Le glossaire

Un agent IA est un modèle de langage qui agit au lieu de seulement répondre : il découpe une tâche en étapes, appelle des outils et corrige le tir jusqu'au résultat.

Un embedding est la représentation d'un texte sous forme de vecteur, une liste de nombres qui capture son sens. Deux textes de sens proche ont des vecteurs proches.

La fenêtre de contexte est la quantité de texte qu'un modèle peut prendre en compte d'un coup, mesurée en tokens : prompt, historique, documents et réponse en cours.

Le fine-tuning poursuit l'entraînement d'un modèle existant sur ses propres données pour le spécialiser : un ton, un format de sortie, un vocabulaire métier.

Une hallucination est une réponse fausse énoncée par un modèle d'IA : source inventée, date erronée, fonction qui n'existe pas.

Un LLM (grand modèle de langage) est un programme entraîné sur d'énormes volumes de texte pour prédire la suite la plus probable d'une phrase. Claude, GPT et Gemini en sont.

Le MCP (Model Context Protocol) est un standard ouvert lancé par Anthropic fin 2024 pour connecter les modèles d'IA à des outils et des données externes.

Un modèle open weight publie ses poids, les milliards de paramètres issus de l'entraînement : chacun peut le télécharger et le faire tourner sur sa machine.

Le prompt est le texte envoyé à un modèle d'IA : question, consigne, contexte, exemples. Sa formulation pèse directement sur la qualité de la réponse.

Le RAG (Retrieval-Augmented Generation) connecte un modèle de langage à une base de documents : il retrouve les passages pertinents avant de générer sa réponse.

La température règle la façon dont un modèle d'IA départage les mots possibles au moment de générer : basse, réponses stables et prévisibles ; haute, réponses plus variées.

Le token est ce qu'un modèle de langage voit à la place du texte : un mot, un morceau de mot ou un signe de ponctuation. Les prix des API et les fenêtres de contexte se comptent en tokens.