Aide & conseils · IA

Que veulent dire les mots de l'IA ?

Par La rédaction Bestforfait ·Mis à jour le 25 juillet 2026 ·1 min de lecture

Modèle, token, prompt, contexte, hallucination, fine-tuning : le vocabulaire de l'IA repris mot par mot, en langage clair, pour ne plus décrocher.

L'intelligence artificielle a son propre vocabulaire, et il peut vite donner le vertige. Modèle, token, prompt, contexte, hallucination, fine-tuning : derrière ces mots se cachent des idées simples. Ce lexique les reprend un par un, en langage clair, pour que vous suiviez n'importe quelle discussion sur l'IA sans décrocher.

Les termes essentiels

IA générative: Intelligence artificielle qui crée du contenu nouveau (texte, image, audio, vidéo) à partir d'une consigne : ChatGPT, Claude, Gemini, Midjourney…
LLM: « Large Language Model », grand modèle de langage : le moteur des assistants conversationnels, entraîné sur d'énormes corpus de texte.
Token: L'unité de texte facturée par les IA (un mot court ou un morceau de mot). Les tarifs API s'expriment en prix par million de tokens, en entrée et en sortie.
Prompt: La consigne donnée à l'IA (question, instruction, contexte, exemples). Sa qualité détermine celle de la réponse.
Fenêtre de contexte: La quantité maximale de texte (en tokens) que le modèle peut prendre en compte d'un coup : conversation, documents joints et réponse comprise.
Hallucination: Réponse inventée mais énoncée avec assurance. Se réduit avec un RAG, des sources citées et des instructions précises — jamais totalement.
Embedding: Transformation d'un texte en vecteur de nombres qui capture son sens ; la brique de la recherche sémantique et des RAG.
RAG: « Retrieval-Augmented Generation » : l'IA va d'abord chercher les passages pertinents dans vos documents, puis rédige à partir d'eux (technique publiée en 2020).
Fine-tuning: Réentraînement d'un modèle existant sur vos données pour le spécialiser. Coûteux ; souvent remplacé par un LoRA ou un RAG.
LoRA: « Low-Rank Adaptation » (2021) : spécialisation légère d'un modèle en n'entraînant qu'une petite fraction de ses paramètres. Standard pour personnaliser la génération d'images.
Paramètres: Les « réglages internes » appris par le modèle, comptés en milliards (7B = 7 milliards). Plus de paramètres = plus capable, mais plus gourmand.
Quantification: Compression d'un modèle (ex. format Q4) pour qu'il tienne dans moins de mémoire, avec une perte de qualité minime : c'est elle qui rend l'IA locale accessible.
VRAM: La mémoire de la carte graphique : le critère n°1 pour l'IA en local (8 Go = modèles 7-8B, 24 Go = 30B et plus).
Poids ouverts (open weights): Modèles téléchargeables librement (Llama, Mistral, Gemma, Qwen, DeepSeek…) qu'on peut exécuter chez soi, par opposition aux modèles fermés accessibles uniquement en ligne.
Multimodal: Se dit d'un modèle qui comprend et produit plusieurs formats : texte, image, audio, vidéo.
Agent IA: IA qui enchaîne elle-même des actions (chercher, ouvrir des outils, exécuter des étapes) pour accomplir une tâche, au lieu de seulement répondre.
Inférence: La phase d'utilisation du modèle (générer une réponse), par opposition à son entraînement. C'est elle qui est facturée au token dans le cloud.

← Tous les guides IA