Glossaire data et IA : les termes essentiels, simplement

Ce glossaire définit, en une ou deux phrases, les termes employés dans les jeux Maketools et dans les pages de cette section. Quand un jeu entraîne la notion, le lien mène à son guide.

Intelligence artificielle

Système d'IA

Logiciel qui, à partir des données qu'il reçoit, produit des résultats comme des prédictions, des contenus, des recommandations ou des décisions, avec un certain degré d'autonomie. C'est la notion centrale du règlement européen sur l'IA (voir l'article 4 de l'AI Act).

IA générative

IA qui produit du contenu nouveau (texte, image, son, code) à partir d'une consigne. Les assistants conversationnels en sont l'exemple le plus courant. Savoir quand elle convient, et quand elle ne convient pas, est l'objet d'IA ou pas IA ?.

Modèle de langage (LLM)

Modèle d'IA entraîné sur de grandes quantités de texte pour prédire la suite la plus probable d'un texte. C'est ce qui lui permet de rédiger, de résumer ou de répondre, mais aussi ce qui explique ses hallucinations : il produit du plausible, pas du vérifié.

Token

Unité de texte (un mot, un morceau de mot, un signe) que traite un modèle de langage. Les fournisseurs facturent souvent l'usage au nombre de tokens. Dans IA ou pas IA ?, chaque appel à l'IA consomme un budget de tokens.

Rédiger une demande

Prompt

Consigne donnée à une IA générative. Un bon prompt précise le rôle, la tâche, le contexte, les contraintes, et parfois un exemple et le format attendu. On s'y entraîne dans Prompt Quest.

Contexte (d'un prompt)

Informations qui situent la demande : qui parle, à qui, dans quel but, avec quelles données. Sans contexte, l'IA répond de façon générique. Compétence « donner du contexte » de Prompt Quest.

Contraintes (d'un prompt)

Limites imposées à la réponse : longueur, ton, format, sources à utiliser, ce qu'il ne faut pas inventer. Compétence « poser des contraintes » de Prompt Quest.

Exemples (few-shot)

Un ou plusieurs modèles de la réponse attendue, glissés dans le prompt. Ils guident souvent mieux qu'une longue consigne. Compétence « utiliser des exemples » de Prompt Quest.

Vérifier une réponse

Hallucination

Réponse d'une IA qui présente comme vrai un fait inventé : une source qui n'existe pas, un chiffre fabriqué, une citation imaginaire. Elle est d'autant plus trompeuse qu'elle est bien rédigée. On apprend à la repérer dans Hallucination Hunter.

Biais

Distorsion systématique d'un résultat : un stéréotype, une généralisation, un seul point de vue présenté comme neutre. Un biais peut venir des données d'entraînement ou de la formulation de la demande. Compétence « détecter un biais » d'Hallucination Hunter.

Vérification

Contrôle d'une réponse contre une source fiable avant de s'en servir. Une réponse plausible mais invérifiable doit être traitée comme « à vérifier », pas comme vraie. Compétence « savoir quand vérifier » d'Hallucination Hunter et de Prompt Quest.

Supervision humaine

Présence d'une personne qui peut comprendre, contrôler et corriger ce que produit un système d'IA, et qui reste responsable de la décision. Compétences « garder un humain responsable » et « relire avant de publier » d'IA ou pas IA ?.

Script (ou automatisation déterministe)

Programme ou formule qui applique toujours la même règle : un calcul, un tri, une conversion. Pour une tâche mécanique, il est plus fiable et moins coûteux qu'un modèle d'IA. Compétence « préférer un script à un modèle » d'IA ou pas IA ?.

Données

Qualité des données

Aptitude des données à servir l'usage prévu : complètes, exactes, cohérentes, sans doublon. Une donnée de mauvaise qualité fausse une analyse ou l'apprentissage d'un modèle. C'est le thème de Data Cleaning Rush et de la page data literacy.

Doublon

Même enregistrement présent plusieurs fois, parfois avec une casse ou une orthographe différente. Il gonfle les totaux. Compétence « repérer les doublons » de Data Cleaning Rush.

Valeur manquante

Case vide là où une valeur est attendue. Elle n'est pas un zéro : il faut décider de la compléter ou d'écarter la ligne. Compétence « traiter les valeurs manquantes » de Data Cleaning Rush.

Format

Façon d'écrire une valeur : date, unité, séparateur décimal, casse. Des formats mélangés dans une même colonne rendent les calculs faux. Compétence « corriger les formats » de Data Cleaning Rush.

Valeur aberrante

Valeur impossible ou très improbable (un âge de 250 ans). Elle se signale ; une valeur rare mais légitime, elle, se garde. Compétence « repérer les valeurs aberrantes » de Data Cleaning Rush.

Données d'entraînement

Données à partir desquelles un modèle d'IA apprend. Leurs erreurs et leurs biais se retrouvent dans les résultats du modèle, ce que montre chaque erreur de Data Cleaning Rush.

Protection des données

Donnée personnelle

Toute information se rapportant à une personne identifiée ou identifiable, directement (nom, email) ou indirectement (identifiant, combinaison de critères). Elle ne se confie pas à un outil d'IA non validé. Compétence « protéger les données personnelles » d'IA ou pas IA ?.

Pseudonymisation

Remplacement de l'identité d'une personne par un pseudonyme, de sorte qu'on ne puisse la retrouver sans une information gardée à part. Les données pseudonymisées restent des données personnelles. Les rapports Maketools sont pseudonymisés par défaut (voir la confidentialité des joueurs).

Anonymisation

Traitement qui rend impossible, de façon irréversible, l'identification d'une personne. Des données réellement anonymisées ne sont plus des données personnelles au sens du RGPD.

k-anonymat

Règle qui n'affiche une statistique que si elle porte sur au moins k personnes, pour qu'une moyenne ne révèle pas le résultat d'un individu. Dans Maketools, un rapport filtré par groupe exige au moins 5 joueurs (voir la confidentialité des joueurs).

Cadre réglementaire et formation

Maîtrise de l'IA (AI literacy)

Compétences, connaissances et compréhension qui permettent d'utiliser des systèmes d'IA en connaissance de cause et d'en mesurer les possibilités et les risques. Voir maîtrise de l'IA.

Data literacy (culture des données)

Capacité à lire, comprendre, utiliser et questionner des données dans son travail. Voir data literacy.

Déployeur

Au sens de l'AI Act, personne ou organisation qui utilise un système d'IA sous sa propre autorité dans un cadre professionnel. Une entreprise qui fournit un assistant d'IA à ses salariés en est un. L'article 4 s'applique aux déployeurs comme aux fournisseurs (voir l'article 4 de l'AI Act).

Serious game (jeu sérieux)

Jeu conçu pour apprendre : situations réalistes, décision, retour immédiat, mesure. Voir serious games en entreprise.

SCORM

Norme d'échange entre un contenu de formation et un LMS (plateforme de formation). Un paquet SCORM 1.2 Maketools renvoie au LMS le score et le statut de l'apprenant (voir exports LMS).

xAPI

Norme qui envoie des « statements » (« tel apprenant a terminé telle activité avec tel score ») à un LRS, l'entrepôt des traces d'apprentissage. Maketools envoie un statement par partie terminée, et en option par réponse (voir exports LMS).

Aller plus loin

Pour mettre ces notions en pratique, commencez par un jeu du catalogue, sans compte, ou lisez par où commencer.