glossaire

Le jargon de l'IA, traduit en français.

Les termes que vous croiserez sur ce site et dans tout projet d'IA, expliqués comme je les explique en rendez-vous : simplement, avec l'usage en tête. Sur les pages du site, ces mots sont soulignés en pointillé : cliquez-les, la définition vient à vous.

agent IA: Un programme bâti sur un modèle d'IA qui ne se contente pas de répondre : il lit, décide et agit sur vos outils (trier, répondre, extraire, créer une tâche), selon des règles définies.
chatbot: Un programme qui répond dans une fenêtre de discussion, en suivant un scénario ou un modèle d'IA. La nuance qui compte : un chatbot répond, un agent IA agit sur vos outils. Beaucoup d'entreprises ont besoin du second en croyant demander le premier.
automatisation: Relier vos outils pour qu'une tâche s'exécute seule, de bout en bout : un événement déclenche des actions en chaîne, sans intervention humaine.
déclencheur: L'événement qui lance une automatisation : un formulaire envoyé, un mail reçu, une commande payée, une heure fixe. Tout workflow commence là, et bien choisir son déclencheur est déjà la moitié de la conception.
RAG: Retrieval-Augmented Generation : au lieu de répondre de mémoire, l'IA va d'abord chercher dans vos documents, puis répond en citant ses sources. Vérifiable, et fiable sur votre métier.
embedding (vectorisation): La traduction d'un texte en coordonnées numériques : deux textes proches par le sens obtiennent des coordonnées proches. C'est le moteur discret du RAG et des moteurs de matching : chercher par le sens, pas par le mot exact.
fine-tuning: Ré-entraîner un modèle sur vos exemples pour modifier son comportement. Coûteux, et rarement la bonne première réponse : un bon prompt et du RAG couvrent la plupart des besoins métier. On y vient quand un format doit être appris, pas récité.
LLM (modèle de langage): Large Language Model, un grand modèle de langage : le moteur d'IA qui lit et écrit du texte (Claude, GPT, Mistral). C'est la pièce centrale d'un système, jamais la solution entière.
jeton (token): L'unité de compte de l'IA : un mot vaut 1 à 2 jetons. Chaque appel se facture aux jetons lus et écrits ; c'est pour ça qu'un système bien conçu montre au modèle l'essentiel, pas tout le classeur.
fenêtre de contexte: La mémoire de travail du modèle : tout ce qu'il peut lire d'un coup, votre question, vos documents, l'historique. Au-delà, il faut choisir quoi lui montrer : c'est un travail de conception, pas un réglage.
hallucination: Quand le modèle invente une réponse fausse, avec un ton parfaitement sûr de lui. Ça ne se corrige pas en lui demandant d'être honnête : on lui donne des sources (RAG), des garde-fous, et une relecture humaine là où l'erreur coûte cher.
IA générative: L'IA qui produit du contenu (texte, image, code) plutôt que de seulement classer ou prédire. Les modèles de langage en font partie.
IA de vision: Un modèle qui regarde une image et en tire des données exploitables : lire une facture scannée, décrire un produit depuis sa photo, repérer un défaut. La photo cesse d'être un fichier mort, elle devient une source.
transcription: Transformer la voix en texte : une réunion, un appel ou un vocal devient un compte rendu exploitable, résumable, cherchable. Le pont entre ce qui se dit et ce qui se traite.
workflow: La recette d'une tâche : les étapes, dans l'ordre, avec leurs conditions. Un workflow automatisé s'exécute tout seul à chaque déclencheur.
webhook: Une sonnette entre deux outils : quand un événement se produit dans l'un (commande, formulaire envoyé), il prévient l'autre instantanément, avec les données utiles.
API: La prise électrique d'un logiciel : l'interface par laquelle un autre programme peut lire ou écrire ses données proprement, sans passer par l'écran.
MCP: Model Context Protocol : le standard ouvert qui branche un modèle d'IA sur vos outils et vos données, comme une prise universelle. C'est lui qui transforme un modèle qui discute en agent qui travaille dans votre environnement.
CRM: Customer Relationship Management : l'outil qui centralise clients, prospects et échanges. Le cœur commercial d'une entreprise, et souvent le premier étage à automatiser.
scoring: Attribuer une note automatique à partir de règles ou d'un modèle : un lead chaud ou froid, deux profils compatibles, un dossier à traiter en priorité. La note ne décide pas à votre place : elle classe ce qui mérite l'attention en premier.
ERP: Le logiciel de gestion global d'une entreprise : commandes, stocks, facturation. Odoo en est un exemple.
OCR: Reconnaissance optique de caractères : transformer une photo ou un PDF scanné en texte exploitable. La première marche de l'automatisation documentaire.
no-code: Construire des automatisations par assemblage visuel (Make, n8n) plutôt qu'en écrivant tout le code. Rapide à livrer, lisible, facile à faire évoluer.
RPA: Robotic Process Automation : des robots qui rejouent des clics à l'écran, comme un humain accéléré. Utile sur les vieux logiciels sans API, mais fragile : l'écran change, le robot casse. Quand une API existe, on lui parle directement.
scraping: Collecter automatiquement des données publiques sur des pages web, pour les structurer et les exploiter ensuite.
SaaS: Software as a Service : un logiciel qu'on utilise en ligne, par abonnement, sans rien installer.
multi-agents: Une architecture où plusieurs agents IA spécialisés coopèrent, chacun sur son domaine, au lieu d'un seul modèle généraliste qui fait tout moyennement.
connecteur: Le pont logiciel entre deux outils : il traduit les données de l'un dans le format que l'autre comprend.
pipeline: Une chaîne de traitement : la donnée entre d'un côté, traverse des étapes définies, et ressort transformée de l'autre.
back-office: Tout ce que le client ne voit pas : saisie, dossiers, contrôles, administratif. C'est là que dorment le plus d'heures automatisables.
anonymisation: Retirer ou masquer les données personnelles avant de les confier à un modèle : noms, adresses, montants remplacés par des repères neutres. C'est ce qui permet d'utiliser l'IA sur des documents sensibles sans faire sortir l'identité des personnes.
prompt: La consigne donnée à un modèle d'IA. Bien écrite, elle cadre le rôle, les règles et le format de la réponse : c'est un travail d'ingénierie, pas une formule magique.

disponible pour un nouveau projet

Un terme vous concerne ? Voyons ce qu'il vaut chez vous.

L'audit gratuit analyse votre activité en direct et vous dit lesquels de ces leviers s'appliquent à votre cas, chiffrés en heures.

Lancer mon audit gratuit Voir les cas clients