Prompt, token, hallucination, agent : quand on débute avec les outils d'IA, on bute vite sur des termes que personne n'explique. Tu trouveras ici les plus importants en langage simple, chacun avec un exemple tiré de la pratique et des renvois vers des outils et des guides adaptés. Les termes sont classés par thème, pour que tu repères plus facilement les liens entre eux. Depuis la vue d'ensemble, tu accèdes directement à chaque entrée.
Notions de base
Intelligence artificielle (IA)Artificial Intelligence (AI)
L'intelligence artificielle désigne des programmes informatiques qui accomplissent des tâches pour lesquelles il fallait jusqu'ici la réflexion humaine : comprendre le langage, reconnaître des images, rédiger des textes ou préparer des décisions. Ces programmes ne sont pas programmés étape par étape avec des règles fixes, ils apprennent des régularités à partir d'un très grand nombre d'exemples. Tu utilises probablement l'IA depuis longtemps, par exemple avec la reconnaissance faciale de ton téléphone, les suggestions de films de ton service de streaming ou le filtre anti-spam de ta boîte mail. Important pour débuter : l'IA ne pense pas comme un humain et n'a pas de conscience propre. Elle ressemble plutôt à un chercheur de régularités extrêmement assidu, qui estime d'après son expérience ce qui convient ensuite. La variante la plus connue aujourd'hui est l'IA générative, qui crée de nouveaux contenus sur simple demande.
Exemple : Si ton smartphone trie automatiquement tes photos par « plage » ou « chien », c'est grâce à l'IA. Un assistant IA comme ChatGPT va encore plus loin : il comprend tes questions et répond par des phrases complètes.
Voir aussi : IA générative, Grand modèle de langage (LLM), Top 5 : les modèles d'IA les plus populaires
IA générativeGenAI, Generative AI
L'IA générative crée de nouveaux contenus au lieu de simplement trier ou reconnaître ceux qui existent. À partir d'une courte description naissent ainsi des textes, des images, de la musique, des vidéos, des voix ou du code informatique. Pour les débutants, c'est la partie de l'IA avec laquelle on travaille le plus souvent directement : les assistants de chat en font partie, tout comme les générateurs d'images ou les outils de création de chansons. Imagine un cuisinier qui a étudié des milliers de recettes et qui te compose un nouveau plat sur demande. Il ne copie pas une recette en particulier, il recombine ce qu'il a appris. C'est justement pour cela que les résultats paraissent souvent étonnamment bons, mais ils peuvent aussi contenir des erreurs ou des incohérences. Vérifie donc toujours toi-même les contenus importants avant de les publier ou de les transmettre.
Exemple : Dans Midjourney, tu tapes « un café douillet sous la pluie, style aquarelle » et tu obtiens plusieurs images entièrement nouvelles. Avec Suno, quelques lignes de texte deviennent même une chanson complète avec chant.
Voir aussi : Grand modèle de langage (LLM), Génération d'images, Musique & chansons
Grand modèle de langage (LLM)Large Language Model, modèle de langage
Derrière le sigle LLM se cache un grand modèle de langage (Large Language Model) : un programme d'IA entraîné sur d'énormes quantités de texte et capable ainsi de comprendre et de produire du langage. Au fond, il fait quelque chose d'étonnamment simple. Il prédit, morceau par morceau, quel fragment de texte a le plus de chances de venir ensuite. Comme il a appris d'innombrables liens au passage, il en sort des lettres entières, des résumés ou du code informatique. Les LLM sont le moteur des assistants de chat comme ChatGPT, Claude ou Google Gemini. C'est comparable à la saisie prédictive du clavier de ton téléphone, mais en infiniment plus grand et plus performant. Pour toi, cela signifie qu'un LLM formule de façon fluide et convaincante, mais ne sait pas automatiquement si une affirmation est vraie.
Exemple : Si tu demandes à Claude de reformuler plus sobrement un message énervé adressé à ton propriétaire, c'est un LLM qui travaille en arrière-plan. Il écrit la nouvelle version fragment par fragment, en s'appuyant sur les tournures qu'il a apprises.
Voir aussi : Token, Fenêtre de contexte, Top 5 : les modèles d'IA les plus populaires
Assistant IA (chatbot)Chatbot, chatbot IA, AI Assistant
Avec un assistant IA, tu discutes en langage tout à fait normal, au clavier ou à la voix, et il répond à tes questions ou accomplit des tâches pour toi. Les exemples connus sont ChatGPT, Claude, Google Gemini et Microsoft Copilot. Contrairement aux anciens chatbots des sites d'entreprise, qui se contentent de débiter des réponses toutes faites, les assistants modernes comprennent aussi des demandes formulées de façon inhabituelle et tiennent compte de l'historique de la conversation. Tu peux te les représenter comme un renfort polyvalent : il écrit, explique, traduit, planifie et organise des idées. Beaucoup d'assistants savent désormais aussi chercher sur Internet, lire des fichiers ou créer des images. Lequel te convient le mieux dépend de tes tâches, de ton budget et de tes exigences en matière de protection des données.
Exemple : Une demande typique à Microsoft Copilot : « Rédige un refus aimable pour la fête d'anniversaire de samedi, je suis malade. » Quelques secondes plus tard, tu as un texte qu'il ne te reste plus qu'à adapter et à envoyer.
