Passer au contenu de cette vue

LEXIQUE

A / B / C / D / E / F / G / H / I / J / K / L / M / N / O / P / Q / R / S / T / U / V / W / X / Y / Z

Cliquez sur une lettre pour accéder directement à la section correspondante du lexique.

Téléchargez le lexique au format pdf

 

A

Algorithme : Un algorithme est une suite finie et non ambiguë d’opérations ou d'instructions permettant de résoudre une classe de problèmes, et de créer un programme informatique . On le compare souvent à une recette de cuisine. Un algorithme est donc un processus qui suit un ensemble de règles opératoires défini par son concepteur (pour reprendre l’exemple de la recette de cuisine, l'algorithme pour faire cuire des pâtes serait le suivant : mettre de l’eau dans une casserole, faire chauffer l’eau, si l’eau bout : y plonger les pâtes, si l’eau ne bout pas : ne pas mettre les pâtes dans l’eau…).

Anthropomorphisme : Attribution de caractéristiques et réactions humaines à quelque chose qui ne l’est pas (une entité, un animal, un objet, une machine…)

Apprentissage

  • automatique ou “machine learning” : Mécanisme permettant à un algorithme d’adapter son calcul  en se basant sur des données.
  • par renforcement : Mode d'apprentissage par “récompense”, on ne fournit pas des exemples mais un retour positif ou négatif selon le résultat fourni, sans expliciter la raison.
  • supervisé : Mode d’apprentissage qui se base sur des exemples annotés (ex : une image de chien avec l’information "il y a un chien").

Approche

  • numérique ou connexionniste : Dans cette approche, on représente l’information numériquement et implémente le traitement sous forme d’un réseau d’unités élémentaires de calcul (par exemple des neurones artificiels). On entraîne le système, en donnant des exemples de ce qu’il doit faire et répète cette tâche jusqu’à minimiser les erreurs. Dans l’apprentissage supervisé on fournit le résultat attendu pour chaque exemple et dans l’apprentissage par renforcement on fournit un retour sous forme de récompense.
  • symbolique : Dans cette approche, un ensemble de méthodes et procédures permet de réaliser une tâche en spécifiant le problème à résoudre sous forme de symboles et de règles permettant de transformer ces symboles. C’est cette méthode qui est utilisée dans les systèmes experts.

Automatique : Se dit d’une action qui s’accomplit par l’exécution d’un algorithme sans intervention humaine.

 

B

Biais cognitifs : Ensemble de facteurs psychiques, moraux, culturels ou sociaux qui influencent nos modes et mécanismes de pensées.

Big data* : Ensemble de techniques qui permettent d’analyser les propriétés statistiques de très grandes bases de données afin d’en détecter les régularités, en particulier grâce à l’utilisation d’algorithmes d’apprentissage (on parle aussi de « data mining »).
On utilise également cette expression, ou « données massives », comme représentant des ensembles de données qui deviennent si volumineux qu’ils en deviennent difficiles à traiter avec des outils classiques de gestion de base de données ou de gestion de l’information.

 

C

Capteur : Dispositif électronique qui mesure les valeurs physiques en entrée et les traduit en nombre pour un algorithme.

Clustering : algorithme d’apprentissage non supervisé qui permet de rassembler des données proches dans des clusters (ou des groupes). Pour obtenir un clustering de qualité, on cherche à créer les clusters les plus homogènes possibles et à avoir le plus de différence possible entre les clusters.

Créativité : Capacité à imaginer et/ou créer quelque chose d'original et ingénieux par rapport à un existant.

 

D

Data centers ou cloud : Ces centres de données regroupent un ensemble de serveurs sur lesquels sont stockés un nombre important de données, et les traitements massifs effectués dessus. On parle de données dans les “nuages” (cloud en anglais).

Deep learning : L'apprentissage profond, désigne le fait d’empiler plusieurs couches de calcul pour en augmenter l'efficacité.

Données  Une donnée est ce qui est connu et sert de point de départ à un traitement d'information, souvent en vue de la détermination d'un problème.

  • Données d’entrée : Informations fournies en entrée à un programme (une image de chat dans le cadre du développement d’une IA de reconnaissance d’images, par exemple).
  • Données de sortie : Résultat attendu en sortie du programme (par exemple la probabilité que ce soit un chat ou non).

