IA générative : 10 mots clés à connaître
Modèle, token, hallucination, prompt… Le vocabulaire de l'IA générative expliqué simplement, avec ce que chaque terme change pour vous.
Mis à jour le
Les conversations sur l’IA sont truffées de jargon. Pour suivre l’actualité sans décrocher, une dizaine de mots suffisent. Les voici, sans jargon pour expliquer le jargon.
1. Modèle
Un modèle, c’est le « cerveau » entraîné qui produit les réponses. ChatGPT, Claude ou Gemini reposent chacun sur un modèle. Quand un éditeur annonce une nouvelle version, il parle en général d’un nouveau modèle, plus capable que le précédent. Pour comprendre comment ce « cerveau » produit ses réponses, voyez ce qu’est un LLM, expliqué simplement.
2. IA générative
C’est la famille d’IA qui crée du contenu (texte, image, code) plutôt que de simplement classer ou prédire. Un assistant qui rédige un e-mail fait de la génération. C’est ce qui la distingue de l’IA « classique », qui classe et prédit.
3. Prompt
Le prompt est votre consigne : la question ou l’instruction que vous donnez. La qualité de la réponse dépend directement de la qualité du prompt. C’est le levier le plus sous-estimé.
4. Token
Les modèles ne lisent pas des mots mais des « tokens », des fragments de texte. Un mot courant vaut souvent un token ; un mot long, plusieurs. C’est l’unité qui sert à mesurer la longueur et, souvent, le prix.
5. Fenêtre de contexte
C’est la quantité de texte qu’un modèle peut garder « en tête » en une fois. Plus elle est grande, plus vous pouvez lui soumettre de documents d’un coup sans qu’il oublie le début.
6. Hallucination
Quand un modèle affirme quelque chose de faux avec assurance, on parle d’hallucination. Ce n’est pas un bug rare : c’est une limite structurelle. D’où la règle : vérifier ce qui compte. Le mécanisme est détaillé dans pourquoi l’IA « hallucine ».
7. Fine-tuning (spécialisation)
Adapter un modèle existant à un usage précis en le ré-entraînant sur des données ciblées. Utile pour un ton ou un domaine spécifique, mais rarement nécessaire pour un usage courant.
8. RAG (recherche augmentée)
Technique qui branche un modèle sur une base de documents pour qu’il réponde à partir de vos contenus plutôt que de sa seule mémoire. C’est ce qui permet à un assistant de citer vos propres fichiers.
9. Agent
Un assistant qui ne se contente pas de répondre mais enchaîne des actions pour atteindre un objectif. On lui confie un but, il gère les étapes.
10. Multimodal
Un modèle multimodal comprend plusieurs formats : texte, image, parfois son ou vidéo. Vous pouvez lui montrer une photo et lui poser une question dessus.
Les faux-amis à ne pas confondre
Quatre paires reviennent sans cesse et prêtent à confusion. Les distinguer suffit à éviter la plupart des malentendus :
- Modèle ≠ agent : le modèle répond ; l’agent agit (il enchaîne des étapes pour atteindre un but).
- Fine-tuning ≠ RAG : le premier ré-entraîne le modèle ; le second le branche sur vos documents sans le modifier.
- IA générative ≠ IA classique : l’une crée du contenu, l’autre classe ou prédit à partir de données existantes.
- Token ≠ mot : un token est un fragment ; un mot long en compte plusieurs. C’est pour ça qu’un texte se facture en tokens, pas en mots.
Le mémo en un coup d’œil
Gardez cette table sous la main : chaque terme en une ligne, et surtout ce qu’il change concrètement pour vous.
| Terme | En une phrase | Ce que ça change pour vous |
|---|---|---|
| Modèle | Le « cerveau » entraîné qui répond | Une nouvelle version = un modèle plus capable |
| IA générative | Une IA qui crée du contenu | Elle rédige, dessine, code — pas seulement analyse |
| Prompt | Votre consigne | Meilleur prompt = meilleure réponse |
| Token | Un fragment de texte | Sert à mesurer longueur et prix |
| Fenêtre de contexte | Ce que le modèle garde en tête | Plus large = plus de documents d’un coup |
| Hallucination | Une affirmation fausse mais assurée | Vérifiez ce qui compte |
| Fine-tuning | Ré-entraîner sur des données ciblées | Rarement nécessaire au quotidien |
| RAG | Brancher le modèle sur vos documents | Il cite vos propres fichiers |
| Agent | Un assistant qui enchaîne des actions | Il fait, il ne se contente pas de répondre |
| Multimodal | Comprend texte, image, son… | Montrez-lui une photo, posez une question |
À retenir
Vous n’avez pas besoin d’être ingénieur pour suivre l’IA. Avec ces dix mots, vous décodez l’essentiel des annonces. Le reste, ce sont surtout des variantes commerciales de ces mêmes idées. Pour aller au fond de ces notions, parcourez nos décryptages.
Sources
Questions fréquentes
Qu'est-ce qu'un token en IA ?
Les modèles ne lisent pas des mots mais des « tokens », des fragments de texte : un mot courant vaut souvent un token, un mot long plusieurs. C'est l'unité qui sert à mesurer la longueur et, souvent, le prix.
Quelle différence entre un modèle et un agent ?
Un modèle est le « cerveau » entraîné qui produit les réponses (ChatGPT, Claude, Gemini reposent chacun sur un modèle). Un agent est un assistant qui ne se contente pas de répondre mais enchaîne des actions pour atteindre un objectif qu'on lui confie.
Que veut dire « fenêtre de contexte » ?
C'est la quantité de texte qu'un modèle peut garder « en tête » en une fois. Plus elle est grande, plus vous pouvez lui soumettre de documents d'un coup sans qu'il oublie le début.
Qu'est-ce que le RAG ?
La « recherche augmentée » branche un modèle sur une base de documents pour qu'il réponde à partir de vos contenus plutôt que de sa seule mémoire. C'est ce qui permet à un assistant de citer vos propres fichiers.
Faut-il connaître ces mots pour utiliser un assistant IA ?
Non : on peut se servir de ChatGPT ou Claude sans en connaître un seul. Mais ces dix mots servent à suivre l'actualité et à comparer les offres — comprendre « fenêtre de contexte » ou « multimodal », c'est comprendre ce qu'une nouvelle version change vraiment pour vous.
Quelle différence entre fine-tuning et RAG ?
Deux façons de spécialiser un modèle. Le fine-tuning le ré-entraîne sur des données ciblées (il « apprend » un ton ou un domaine). Le RAG ne le ré-entraîne pas : il le branche sur vos documents au moment de répondre. Le RAG est plus léger et se met à jour en changeant les documents.