Nouveau cas client : LeadsIt, l’application de prospection B2B que nous avons construite avec l’IA. Lire le cas client →

Vocabulaire

Le vocabulaire de l’IA, sans jargon

Les mots de l’intelligence artificielle reviennent partout, rarement expliqués. Voici les 40 termes que vous croiserez dans un projet d’IA, chacun en une ou deux phrases, avec un exemple quand cela aide.

Les bases

Les mots que vous entendez partout, expliqués en une phrase.

Intelligence artificielle (IA)

Ensemble de techniques qui permettent à un logiciel d’accomplir des tâches qui demandaient jusqu’ici un humain : comprendre un texte, reconnaître une image, prendre une décision simple.

IA générative

IA qui produit du contenu nouveau (texte, image, code) à partir d’une demande. Exemple : rédiger le brouillon d’un courrier à partir de trois lignes de consigne.

Modèle de langage (LLM)

Le moteur d’une IA générative : un programme entraîné sur d’immenses quantités de textes, qui prédit la suite la plus probable d’une phrase. Claude, GPT, Mistral ou Llama sont des modèles de langage.

Prompt (consigne)

Le message que l’on écrit à l’IA pour lui dire quoi faire. Plus la consigne est précise (contexte, format attendu, exemples), meilleure est la réponse.

Assistant conversationnel (chatbot)

Une interface où l’on pose des questions en langage courant et où l’IA répond. Un chatbot grand public ne connaît pas votre entreprise : il ne voit pas vos documents.

Agent IA

Un assistant qui ne se contente pas de répondre : il enchaîne plusieurs étapes et utilise des outils (chercher dans vos documents, remplir un logiciel, préparer un e-mail) pour atteindre un objectif.

IA agentique

Une façon de concevoir l’IA autour d’agents qui agissent, et pas seulement qui répondent. Chez Open Intelligence, l’agent propose et une personne valide avant toute action importante.

Token

L’unité de texte que lit et écrit un modèle : un morceau de mot, environ trois à quatre caractères en français. Les fournisseurs de modèles facturent souvent au nombre de tokens.

Fenêtre de contexte

La quantité de texte qu’un modèle peut prendre en compte en une seule fois : la question, les documents fournis et la réponse. Au-delà, il faut choisir les passages utiles.

Hallucination

Une affirmation inventée par l’IA, présentée avec assurance, sans fondement dans ses sources. Faire répondre l’IA à partir de vos documents, avec citations, réduit fortement ce risque.

L’IA et vos documents

Comment une IA retrouve la bonne information dans ce que votre entreprise a déjà écrit.

RAG (génération augmentée par la recherche)

La méthode qui fait répondre une IA à partir de vos documents : elle cherche d’abord les passages utiles, puis rédige sa réponse en s’appuyant dessus et en les citant.

Base de connaissances

L’ensemble des documents de référence que l’IA a le droit de consulter : procédures, contrats, fiches produit, FAQ internes.

Indexation

La préparation de vos documents pour qu’on puisse y chercher vite : ils sont lus, découpés et rangés, un peu comme l’index à la fin d’un livre.

Découpage (chunking)

La division d’un long document en passages courts et cohérents, pour que l’IA retrouve le bon paragraphe plutôt qu’un document entier.

Embedding

Une traduction d’un texte en suite de nombres qui représente son sens. Deux textes qui parlent de la même chose ont des embeddings proches, même avec des mots différents.

Base vectorielle

La base de données qui stocke les embeddings et retrouve en un instant les passages dont le sens est le plus proche d’une question.

Recherche sémantique

Une recherche par le sens et non par les mots exacts. Exemple : la question « délai pour partir » retrouve la clause sur le préavis de démission.

Recherche hybride

La combinaison de la recherche par le sens et de la recherche par mots-clés. Elle retrouve aussi bien une idée qu’une référence précise, comme un numéro de contrat.

Reranking (reclassement)

Une seconde passe de tri : parmi les passages trouvés, l’IA remet en tête ceux qui répondent vraiment à la question.

