Intelligences artificielles: Glossaire

Algorithme (Algorithm)

Un algorithme est une suite finie d'opérations ou d'instructions permettant de résoudre un problème ou d'obtenir un résultat.
(Coulombe et Drouin, 2022, p.32)

Apprentissage automatique (Machine Learning)

L'apprentissage automatique est un champ d'études de l'intelligence artificielle. Ce domaine se fonde sur les statistiques pour donner à l'ordinateur, par le moyen d'un algorithme ou d'un arbre de décision, la capacité d'apprendre par lui-même à partir de jeux de données plutôt qu'à partir d'instructions explicitement programmées afin de s'acquitter d'une tâche.
(Coulombe et Drouin, 2022, p.37)

Apprentissage par renforcement (Reinforcement Learning)

Apprentissage automatique dans lequel un programme extérieur évalue positivement ou négativement les résultats successifs de l'algorithme, l'accumulation des résultats permettant à l'algorithme d'améliorer ses performances jusqu'à ce qu'il atteigne un objectif préalablement fixé.
(Ministère de la Culture de la France, 2018)

Apprentissage profond (Deep Learning)

Par apprentissage profond, on entend un traitement effectué par un grand nombre de neurones artificiels (imitant de façon très simplifiée les neurones biologiques) qui, par leurs interactions, permettent au système d'apprendre progressivement à partir d'images, de textes ou d'autres données
(Bengio, 2016, p.44)

Apprentissage supervisé (Supervised Learning)

L'apprentissage supervisé est un type d'apprentissage automatique dans lequel un algorithme s'entraîne à une tâche en utilisant un jeu de données annotées. Chaque annotation indique le résultat attendu de l'algorithme. On considère que l'entraînement est réussi lorsque l'écart entre les prédictions de l'algorithme et les annotations est minimal.
(Coulombe et Drouin, 2022, p.38)

Base de connaissances (Knowledge Base)

Base de données contenant l'ensemble des informations intégrées dans un système d'intelligence artificielle.
(Office québécois de la langue française, s. d.)

Les bases de connaissances se retrouvent notamment dans les systèmes à base de connaissances et les systèmes experts, qui sont des applications phares de l'intelligence artificielle symbolique.
(Coulombe et Drouin, 2022, p.46)

Génération augmentée d'information contextuelle (Retrieval-Augmented Generation)

Méthode d'adaptation [et de] peaufinage des résultats d'un grand modèle de langues par enrichissement des requêtes avec des sources d'informations externes et à jour afin de générer des résultats plus précis et plus utiles.
(Services publics et Approvisionnement Canada, 2024)

Grand modèle de langage (Large Language Model)

Modèle de langage constitué par apprentissage profond à partir de mégadonnées.
(Office québécois de la langue française, 2024)

Note : Les grands modèles de langage permettent à des agents conversationnels de répondre à des requêtes en langage naturel de façon syntaxiquement et sémantiquement correcte, en prenant en compte un grand nombre de paramètres, pouvant atteindre l'ordre du billion (1012).

Intelligence artificielle (Artificial Intelligence)

Capacité d'une [entité logicielle ou d'une entité matérielle équipée d'éléments logiciels] à exécuter des fonctions généralement associées à l'intelligence humaine [...]
(Organisation internationale de normalisation, 1995)

Intelligence artificielle générative (Generative AI)

Outil de production de contenu, généré au moyen d'algorithmes et à partir de mégadonnées, généralement rendu sous forme de fichier texte, son, vidéo ou image.
(Office québécois de la langue française, 2024)

Note : L'utilisation de l'intelligence artificielle générative peut mener au plagiat ou à la désinformation, notamment lorsqu'il s'agit de données issues d'hypertrucage. Plus largement, les agents conversationnels sont des types d'intelligence artificielle générative.

Langage formel (Formal Language)

Langage qui utilise un ensemble de termes et de règles syntaxiques pour permettre de communiquer sans aucune ambiguïté (par opposition à langage naturel).
(Office québécois de la langue française, 2024)

Langue naturelle (Natural Language)

Langue qui se développe spontanément au sein d'une communauté humaine en réponse à un besoin d'ordre communicationnel, dont la création ne peut être attribuée à une personne ou un groupe particulier, et dont la codification normative, lorsqu'existante, succède à l'usage.
(Office québécois de la langue française, 2024)

Mégadonnées (Big Data)

Ensemble d'une très grande quantité de données, structurées ou non, se présentant sous différents formats et en provenance de sources multiples, qui sont collectées, stockées, traitées et analysées dans de courts délais, et qui sont impossibles à gérer avec des outils classiques de gestion de bases de données ou de gestion de l'information.
(Office québécois de la langue française, 2024)

Modèle de langage (Language Model)

Modèle statistique permettant, à partir de données sur la distribution d'éléments dans une langue naturelle, de déterminer pour chacun d'eux la possibilité qu'il apparaisse comme prochain élément d'une chaîne donnée.
(Office québécois de la langue français, 2024)

Note : Les éléments linguistiques pris en compte par les modèles de langage sont généralement des mots, mais il peut également s'agir de lettres ou de phonèmes. Les modèles de langage sont utilisés par exemple pour les agents conversationnels et pour la saisie semi-automatique. On nomme grand modèle de langage un modèle de langage constitué par apprentissage profond à partir de mégadonnées.