 

E

Effecteur : Dispositif électronique qui traduit des valeurs numériques en sortie sous forme effective : la commande d’un moteur ou d’un autre dispositif physique.

Effet boîte noire : Système dont le mécanisme de fonctionnement n’est pas explicité ce qui ne rend pas possible l'interprétation des résultats.

Émotion : Expérience psychophysiologique d'un individu ou d'un animal lorsqu'il réagit aux influences biochimiques (interne) ou environnementales (externe), par exemple d'un objet.

Entrainement ou apprentissage : Action, ici, de fournir des données pour faire de l’apprentissage automatique.

Ethique : L'éthique est une discipline philosophique portant sur les jugements moraux. C'est une réflexion fondamentale sur laquelle, la morale peut établir des normes, droits et devoirs.

Explicabilité : Possibilité d’expliquer et/ou comprendre un fonctionnement. Dans le cadre de l’IA, l’enjeu est l'explicabilité des algorithmes, pour comprendre comment et sur quoi se base le résultat du calcul.

 

F

Fonctions cognitives : Mécanismes de traitement de l'information liés à l’acquisition, la conservation, l’utilisation ou la transmission de connaissances ou de savoir faire.

 

G

Généralisation : Capacité d’un mécanisme d’apprentissage à fonctionner non pas sur les données fournies par son apprentissage, mais de nouvelles données jamais considérées.

 

H

Hiver de l'IA : Périodes qui se sont déroulées entre 1974 et 1980 (premier hiver de l’IA) et entre 1987 et 1995 (deuxième hiver de l’IA) et durant lesquelles les avancées et recherches en intelligence artificielle n’ont plus intéressé les médias après avoir déçu face aux mythes qui les ont accompagnées.

 

I

Imiter : Reproduire quelque chose de déjà existant.

Informatique : Science formelle qui adresse le problème de la représentation et du traitement de l’information. L’informatique étudie les algorithmes et la programmation, le codage de l’information (les données), les langages formels (en deçà des langues humaines), et les machines et architectures matérielles qui calculent à l’aide de programmes installés sur des machines.

Innovation : Réponse nouvelle apportée à des problèmes anciens ou nouveaux. L'innovation est la recherche constante d'améliorations de l'existant, contrairement à l’invention.

Inventer : Capacité à créer quelque chose de nouveau en rupture avec l’existant.

Intelligence artificielles* : L’expression « intelligence artificielle », créée dans les années 1950, désigne le domaine de recherche qui étudie les mécanismes de l’intelligence en les modélisant avec des algorithmes et en les expérimentant avec des machines. Ces mécanismes incluent par exemple la faculté de trouver automatiquement des solutions à des problèmes, qui peut mettre en œuvre des capacités de planification, de prédiction, de contrôle, de mémorisation ou d’apprentissage. Par extension, le terme « intelligence artificielle » est souvent utilisé pour désigner des algorithmes simulant ou ayant des points communs avec certaines des capacités d’intelligence des êtres vivant.

  • intelligence artificielle complète ou forte : Une intelligence artificielle qui serait capable de copier les aptitudes humaines (apprendre, comprendre, appréhender, raisonner, prendre des décisions, avoir une conscience, des émotions…). A ce jour, l’intelligence artificielle forte n’existe pas, c’est une croyance.
  • intelligence artificielle faible : C’est l’intelligence artificielle qu’on connaît aujourd’hui : c’est un algorithme “apprenant”, en adaptant ses paramètres à des données d’apprentissage, non pourvu de capacités mentales et cognitives, mais capable d’effectuer avec beaucoup plus d'efficacité, parfois plus que l’être humain, une tâche précise.

Intelligence artificielle générative (ou Generative AI) : C'est un système capable de créer un nouveau texte, une nouvelle image ou d’autres types de contenus (musique, vidéo, voix, etc.) à partir de données d'entraînement et d’une instruction d’un utilisateur humain (ou prompt).

Intelligence biologique : L’intelligence biologique correspond à l’ensemble des capacités cognitives et mentales d’un être vivant. Elle lui permet de comprendre, d'apprendre ou de s'adapter à des situations nouvelles.

 

M

Machine* : Dans ce contexte, une machine est un outil physique, un système matériel qui permet de traiter des informations. Exemples : un ordinateur, un routeur réseau, un smartphone, un robot…

Mécanique : Science qui étudie les mouvements physiques.