Réponse citée

Une réponse qui indique les documents et les passages sur lesquels elle s’appuie, pour que chacun puisse vérifier en un clic.

Brancher l’IA sur vos outils

Ce qui permet à l’IA de travailler dans les logiciels que vous utilisez déjà.

API

Une porte d’entrée qui permet à deux logiciels d’échanger des informations automatiquement, sans ressaisie. Exemple : l’agent lit une commande dans votre ERP par son API.

MCP (Model Context Protocol)

Un standard ouvert, publié par Anthropic fin 2024, qui permet de brancher un assistant IA sur des outils et des données de façon uniforme, un peu comme une prise universelle.

Connecteur (intégration)

Le lien entre l’IA et un outil précis : votre messagerie, votre CRM, votre espace documentaire. Il respecte les droits d’accès de l’outil.

Automatisation (workflow)

Un enchaînement de tâches qui se déclenche tout seul. Exemple : chaque facture reçue est lue, rapprochée de sa commande, et les écarts sont signalés.

Fine-tuning (réentraînement)

Le fait de réentraîner un modèle sur vos propres exemples pour lui apprendre un style ou une tâche. Pour répondre à partir de documents qui changent souvent, le RAG est généralement plus simple.

Modèle ouvert (open source)

Un modèle dont les paramètres sont publiés et que l’on peut faire tourner sur ses propres serveurs, comme Llama ou certains modèles de Mistral.

Hébergement sur site

L’IA et vos données restent sur des serveurs installés dans vos locaux. C’est l’option la plus contrôlée, souvent demandée pour les données sensibles.

Cloud privé

Des serveurs dédiés à votre entreprise chez un hébergeur, par exemple en Europe, sans partage avec d’autres clients.

Copilote

Un assistant intégré à un logiciel que vous utilisez déjà, qui vous aide dans votre tâche sans la faire à votre place. Exemple : un copilote CRM qui résume un compte avant un rendez-vous.

OpenOS

Le moteur conçu par Open Intelligence : chaque information garde sa source et sa date, et des contrôles vérifient que chaque action proposée par l’IA est autorisée avant d’être faite.

Confiance, sécurité et conformité

Les notions qui permettent d’utiliser l’IA sans perdre le contrôle.

Garde-fou

Une règle qui encadre ce que l’IA peut dire ou faire. Exemple : ne jamais donner un avis juridique, ou ne jamais envoyer un e-mail sans validation.

Validation humaine

Une étape où une personne relit et approuve ce que l’IA a préparé avant que cela parte. L’outil prépare, l’humain décide.

Droits d’accès hérités

L’IA applique les mêmes droits que vos outils : un collaborateur ne voit dans les réponses que les documents qu’il a déjà le droit d’ouvrir.

Traçabilité

La possibilité de retrouver après coup ce que l’IA a consulté, ce qu’elle a répondu et qui a validé quoi.

Évaluation

La mesure de la qualité des réponses d’une IA sur une liste de questions dont on connaît la bonne réponse, répétée à chaque changement.

Jeu de tests

La liste de questions de référence, avec leurs bonnes réponses, qui sert à évaluer l’IA et à vérifier qu’une mise à jour n’a rien cassé.

Injection de prompt

Une attaque où des instructions cachées dans un document ou une page web tentent de détourner l’IA. Les garde-fous et la validation humaine en limitent l’effet.

RGPD

Le règlement européen sur la protection des données personnelles. Il s’applique dès qu’une IA traite des données sur des personnes : clients, salariés, candidats.

AIPD (analyse d’impact)

L’analyse des risques qu’un traitement fait peser sur les personnes, obligatoire quand ce risque est élevé. Elle se prépare avant de lancer le projet.

AI Act

Le règlement européen sur l’intelligence artificielle, entré en vigueur le 1er août 2024 et appliqué par étapes. Il classe les usages de l’IA selon leur niveau de risque.

Un mot vous manque ? Demandez-nous

Nous expliquons chaque choix technique en langage clair, avant de vous proposer une solution et un devis.