Neurone artificiel (Artificial Neuron)

Unité élémentaire de traitement d'un réseau neuronal, ayant plusieurs entrées et une sortie, dont la valeur de sortie est une fonction non linéaire d'une combinaison de valeurs d'entrée, les coefficients de pondération de la combinaison étant ajustables.
(Services publics et Approvisionnement Canada, 2024)

Ontologie (Computer Science Ontology)

Corpus structuré de concepts, qui est modélisé dans un langage permettant l'exploitation par un ordinateur des relations sémantiques ou taxonomiques établies entre ces concepts.
(Office québécois de la langue française, 2024)

Rédactique (Prompt Engineering)

Ensemble des techniques de rédaction orientées vers la formulation précise de requêtes envoyées à un système d'intelligence artificielle, en particulier à un grand modèle de langage, en vue d'en améliorer le fonctionnement ou d'en exploiter efficacement les capacités pour obtenir des résultats plus pertinents.
(Office québécois de la langue française, 2024)

Note : On recourt à la rédactique notamment pour s'assurer de l'adéquation entre les requêtes et les résultats retournés, expérimenter avec différents formats de requêtes à des fins d'évaluation, détecter des erreurs et des anomalies textuelles, automatiser certaines tâches ainsi que personnaliser un dialogueur.

Représentation des connaissances (Knowledge Representation)

La représentation des connaissances est une branche de l'intelligence artificielle qui s'intéresse à la modélisation et à la formalisation de l'information ou des connaissances dans le but de les traiter automatiquement (encoder, structurer, transformer, stocker, formuler des hypothèses, faire des inférences, etc.).
(Coulombe et Drouin, 2022, p.83)

Requête (Prompt)

Texte, séquence de programmation ou données que l'on envoie à un système d'intelligence artificielle pour lui demander d'accomplir une tâche particulière.
(Office québécois de la langue française, 2024)

Note : Comme le fonctionnement des intelligences artificielles génératives repose le plus souvent sur l'utilisation d'un grand modèle de langage, une requête prend normalement la forme de texte (commande, instructions, exemples, etc.), mais elle peut également prendre la forme de données visuelles ou sonores, notamment.

Note : Les requêtes sont essentielles pour communiquer les intentions de l'utilisateur au système d'intelligence artificielle de manière claire et précise. Elles peuvent être formulées de différentes façons selon l'outil et la tâche à accomplir.

Réseau de neurones artificiels (Artificial Neural Network)

Ensemble organisé de neurones artificiels interconnectés, créé dans le but de pouvoir effectuer des opérations complexes ou de résoudre des problèmes difficiles grâce à un mécanisme d'apprentissage lui permettant d'acquérir une forme d'intelligence.
(Office québécois de la langue française, 2024)

Système expert (Expert System)

Système à base de connaissances conçu pour remplacer l'expertise des spécialistes dans un domaine donné.
(Office québécois de la langue française, 2024)

Note : Les systèmes experts sont constitués d'une base de connaissances contenant une représentation formalisée des connaissances d'un domaine. Il revient au cogniticien de colliger celles-ci auprès d'experts et de les formaliser en langage de représentation.

Traitement automatique de la langue naturelle (Natural Language Processing)

Le traitement automatique du langage naturel (TALN ou TAL) est un domaine multidisciplinaire impliquant la linguistique, l'informatique et l'intelligence artificielle. L'objectif du TALN est d'étudier, de comprendre la langue naturelle et de créer des outils pour diverses applications.
(Coulombe et Drouin, 2022, p.96)

Transformateur génératif pré-entraîné (Generative Pre-Trained Transformer ou GPT)

Famille de modèles de langage généralement formée sur un grand corpus de données textuelles pour générer un texte de type humain.
(Wikipedia.)

Note : Le "pré-entrainement" dans son nom fait référence au processus de formation initial sur un grand corpus de texte où le modèle apprend à prédire le mot suivant dans un passage, ce qui fournit une base solide pour que le modèle fonctionne bien sur des tâches en aval avec des quantités limitées de données spécifiques à la tâche.