Avec la généralisation de l'intelligence artificielle (IA) et de l'automatisation dans les entreprises modernes, il est essentiel que les professionnels de l'informatique, quel que soit leur niveau, maîtrisent la terminologie employée pour décrire ces technologies. Vous trouverez ci-dessous une liste des termes les plus fréquemment utilisés, accompagnés de définitions concises et faciles à comprendre.
- IA agentique : Un système d'IA capable de prendre des décisions, d'agir et de poursuivre des objectifs de manière autonome, avec une intervention humaine minimale. Il fait preuve d'un comportement orienté vers un but, peut planifier des séquences d'actions et adapte ses stratégies en fonction des retours d'information et de l'évolution de la situation.
- Créateur d'agents : Un générateur d'agents est une plateforme ou un ensemble d'outils spécialisés permettant aux utilisateurs de créer, configurer et déployer des agents d'IA sans nécessiter de connaissances approfondies en programmation. Il fournit des composants prédéfinis, des modèles, des fonctionnalités d'intégration, des options de personnalisation, des outils de test et des fonctions de surveillance des performances qui simplifient le processus de mise en œuvre des agents d'IA.
- Agent Orchestrateur : Un orchestrateur d'agents est un système sophistiqué qui gère et coordonne plusieurs agents d'IA travaillant ensemble dans un environnement unifié. Il prend en charge des fonctions essentielles telles que la facilitation de la communication entre les agents, la distribution efficace des tâches, l'allocation des ressources, la gestion des flux de travail complexes, la résolution des conflits entre agents et la surveillance des performances globales du système.
- Agent IA : Un agent d'IA est une entité logicielle dotée d'intelligence artificielle qui opère de manière autonome dans un environnement spécifique afin d'atteindre des objectifs définis. Il est capable de percevoir son environnement, de prendre des décisions indépendantes, d'entreprendre des actions pour atteindre ses objectifs, d'interagir avec d'autres agents ou des humains, et d'apprendre de ses expériences et des retours d'information reçus au fil du temps.
- Assistant IA : Un assistant IA est une application d'intelligence artificielle spécialisée, conçue pour aider les utilisateurs à accomplir des tâches spécifiques et à atteindre leurs objectifs grâce à une interaction naturelle. Ces systèmes peuvent gérer un large éventail de responsabilités, notamment répondre aux questions, fournir des recommandations, automatiser les tâches routinières, gérer les agendas et traiter l'information de manière à améliorer la productivité humaine.
- Augmentation par l'IA : Partenariat entre l'humain et l'IA visant à améliorer l'intelligence et la prise de décision humaines. Parfois abrégé en augmentation.
- AIOps : L'intelligence artificielle au service des opérations informatiques Une bonne pratique qui permet aux organisations de réduire le bruit, de trier plus rapidement les demandes grâce au contexte approprié et de déployer à grande échelle une automatisation événementielle.
- Automation: L'utilisation de la technologie pour effectuer des tâches avec une intervention humaine minimale, notamment l'automatisation événementielle, l'automatisation avec intervention humaine, l'automatisation des processus informatiques et l'automatisation des flux de travail métier.
- Analyse comparative : Comparer les performances des systèmes, des processus ou des produits aux normes établies ou à celles des concurrents afin d'identifier les axes d'amélioration.
- Biais: L'inexactitude d'une décision prise par un système d'IA lorsqu'il a appris à partir de données non représentatives ou d'un modèle défectueux.
- Automatisation des processus métier : L'utilisation de la technologie pour automatiser les tâches répétitives et quotidiennes. On parle également d'automatisation des processus métier (BPA).
- Gestion des processus métier : La gestion systématique des processus métier pour atteindre les objectifs organisationnels et optimiser les performances.
- Chatbot : Un programme informatique conçu pour simuler une conversation avec des utilisateurs humains, généralement par le biais d'interactions textuelles ou vocales.
- ChatGPT : Une instance du modèle GPT (Generative Pre-trained Transformer) d'OpenAI, spécialement optimisée pour générer des réponses conversationnelles.
- Pipeline CI/CD : Pipeline d'intégration continue/déploiement continu, un ensemble de processus automatisés pour la construction, le test et le déploiement des modifications logicielles.
- informatique cognitive Simulation informatique des processus de pensée humaine, faisant souvent appel à des techniques d'intelligence artificielle. Dans certains cas, ce terme peut être utilisé comme synonyme d'IA.
- Dérive de configuration : La divergence progressive et non intentionnelle des configurations du système par rapport à leur état prévu.
- Gestion de la configuration : Le processus d'établissement et de maintien de la cohérence des performances et des attributs fonctionnels d'un système.
- IA conversationnelle : Technologie d'intelligence artificielle permettant aux ordinateurs d'engager des conversations en langage naturel avec les utilisateurs.
- Corpus: Un ensemble de textes volumineux et structuré, utilisé pour l'analyse linguistique, l'entraînement de modèles de langage ou la constitution d'ensembles de données.
