Lexique sur l'IA

D'Agent d'IA à Big Data

Agent d'intelligence artificielle : Logiciel qui exécute des tâches pour le compte d'un utilisateur. Il peut automatiser des processus, prendre des décisions et interagir intelligemment avec son environnement.

Algorithme : Ensemble des règles opératoires propres à un calcul ; suite de règles formelles.

Algorithme D'Apprentissage : Algorithme qui a pour but de modifier le comportement d'un robot, d'un agent, ou d’un réseau de neurones artificiels à partir d'un nombre important de données d'apprentissage.

Algorithme Prédictif : concentration sur l’avenir : son objectif est de réussir à déterminer (par exemple) si le patient risque d'avoir une maladie dans le futur, mais aussi quel traitement marchera le mieux, ou encore celui qui aura le moins d'effets secondaires.

Apprentissage Automatique (Ou Machine Learning) : Est une forme d'intelligence artificielle (IA) qui permet à un système d'apprendre à partir des données et non à l'aide d'une programmation explicite.

Apprentissage Non Supervisé : Désigne la situation d'apprentissage automatique où les données ne sont pas étiquetées.

Apprentissage Par Renforcement : Consiste, pour un agent autonome, à apprendre les actions à prendre, à partir d'expériences, de façon à optimiser une récompense quantitative au cours du temps.

Apprentissage Profond (Deep Learning) : La machine est capable d'apprendre par elle-même, contrairement à la programmation où elle se contente d'exécuter à la lettre des règles prédéterminées.

Apprentissage Supervisé : Système qui fournit à la fois les données en entrée et les données attendues en sortie. Les données en entrée et en sortie sont étiquetées en vue de leur classification, afin d'établir une base d'apprentissage pour le traitement ultérieur des données.

Biais Algorithmique : Est le fait que le résultat d'un algorithme ne soit pas neutre, loyal ou équitable.

Big Data : Traduit le phénomène de massification des données numériques avec le développement des nouvelles technologies, ainsi que le domaine dédié au traitement de ces « mégadonnées » par le biais d’algorithmes.

De Chatbot à Hallucinations

Chatbot : Aussi appelé « agent conversationnel » en français, le chatbot est un programme capable de mener une conversation avec un utilisateur en mimant le comportement humain. Il peut répondre à des requêtes en fonction de scénarios prédéfinis ou en autonomie grâce à l’apprentissage automatique.

Data lake : Méthode de stockage de données massives utilisée par le big data

Déployeur : Personne physique ou morale, une autorité publique, une agence ou tout autre organisme qui développe ou fait développer un système d’IA ou un modèle d’IA à usage général et le met sur le marché ou met le système d’IA en service sous son propre nom ou sa propre marque, à titre onéreux ou gratuit.

Données D'Apprentissage : Données utilisées pour entraîner un algorithme d'apprentissage.

Donnée brute : Donnée n’ayant subi aucune transformation depuis son observation initiale.

Donnée de sortie (IA): Valeur représentant tout ou partie de l’opération effectuée par le système d’IA à partir des données d’entrée.

Donnée d’entrée (IA) : Donnée utilisée pour l’apprentissage automatique ou la prise de décision du système d’IA (en phase de production).

GPT-4 : Acronyme de Generative Pre-trained Transformer 4, modèle de langage multimodal développé par la société américaine OpenAI pour, notamment, alimenter son agent conversationnel ChatGPT.

Fournisseur : Personne physique ou morale, une autorité publique, une agence ou tout autre organisme qui développe ou fait développer un système d’IA ou un modèle d’IA à usage général et le met sur le marché ou met le système d’IA en service sous son propre nom ou sa propre marque, à titre onéreux ou gratuit.

Hallucinations : Ou une confabulation est une réponse fausse ou trompeuse qui est présentée comme un fait.

D'intelligence artificielle à IA non supervisée

Intelligence artificielle : L’intelligence artificielle est un procédé logique et automatisé reposant généralement sur un algorithme et en mesure de réaliser des tâches bien définies. Pour le Parlement européen, constitue une intelligence artificielle tout outil utilisé par une machine afin de « reproduire des comportements liés aux humains, tels que le raisonnement, la planification et la créativité ». Plus précisément, la Commission européenne considère que l’IA regroupe :

• les approches d’apprentissage automatique ;
• les approches fondées sur la logique et les connaissances ; et
• les approches statistiques, l’estimation bayésienne, et les méthodes de recherche et d’optimisation.

