Agent intelligent
Une entité autonome capable de percevoir son environnement, d’apprendre, de raisonner et de prendre des décisions pour atteindre ses objectifs.

Algorithme
Un ensemble de règles ou d’instructions données à une IA, un réseau de neurones ou d’autres machines pour les aider à apprendre par elles-mêmes ; la classification, le regroupement, la recommandation et la régression sont quatre des types les plus populaires.

Algorithme de classification
Les algorithmes de classification permettent aux machines d’attribuer une catégorie à un point de données basé sur des données d’apprentissage.

Algorithme de clustering
Les algorithmes de clustering permettent aux machines de regrouper des points de données ou des éléments en groupes ayant des caractéristiques similaires.

Algorithme génétique ou évolutionnaire
Un algorithme évolutif basé sur les principes de la génétique et de la sélection naturelle qui est utilisé pour trouver des solutions optimales ou quasi optimales à des problèmes difficiles qui prendraient autrement des décennies à résoudre.

Analyse de cluster
Un type d’apprentissage non supervisé utilisé pour l’analyse exploratoire des données afin de trouver des modèles ou des groupes cachés dans les données ; les clusters sont modélisés avec une mesure de similarité définie par des métriques telles que la distance euclidienne ou probabiliste.

Analyse prédictive
L’utilisation de modèles et de techniques d’apprentissage automatique pour prévoir des événements futurs ou des comportements en fonction des données historiques.

Apprentissage actif
Un type d’apprentissage automatique dans lequel un modèle interagit activement avec l’utilisateur ou l’environnement pour sélectionner les exemples de formation les plus informatifs.

Apprentissage automatique (Machine Learning)
Un aspect de l’IA qui se concentre sur les algorithmes, permettant aux machines d’apprendre sans être programmées et de changer lorsqu’elles sont exposées à de nouvelles données.

Apprentissage fédéré
Une approche de l’apprentissage automatique qui permet à plusieurs modèles d’apprendre localement sur leurs propres données, puis de partager et de combiner leurs connaissances pour améliorer les performances globales.

Apprentissage non supervisé
Un type d’algorithme d’apprentissage automatique utilisé pour tirer des inférences à partir d’ensembles de données composés de données d’entrée sans réponses étiquetées. La méthode d’apprentissage non supervisé la plus courante est l’analyse de cluster.

Apprentissage par transfert
Une technique d’apprentissage automatique qui permet à un modèle pré-entraîné d’être réutilisé pour résoudre des problèmes similaires avec moins de données et de temps d’entraînement.

Apprentissage supervisé
Un type d’apprentissage automatique dans lequel les ensembles de données de sortie forment la machine à générer les algorithmes souhaités, comme un enseignant supervisant un élève ; plus courant que l’apprentissage non supervisé.

Apprentissage profond (Deep learning)
La capacité des machines à imiter de manière autonome les schémas de pensée humains grâce à des réseaux neuronaux artificiels composés de couches d’informations en cascade.

Apprentissage semi-supervisé
Une méthode d’apprentissage qui combine des éléments d’apprentissage supervisé et non supervisé pour exploiter à la fois des données étiquetées et non étiquetées.

Arbre de décision
Un modèle basé sur des arbres et des branches utilisé pour cartographier les décisions et leurs conséquences possibles, similaire à un organigramme.

Auto-encodeurs
Des réseaux de neurones non supervisés qui apprennent à encoder les données d’entrée en une représentation de faible dimension (code), puis à reconstruire les données d’entrée à partir de ce code. Les auto-encodeurs peuvent être utilisés pour générer de nouvelles données en modifiant légèrement le code.

Biais algorithmique
Les préjugés involontaires introduits dans les algorithmes d’apprentissage automatique en raison de données d’entraînement inexactes, incomplètes ou discriminatoires.

Big data
Des ensembles de données volumineux, complexes et diversifiés qui nécessitent des méthodes avancées de traitement et d’analyse pour extraire des informations utiles.

Chatbot conversationnel
Un robot de conversation (chatbot en abrégé) conçu pour simuler une conversation avec des utilisateurs humains en communiquant par des chats texte, des commandes vocales ou les deux. Ils sont une interface couramment utilisée pour les programmes informatiques qui incluent des capacités d’IA.

Génération de texte
La production de texte cohérent et significatif à partir de modèles génératifs, tels que les réseaux de neurones récurrents (RNN) ou les modèles de langage basés sur des Transformers, comme GPT-3.

Intelligence artificielle
La capacité d’une machine à prendre des décisions et à effectuer des tâches qui simulent l’intelligence et le comportement humains.

Informatique autonome
La capacité d’un système à gérer de manière adaptative ses propres ressources pour des fonctions informatiques de haut niveau sans intervention de l’utilisateur.