- Augmentation des données Techniques utilisées pour accroître la taille ou la diversité d'un ensemble de données en créant des variations de points de données existants.
- Dérive des données : Désigne la différence entre les données rencontrées par un modèle d'IA dans le monde réel et les données sur lesquelles il a été entraîné.
- lac de données : Un référentiel centralisé qui vous permet de stocker des données structurées, semi-structurées et non structurées à grande échelle.
- Exploration de données : Le processus de découverte de tendances, de corrélations ou d'informations à partir de grands ensembles de données à l'aide de techniques informatiques.
- Validation des données : Le processus visant à garantir que les données répondent aux normes de qualité et d'intégrité avant d'être utilisées pour l'analyse ou la prise de décision.
- Opérations de données : La pratique consistant à intégrer l'ingénierie logicielle et des données, l'assurance qualité et les opérations d'infrastructure au sein d'une seule organisation.
- Apprentissage profond : Un sous-ensemble de l'apprentissage automatique basé sur un réseau neuronal artificiel comportant 3 couches ou plus.
- DevSecOps : L'intégration des pratiques de sécurité dans le processus DevOps afin de garantir que la sécurité soit intégrée aux flux de travail de développement et de déploiement des logiciels.
- Diffusion: Une méthode d'apprentissage automatique qui consiste à ajouter du bruit à des données existantes, comme une vidéo ou une photo. Les modèles de diffusion permettent ensuite d'entraîner une IA à reconstituer les données initiales.
- IA embarquée : Une IA déployée sur une plateforme et fonctionnant en continu. Elle ne nécessite aucune stimulation externe, comme une incitation, pour extraire des données.
- Explicabilité : Le degré auquel les décisions ou les résultats d'un système d'IA peuvent être compris et interprétés par les humains.
- Extensibilité: La capacité d'un système ou d'une plateforme à être facilement étendu ou personnalisé avec des fonctionnalités supplémentaires.
- Extraction: Le processus d'identification et d'extraction d'informations ou de caractéristiques pertinentes à partir de sources de données.
- Réglage fin: Le processus d'ajustement des paramètres ou de l'architecture d'un modèle d'apprentissage automatique afin d'améliorer ses performances sur une tâche ou un ensemble de données spécifique.
- Modèle fondamental : Un modèle d'apprentissage automatique pré-entraîné qui sert de base à une personnalisation ou une spécialisation ultérieure, comme le GPT-4 d'OpenAI.
- GenAI : L'intelligence artificielle générative désigne les systèmes d'intelligence artificielle conçus spécifiquement pour créer du contenu original et inédit sur divers supports, tels que textes, images, musique, code, vidéos et modèles 3D. Ces systèmes analysent les tendances de leurs données d'entraînement afin de générer des productions originales, cohérentes et pertinentes, tout en faisant preuve de créativité.
- GPT : Transformer pré-entraîné génératif, un modèle de langage de grande taille développé par OpenAI.
- Mise à la terre : Le processus qui consiste à relier des concepts ou des symboles abstraits à des objets ou des expériences du monde réel.
- Hallucination: Une réponse générée par l'IA contenant des informations fausses ou trompeuses présentées comme des faits.
- Intervention humaine : Le besoin d'interaction, d'intervention et de jugement humain pour contrôler un processus ou pour aider à former des modèles d'apprentissage automatique ; lié à l'augmentation par l'IA.
- Hyperautomatisation : L'automatisation des processus métier par l'introduction de l'IA, du ML et de la RPA.
- Automatisation intelligente des processus : L'association de l'intelligence artificielle et des technologies d'automatisation pour rationaliser et optimiser les processus métier.
- Interprétabilité : La capacité à comprendre et à expliquer comment un modèle d'apprentissage automatique parvient à ses décisions ou à ses prédictions.
- Automatisation informatique : Automatisation des tâches et processus répétitifs au sein de l'infrastructure informatique afin d'améliorer l'efficacité et la fiabilité.
- Automatisation des processus informatiques : Automatisation des flux de travail et des processus informatiques afin de réduire les efforts manuels et d'améliorer la cohérence.
- LLM : Un modèle de langage étendu est un système d'intelligence artificielle avancé, entraîné sur d'immenses quantités de données textuelles, capable de comprendre, de traiter et de générer des textes d'une qualité remarquable, proches de celle de l'humain. Il peut gérer des tâches linguistiques complexes, maintenir le contexte de longues conversations et réaliser diverses fonctions linguistiques, de la traduction à la création littéraire.
- Faible code/sans code : Approches de développement permettant la création d'applications logicielles avec un minimum, voire sans aucun, codage traditionnel.
- Apprentissage automatique : L'apprentissage automatique est une branche fondamentale de l'intelligence artificielle qui vise à développer des algorithmes capables d'apprendre à partir de données et d'effectuer des prédictions. Ces systèmes améliorent leurs performances grâce à l'expérience, s'adaptent automatiquement aux nouvelles données sans programmation explicite et utilisent diverses approches, notamment l'apprentissage supervisé, l'apprentissage non supervisé et l'apprentissage par renforcement, pour atteindre leurs objectifs.
