L'écosystème de l'intelligence artificielle repose sur une terminologie complexe souvent réservée aux experts. Pour éclairer le grand public, il est essentiel de comprendre les concepts fondamentaux qui régissent ces technologies. L'intelligence artificielle générale (AGI) désigne une machine capable de surpasser l'humain sur la majorité des tâches cognitives, bien que cette définition reste encore floue parmi les chercheurs. Aujourd'hui, le terme le plus courant est celui de modèle de langage à grande échelle (LLM), le moteur derrière des assistants comme ChatGPT ou Gemini. Ces modèles sont des réseaux de neurones profonds capables de traiter des billions de paramètres pour comprendre et générer du langage. Le processus de création de ces modèles commence par l'entraînement, une phase où le système apprend des motifs dans d'énormes volumes de données. Une fois entraîné, le modèle passe au stade de l'inférence, qui consiste à générer des réponses en temps réel. Pour optimiser ce processus, on utilise la mise au point fine, qui ajuste un modèle existant sur des données spécifiques, ou l'apprentissage par transfert, qui réutilise des connaissances acquises précédemment pour de nouvelles tâches. Une technique avancée, le raisonnement par chaîne de pensée, oblige le modèle à décomposer un problème en étapes intermédiaires pour améliorer la précision des réponses, notamment en logique ou en codage. Les modèles de génération de contenu s'appuient souvent sur des réseaux antagonistes génératifs (GAN), où deux réseaux neuronaux entrent en compétition pour créer des images réalistes. D'autres techniques comme la diffusion permettent de générer des médias en inversant un processus de bruitage. Pour rendre ces systèmes plus efficaces, les développeurs utilisent la distillation, qui transfère les connaissances d'un modèle géant vers un modèle plus petit et plus rapide, ou le cache mémoire, qui stocke les résultats de calculs fréquents pour accélérer les réponses. Le vocabulaire IA inclut aussi le concept de poids, qui représente l'importance donnée à chaque donnée lors de l'apprentissage, et celui de jetons. Les jetons sont les unités de base de communication, correspondant à des fragments de texte analysés par le modèle, et constituent la base du facturation des services. Malheureusement, ces systèmes souffrent d'un défaut majeur : l'hallucination. Il s'agit de la tendance des modèles à inventer des informations factuellement incorrectes, un risque qui pousse à développer des IA plus spécialisées pour limiter les erreurs. L'essor de ces technologies a des conséquences matérielles tangibles. La demande massive en puissance de calcul et en mémoire vive (RAM) a créé une pénurie mondiale surnommée la « RAMageddon », entraînant une hausse des prix pour l'ensemble du secteur technologique. Par ailleurs, les agents IA émergents promettent d'aller au-delà du simple chat en exécutant des tâches autonomes complexes, bien que l'infrastructure nécessaire soit encore en cours de déploiement. Enfin, la surveillance de ces avancées inclut désormais des considérations sur la sécurité et la vérification des données pour contrer les risques de désinformation. Ce glossaire évolue constamment pour refléter les progrès rapides de ce domaine en mutation permanente.