Comprendre l’IA — les fondamentaux

L’apprentissage automatique est la branche de l’IA où un système apprend à partir de données plutôt que de règles écrites à la main. C’est le socle technique de la plupart des outils d’IA utilisés en entreprise.

La fenêtre de contexte est la quantité d’information qu’une IA peut prendre en compte en une seule fois (la consigne, les documents fournis, l’historique de la conversation). Plus elle est large, plus l’IA peut traiter de documents volumineux d’un coup.

Le fine-tuning consiste à ré-entraîner partiellement un modèle d’IA sur des données spécifiques pour l’adapter à un usage précis. Pour la majorité des entreprises, un bon RAG ou un bon prompt suffit avant d’envisager un fine-tuning.

Un grand modèle de langage (en anglais Large Language Model) est un modèle d’IA entraîné sur d’immenses volumes de texte pour comprendre et générer du langage humain. C’est le moteur des assistants conversationnels ; sa qualité dépend autant de la consigne qu’on lui donne (le prompt) que du modèle lui-même.

Une hallucination est une réponse d’IA générative qui semble plausible mais qui est fausse ou inventée. Savoir les détecter et les corriger est une compétence essentielle : l’IA produit, l’humain valide.

L’IA générative est une forme d’intelligence artificielle capable de produire des contenus nouveaux — texte, image, son, code, vidéo — à partir d’une simple consigne en langage naturel. C’est la famille d’IA derrière ChatGPT, Claude ou Gemini, et celle qui transforme le plus directement le quotidien des équipes en entreprise.

L’intelligence artificielle désigne l’ensemble des technologies permettant à une machine de réaliser des tâches qui requièrent habituellement l’intelligence humaine : comprendre un texte, reconnaître une image, décider, générer du contenu. En entreprise, l’IA n’est pas un produit unique mais une boîte à outils que chaque métier peut mobiliser pour gagner en efficacité.

Un modèle de fondation est un grand modèle d’IA polyvalent, entraîné sur des données massives et adaptable à de multiples usages sans être ré-entraîné de zéro. Les LLM grand public reposent sur ce type de modèle.

La multimodalité désigne la capacité d’une IA à traiter plusieurs types de contenus à la fois — texte, image, son, vidéo. Elle permet par exemple d’analyser une photo, de transcrire une réunion ou de commenter un graphique.

Un prompt est l’instruction en langage naturel que l’on donne à une IA générative pour obtenir un résultat. La qualité du prompt détermine en grande partie la qualité de la réponse, d’où l’importance de savoir le formuler.