à formuler de meilleures demandes.
Quelle est la différence entre IA et Machine Learning ?
L’IA est le concept global : créer des machines capables de réaliser des tâches intelligentes. Le Machine Learning est une méthode précise pour y arriver, basée sur l’apprentissage à partir de données. Autrement dit, le Machine Learning est un sous-ensemble de l’IA. Toutes les IA n’utilisent pas le Machine Learning, mais aujourd’hui, les plus performantes le font.
Est-ce que l’IA va remplacer tous les métiers ?
L’IA transforme les métiers plus qu’elle ne les remplace. Elle automatise certaines tâches répétitives, mais les compétences humaines comme la créativité, l’empathie et le jugement critique restent indispensables. Les personnes qui maîtrisent les outils d’IA seront avantagées, d’où l’importance de comprendre ce vocabulaire dès maintenant.
Prêt à passer à la pratique ?
Maintenant que vous maîtrisez le vocabulaire de l’IA, il est temps de mettre les mains dans le cambouis. Notre guide complet vous accompagne pas à pas dans vos premières utilisations concrètes.
Lire la suite : ChatGPT pour débutants — le guide complet 2025 →
Vous pouvez aussi explorer nos outils IA gratuits pour tester ce que vous venez d’apprendre directement en pratique.