- Microservice : Un élément d'un modèle d'architecture logicielle où une application est composée de petits services faiblement couplés qui communiquent via un réseau.
- Modèle: Une représentation mathématique ou un algorithme utilisé pour effectuer des prédictions, des classifications ou des décisions à partir de données d'entrée.
- Modèle de langage multimodal : Un type de modèle de langage capable de comprendre et de générer du texte, des images, de l'audio ou d'autres formes de données.
- Traitement automatique du langage naturel : Un domaine de l'intelligence artificielle qui vise à permettre aux ordinateurs de comprendre, d'interpréter et de générer le langage humain.
- Réseau neuronal : Un cadre d'apprentissage automatique inspiré par la structure et la fonction du cerveau humain, composé de nœuds interconnectés (neurones) organisés en couches.
- Orchestration: La coordination et la gestion des tâches, processus ou services automatisés afin d'atteindre un résultat souhaité.
- Paramètre: Une variable ou un paramètre qui permet de décrire le comportement ou la configuration d'un système, d'un modèle ou d'un algorithme.
- Manuels de jeu : Guides ou documents prescriptifs qui décrivent étape par étape les procédures à suivre pour réaliser des tâches ou des processus spécifiques.
- Analyse prédictive : Une forme de veille stratégique qui utilise l'apprentissage automatique pour générer un modèle prédictif pour certaines applications métier.
- Automatisation des processus : Automatiser les tâches et les flux de travail répétitifs au sein d'un processus métier afin d'améliorer l'efficacité et de réduire les erreurs.
- Ingénierie rapide : Le processus de conception et de perfectionnement des incitations ou des stimuli d'entrée visant à susciter les réponses souhaitées des systèmes d'IA.
- Provisionnement : Le processus d'allocation et de configuration des ressources, telles que les serveurs ou les logiciels, pour assurer le fonctionnement des systèmes ou applications informatiques.
- Apprentissage par renforcement : Un type d'apprentissage automatique où un agent apprend en interagissant avec son environnement et en recevant des récompenses ou des pénalités en fonction de ses actions.
- Automatisation des processus robotiques : Une forme d'automatisation des processus métier qui permet aux utilisateurs de créer des scripts pour automatiser les tâches numériques.
- Contrôle d'accès basé sur les rôles : Un modèle de sécurité qui restreint l'accès au système en fonction des rôles et des responsabilités des utilisateurs au sein d'une organisation.
- Système basé sur des règles : Un système ou une application logicielle qui fonctionne selon un ensemble de règles ou de conditions prédéfinies.
- Systèmes autogérés : Systèmes ou processus capables de surveiller, d'ajuster et d'optimiser de manière autonome leurs propres performances sans intervention humaine.
- Données structurées : Des données organisées dans un format spécifique, comme des tableaux ou des bases de données, avec des champs et des relations clairement définis.
- Apprentissage supervisé : Un type d'apprentissage automatique où le modèle est entraîné sur des données étiquetées, avec des paires entrée-sortie fournies pendant l'entraînement.
- Données synthétiques : Données générées artificiellement qui imitent les caractéristiques des données du monde réel et sont utilisées pour l'entraînement et le test des modèles d'apprentissage automatique.
- Automatisation des tâches : Automatiser certaines tâches ou activités pour améliorer l'efficacité et la productivité.
- Transformateur: Un type d'architecture de réseau neuronal couramment utilisé dans les tâches de traitement du langage naturel, connu pour sa capacité à gérer les dépendances à longue portée.
- Déclenchement: Un événement ou une condition qui initie ou active une action ou un processus spécifique.
- Données non structurées : Données qui n'ont pas de format ou d'organisation prédéfinis, telles que les documents texte, les images ou les données de capteurs.
- Apprentissage non supervisé : Un type d'apprentissage automatique où le modèle apprend des modèles ou des structures dans les données sans instructions explicites ni exemples étiquetés.
- Perfectionnement des compétences : Former et adapter les compétences des employés pour qu'ils travaillent plus efficacement avec les technologies d'automatisation et d'IA. On parle aussi de requalification.
- Assistant virtuel : Une application logicielle basée sur l'IA qui fournit une assistance ou effectue des tâches pour les utilisateurs grâce à des interactions en langage naturel.
- Flux de travail : Une série de tâches ou d'activités interconnectées, organisées et exécutées pour atteindre un objectif précis.
- Automatisation des flux de travail : L'automatisation des tâches répétitives ou manuelles au sein d'un flux de travail afin d'améliorer l'efficacité et la cohérence.
Si vous souhaitez en savoir plus sur l'IA et l'automatisation et transformer ce glossaire en apprentissages pratiques concrets, lisez le Déconstruction de l'IA et de l'automatisation Livre électronique.