Intelligence artificielle faible : L’intelligence artificielle faible (weak artificial intelligence ou Narrow AI) se concentre sur une problématique précise, en ce sens elle est donc monotâche. L’IA faible vise à reproduire des facultés cognitives spécifiques, comme le traitement du langage naturel ou la reconnaissance d'images par exemple.

Intelligence artificielle forte : L’intelligence artificielle forte ou IA générale appelle à une forme d’IA qui serait capable de penser comme un humain dans tous les cas. En d’autres termes, cette deuxième catégorie d’IA ne se limite pas à une seule tâche, mais pourrait en effectuer plusieurs.

Intelligence artificielle générative : L'intelligence artificielle générative (IA générative) est une catégorie d'IA qui se concentre sur la création de données, de contenu ou de choses artistiques, de façon indépendante. Elle diffère de l'IA classique, qui se concentre, quant à elle, sur des tâches spécifiques telles que la classification, la prédiction ou la résolution de problèmes. L'IA générative vise à produire de nouvelles données qui ressemblent à celles créées par des êtres humains, que ce soit sous forme de texte, d'images ou encore de musique par exemple.

Intelligence artificielle supervisée : L’apprentissage supervisé, dans le contexte de l‘intelligence artificielle (IA) et du Machine Learning, est un type de système dans lequel les données d’entrée et de sortie souhaitées sont fournies. Les données d’entrée et de sortie sont étiquetées pour être classées afin de fournir une base d’apprentissage pour le traitement futur des données. Le terme d’apprentissage supervisé vient de l’idée qu’un algorithme apprend à partir d’un ensemble de données initiales, qui peut être considéré comme l’enseignant.

Intelligence artificielle non supervisée : L'apprentissage non supervisé, ou apprentissage automatique non supervisé, utilise des algorithmes d'apprentissage automatique pour analyser et regrouper des jeux de données non étiquetés. Ces algorithmes découvrent des modèles cachés ou des groupements de données sans nécessiter d'intervention humaine. Sa capacité à découvrir les similitudes et les différences d'informations en fait la solution idéale pour l'analyse d'exploration des données, les stratégies de vente croisée, la segmentation de la clientèle et la reconnaissance d'images.

De Machine Learning à Surajustement

Machine Learning : Mode d'apprentissage par lequel un agent évalue et améliore ses performances et son efficacité sans que son programme soit modifié, en acquérant de nouvelles connaissances et aptitudes à partir de données et/ou en réorganisant celles qu'il possède déjà.

PaLM-2 : Acronyme de Pathways Language Model-2, modèle de langage développé par Google et entraîné sur plusieurs milliards de paramètres. Il est destiné à alimenter Google Bard, le générateur de texte lancé par la firme en février 2023.

Prompt : Est une instruction ou une série de données fournies à un système d’IA, qui utilise ces informations pour générer des réponses ou des créations en texte, image, ou autre forme de média.

Réseaux antagonistes génératifs (Generative Adversarial Networks (GAN)) : Ensemble de réseaux neuronaux qui travaillent ensemble pour générer de nouvelles données similaires à un lot d’apprentissage donné. Un réseau générateur tente de générer des données réalistes, tandis qu’un réseau discriminateur tente de distinguer les données réelles des données fictives.

Réseaux neuronaux convolutifs (Convolutional Neural Networks (CNN)) : Type de réseau neuronal largement utilisé pour les tâches de reconnaissance d’images. Les CNN utilisent des couches convolutives pour détecter et apprendre les caractéristiques des images.

Robot médical : Dispositif mécanique ou électronique conçu pour aider les médecins et les chirurgiens dans leurs tâches diagnostiques ou thérapeutiques. Ils peuvent être utilisés pour la chirurgie, l’imagerie, et d’autres applications médicales.

Surajustement (Overfitting) : Phénomène qui se produit lorsqu’un modèle d’apprentissage automatique apprend trop de choses à partir des données d’entraînement et qu’il donne donc de mauvais résultats sur de nouvelles données inédites. Le modèle s’adapte trop aux données d’apprentissage et perd sa capacité de généralisation.

Nos sources

Ministère de l'enseignement supérieur et de la recherche
CNIL
Prompt IA : qu'est ce qu'un bon prompt ? - Lefebvre Dalloz