Informatique cognitive
Un modèle informatisé qui imite la façon dont le cerveau humain pense. Il implique un auto-apprentissage grâce à l’utilisation de l’exploration de données, du traitement du langage naturel et de la reconnaissance des modèles.

Informatique en nuage (cloud computing)
La fourniture de services informatiques (y compris l’IA) via Internet, permettant un accès flexible et à la demande aux ressources et aux applications.

Intelligence artificielle faible (IA faible)
Une IA conçue pour accomplir des tâches spécifiques et limitées sans posséder de réelle compréhension ou conscience.

Intelligence artificielle forte (IA forte)
Une IA hypothétique qui possède une compréhension et une conscience similaires à celles des humains, capable de raisonner, d’apprendre et de s’adapter de manière autonome.

Intelligence artificielle générative
Des algorithmes d’apprentissage automatique qui apprennent à générer de nouvelles données en capturant les distributions et les structures sous-jacentes des données d’entraînement.

Internet des objets (IoT)
Un réseau d’appareils connectés à Internet et capables de communiquer entre eux pour collecter et échanger des données.

Récupération-Augmentation-Generation (RAG)
Un modèle de traitement du langage naturel qui combine la récupération de documents pertinents à partir d'une base de données (retrieval) avec la génération de réponses basées sur ces documents. Cela permet au modèle de produire des réponses plus précises et informées en se basant sur des informations récupérées en temps réel.

Réseaux antagonistes génératifs (GAN)
Une classe de modèles génératifs composée de deux réseaux de neurones, le générateur et le discriminateur, qui sont entraînés simultanément. Le générateur crée de nouvelles données, tandis que le discriminateur apprend à distinguer les données réelles des données générées. Ils s’affrontent dans un jeu à somme nulle pour améliorer leurs performances.

Réseau de neurones artificiels (ANN ou RNA)
Un modèle d’apprentissage créé pour agir comme un cerveau humain et résoudre des tâches trop difficiles pour les systèmes informatiques traditionnels.

Réseau neuronal convolutif (CNN ou RNC)
Un type de réseaux neuronaux qui identifie et interprète les images.

Réseaux de neurones profonds (DNN ou RNP)
Des réseaux neuronaux artificiels avec de nombreuses couches cachées qui permettent à la machine d’apprendre et de traiter des informations complexes.

Réseau neuronal récurrent (RNN ou RNC)
Un type de réseau neuronal qui donne un sens aux informations séquentielles et reconnaît les modèles, et crée des sorties basées sur ces calculs. Il s’agit d’un type de réseaux de neurones artificiels qui sont particulièrement efficaces pour traiter des séquences de données, comme le texte ou le son.

Robotique
Le domaine de la technologie qui traite de la conception, de la construction, de l’exploitation et de l’application des robots, qui sont souvent utilisés en combinaison avec l’IA.

Science des données (Data science)
Un domaine interdisciplinaire qui combine des méthodes, des systèmes et des processus scientifiques issus de la statistique, de la science de l’information et de l’informatique pour apporter un éclairage sur un phénomène via des données structurées ou non structurées.

Synthèse vocale
La capacité des machines à générer de la parole à partir de texte ou d’autres données, souvent utilisée dans les assistants vocaux et les chatbots.

Systèmes experts
Des programmes informatiques qui utilisent des connaissances et des raisonnements spécifiques à un domaine pour résoudre des problèmes complexes.

Systèmes multi-agents
Des systèmes composés de plusieurs agents autonomes qui interagissent et coopèrent pour résoudre des problèmes complexes.

Systèmes de recommandation
Des systèmes qui utilisent des techniques d’IA pour proposer des éléments pertinents et personnalisés aux utilisateurs, tels que des produits, des films ou des articles.

Techniques de recherche heuristique
Support qui réduit la recherche de solutions optimales pour un problème en éliminant les options incorrectes.

Text-to-Image
La conversion de descriptions textuelles en images en utilisant des modèles génératifs, tels que les GAN.

Text-to-Speech
La conversion de descriptions textuelles en sons.

Traitement automatique du langage (TAL)
Un domaine de l’IA qui se concentre sur l’interaction entre les ordinateurs et les langues humaines, y compris la compréhension et la génération de texte.

Traitement du langage naturel (NLP)
La capacité d’un programme à reconnaître la communication humaine telle qu’elle est censée être comprise.

Transformers
Une architecture de réseau neuronal utilisée principalement pour le traitement du langage naturel. Les Transformers se distinguent par leur capacité à traiter les données de manière parallèle, ce qui améliore l'efficacité et la performance. Ils utilisent des mécanismes d'attention pour pondérer l'importance des différentes parties des données d'entrée, facilitant ainsi des tâches comme la traduction automatique et la génération de texte.

Vision par ordinateur
Un domaine de l’IA qui enseigne aux machines à comprendre et à interpréter les images et les vidéos de la même manière que les humains.