Modèle de langage : C’est un modèle statistique de la distribution de symboles distincts (lettres, phonèmes, mots) dans une langue naturelle. Un modèle de langage est entraîné sur un corpus de textes dans une ou plusieurs langues. Ainsi un modèle de langage peut prédire le mot suivant dans une séquence de mots.

LLM - Large Modèle de langage (ou  LLM Large Language Model) : Ce sont des modèles de langage possédant un grand nombre de paramètres (généralement de l'ordre du milliard ou plus). Il s'agit de réseaux de neurones profonds entraînés sur de grandes quantités de texte non étiqueté utilisant l'apprentissage auto-supervisé ou l'apprentissage semi-supervisé. Les LLM sont utilisés pour la mise en œuvre d'agents conversationnels comme chatGPT.

Mythe de la singularité : C’est la croyance selon laquelle l'invention de l'intelligence artificielle forte déclencherait un emballement de la croissance technologique qui induirait des changements imprévisibles sur la société humaine.

 

N

Neurones biologiques : les cellules du cerveau dont le fonctionnement nous permet de penser.

 

O

Outil : Objet ou concept nécessaire et aidant dans la réalisation d’une tâche.

 

P

Pixel : En informatique, une image peut être représentée numériquement en la divisant en un certain nombre de lignes et de colonnes et en assignant une couleur à chacune des « cases » ainsi formées. Une telle case s’appelle pixel, contraction de l’anglais picture element.

Prédiction : Capacité d’un algorithme à pouvoir prédire un résultat statistique à partir de données antérieures.

Probabilité : Évaluation du caractère probable d'un événement, c'est-à-dire qu'une valeur permet de mesurer le degré de certitude de sa réalisation.

Processeur : Composant électronique qui exécute les instructions d’un programme informatique.

Programmer : Action d’élaboration d’un programme informatique.

 

R

Réseau de neurones : Ensemble d’unités de calcul (dits neurones) connectés, qui se transmettent des données et effectuent un calcul ou un traitement distribué entre toutes les unités. Ajuster les paramètres des connections permet de spécifier la transformation à effectuer.

Réseau de neurones artificiels : méthode de calcul qui s'inspire vaguement du fonctionnement du cerveau et se base sur un réseau de calculs élémentaires interconnectés.

RGPD : Le Règlement Général sur la Protection des Données (RGPD) est une réglementation européenne adoptée par le Parlement européen le 27 avril 2016 qui vise à protéger les données personnelles des citoyens de l’Union Européenne. La protection des données personnelles est un enjeu majeur pour la conception et l’utilisation des outils d’IA.

Réseau de neurones antagonistes (ou GAN: Generative Adversarial Network): C'est un algorithme d'apprentissage non supervisé constitué de deux réseaux de neurones entraînés par mise en compétition l'un contre l'autre.Ces deux réseaux neurones - le générateur et le discriminateur, s'affrontent. Le générateur a, par exemple, pour tâche de générer de nouvelles images, des milliers et des milliers d’images. La tâche du discriminateur est de détecter s'il s’agit d’une image créée par le générateur ou d’une image réelle. Et ce jusqu’à ce que la différence ne soit plus détectable par le générateur.

Robot* : est une machine interagissant physiquement avec son environnement, à l'aide de capteurs pour percevoir et d'actionneurs (ou effecteurs) pour agir, selon un programme informatique qui définit son comportement. A la différence d'un automate, un robot agit en fonction de ce qu'il perçoit dans son environnement.

S

Sciences Cognitives : Discipline scientifique ayant pour objet la description, l'explication, et le cas échéant la simulation des mécanismes de tout système complexe de traitement de l'information capable d'acquérir, conserver, utiliser et transmettre des connaissances.

Série d’instructions : Série d’étapes qu'un programme informatique suit pour exécuter une tâche.

Statistiques : Domaine d’étude qui permet de fournir des résultats en se basant sur l’analyse d’un ensemble de données.

Stéréotype : Image habituellement admise et véhiculée d'un sujet dans un cadre de référence donné, négative, positive ou autre, mais souvent caricaturale.


De nombreuses définitions sont extraites du glossaire informatique, ce glossaire, évolutif, a été initié par Pierre-Yves Oudeyer et Didier Roy d’Inria. Plusieurs contributeurs, comme Thierry Viéville, ont ensuite apporté leur expertise notamment pour l'actualisation du lexiques (IA génératives, etc..).