Le mot juste de l'IA, trouvé pendant que vous le tapez
Token, embedding, RAG, hallucination, transformeur… Tapez le terme : la définition s'ouvre instantanément, avec son niveau et ses renvois. Pas de feuilletage, pas de jargon de vendeur.
38 termes sur 38
Grand modèle de langage
LLM
Modèle entraîné sur d'immenses quantités de texte pour prédire le mot (le token) suivant. De cette tâche apparemment simple émergent des capacités de traduction, de résumé et de raisonnement apparent.
Modèle entraîné sur d'immenses quantités de texte pour prédire le mot (le token) suivant. De cette tâche apparemment simple émergent des capacités de traduction, de résumé et de raisonnement apparent.
Source : Wikipédia — Grand modèle de langage (licence CC BY-SA). Affichage de la définition de secours intégrée si l'API ne répond pas — la page ne casse jamais.
Trop d'outils IA ? Un diagnostic pour y voir clair
Situez votre besoin en quelques minutes et repartez avec une démarche de choix simple et des vérifications concrètes.
Carte des concepts IA
Chaque nœud est un terme du dictionnaire, coloré selon son niveau. Chaque arête représente un renvoi « voir aussi ». Cliquez un nœud pour ouvrir sa fiche — le terme actif est mis en surbrillance et ses connexions révèlent comment les concepts s'articulent.
Trois niveaux, une même exigence de clarté
Chaque fiche porte une pastille de niveau. Filtrez l'index pour ne voir que ce qui vous concerne — ou parcourez tout, du plus simple au plus pointu.
Les notions à connaître pour suivre une conversation sur l'IA : intelligence artificielle, token, invite, hallucination, IA générative.
Le vocabulaire de qui veut comprendre comment ça marche : apprentissage profond, RAG, affinage, inférence, multimodal.
Les termes techniques de la recherche et de l'ingénierie : transformeur, attention, quantification, RLHF, alignement.
Trois réflexes pour lire l'IA honnêtement
Connaître le mot, c'est bien. Garder l'esprit critique, c'est mieux.
Un texte fluide n'est pas une preuve
Un modèle de langage prédit des mots probables. Il peut formuler une erreur avec aplomb : vérifiez les faits importants à la source.
Un modèle hérite de ses données
Lacunes, biais et angles morts des données d'entraînement se retrouvent dans les réponses. La qualité de sortie suit la qualité d'entrée.
Derrière l'IA, des mathématiques
Vecteurs, paramètres, probabilités : aucune conscience, aucune compréhension au sens humain. Des outils puissants, à utiliser en connaissance de cause.
Ce que l'on nous demande
Comment fonctionne la recherche ?
Tapez quelques lettres : l'index se filtre instantanément sur le terme, son sigle et sa définition. Cliquez une entrée pour ouvrir sa fiche, ou suivez un renvoi « voir aussi » pour sauter d'un terme à l'autre. La touche « / » place directement le curseur dans la barre de recherche.
Les définitions sont-elles fiables ?
Elles sont volontairement courtes, neutres et factuelles. Aucune statistique n'est inventée. Le seul fait daté cité — l'article « Attention Is All You Need » de 2017, à l'origine du Transformer — est exact et vérifiable. Certaines fiches sont en plus enrichies en direct par le résumé Wikipédia FR du terme.
D'où vient l'enrichissement « en direct » ?
De l'API REST publique de Wikipédia (résumé de l'article correspondant), appelée sans clé. La source, la licence (CC BY-SA) et l'heure de chargement sont affichées. Si l'API ne répond pas, la fiche bascule sur la définition de la maison : la page ne casse jamais.
Pourquoi des anglicismes comme « token » ou « embedding » ?
Le domaine s'est construit en anglais. On donne le terme courant et, quand il existe, son équivalent français (jeton, plongement, affinage…), pour que vous reconnaissiez les deux.
Un terme manque, une définition à préciser ?
Suggérez un mot, signalez une imprécision ou posez votre question. Le dictionnaire est vivant : il s'enrichit de vos retours.