Voir aussi : Top 5 : les modèles d'IA les plus populaires, ChatGPT, Claude, Gemini ou Mistral : quel assistant IA te convient ?, Grand modèle de langage (LLM)
Données d'entraînementTraining Data, corpus d'entraînement
Les données d'entraînement sont les exemples à partir desquels une IA apprend, donc par exemple des textes, des images, des enregistrements audio ou du code informatique. Selon le modèle, il s'agit d'immenses collections issues de pages web accessibles au public, de livres, de contenus sous licence et d'autres sources. Pour toi, cela a deux conséquences pratiques. Premièrement, un modèle ne connaît que ce qui figurait dans ses données jusqu'à une date limite précise ; il n'apprend les événements plus récents que s'il cherche en plus sur Internet. Deuxièmement, les données déterminent ce que l'IA sait bien faire et quels biais elle reprend. Comme un élève, elle ne sait que ce qui figurait dans ses manuels. Certains fournisseurs utilisent en outre tes conversations pour poursuivre l'entraînement ; selon le fournisseur et l'offre, tu peux désactiver cela.
Exemple : Si tu demandes à un assistant IA sans recherche web le résultat d'un match de foot d'hier, il ne peut pas le connaître. Le match ne figurait tout simplement pas encore dans ses données d'entraînement.
Voir aussi : Opt-out de l'entraînement, Biais, Protection des données et outils d'IA : ce que tu peux saisir et ce qu'il faut éviter
HallucinationConfabulation, hallucination de l'IA
On parle d'hallucination lorsqu'une IA affirme quelque chose de faux ou de complètement inventé avec autant d'assurance que s'il s'agissait d'un fait établi. Cela arrive parce qu'un modèle de langage n'interroge pas une base de données de connaissances vérifiées, mais produit des formulations qui semblent plausibles. Les exemples typiques sont des citations inventées, des dates erronées, des études qui n'existent pas ou des liens qui ne mènent nulle part. Pour les débutants, c'est le piège le plus important de tous, car la réponse reste fluide et convaincante même lorsqu'elle est fausse. C'est comparable à un invité de soirée qui préfère inventer une histoire plutôt que d'admettre qu'il ne sait pas quelque chose. Vérifie donc les chiffres, les noms et les sources avant de les réutiliser.
Exemple : Imaginons que tu demandes à ChatGPT trois ouvrages spécialisés sur les bassins de jardin, avec auteur et éditeur. L'un d'eux n'existe pas du tout, alors que le titre et l'éditeur semblent parfaitement crédibles. Une rapide recherche démasque l'erreur.
Voir aussi : Vérifier les réponses de l'IA : repérer et éviter les hallucinations, Deep Research, Recherche & connaissances
BiaisBiais algorithmique, distorsion, Bias
Un biais est une distorsion : le terme décrit le fait qu'une IA favorise ou désavantage systématiquement certains groupes, opinions ou points de vue. La cause se trouve le plus souvent dans les données d'entraînement : ce qui y apparaît souvent, l'IA le considère comme normal, et ce qui manque, elle l'oublie facilement. Si les données reflètent de vieux clichés, l'IA les reprend sans s'en rendre compte. Au quotidien, cela se remarque particulièrement avec les générateurs d'images, mais aussi dans des textes, des offres d'emploi ou des résumés de sujets controversés. Une comparaison : qui ne lit qu'un seul journal se fait facilement une image déformée du monde. Fais donc attention aux résultats qui semblent partiaux et, si nécessaire, formule ton prompt délibérément de façon plus diversifiée.
Exemple : Si tu demandes à un générateur d'images « une photo d'une personne qui dirige une entreprise », les résultats montrent souvent surtout des hommes en costume. Si tu décris précisément qui tu imagines, le résultat devient plus varié.
Voir aussi : Données d'entraînement, Offre d'emploi & recrutement pour PME, Vérifier les réponses de l'IA : repérer et éviter les hallucinations
MultimodalIA multimodale, Multimodality
On dit d'une IA qu'elle est multimodale lorsqu'elle comprend ou produit plusieurs types d'informations, donc pas seulement du texte, mais aussi des images, la parole, de l'audio ou de la vidéo. Les premiers modèles de langage savaient seulement lire et écrire. Aujourd'hui, tu peux montrer une photo à de nombreux assistants, leur envoyer un message vocal ou téléverser un fichier PDF, et tu reçois une réponse adaptée. C'est pratique pour toi, parce que tu n'as plus besoin de tout mettre péniblement en mots : une photo de l'antivol de vélo coincé en dit parfois plus long que trois paragraphes de description. On peut comparer cela à une personne qui voit, entend et lit en même temps. Les formats qu'un outil traite exactement, et ce qui en est possible dans la version gratuite, varient selon le fournisseur.
Exemple : Une photo du contenu de ton frigo suffit : Google Gemini reconnaît les aliments sur l'image et te propose des recettes adaptées, sans que tu doives taper chaque ingrédient un par un.
Voir aussi : Top 5 : les modèles d'IA les plus populaires, Transcription (Speech-to-Text), Text-to-Image
Prompts et travail avec l'IA
PromptInvite, requête, instruction
Toute saisie par laquelle tu dis à une IA ce qu'elle doit faire s'appelle un prompt : une question, une demande ou une consigne de travail détaillée. Il peut se composer d'un seul mot ou de plusieurs paragraphes avec des exemples et des fichiers joints. Le prompt est ton outil le plus important, car la qualité de la réponse dépend fortement de la clarté de ta formulation. Pense à une commande passée à un artisan : « Fais-moi une jolie salle de bain » mène à des surprises, alors qu'une description précise avec les dimensions et ta couleur préférée mène à ce que tu imagines. Avec les outils d'image, de vidéo et de musique aussi, le prompt décrit ce qui doit être créé. De bons prompts indiquent l'objectif, le contexte et le format de réponse souhaité.
Exemple : Au lieu de « Écris un truc sur les chiens », tu tapes dans ChatGPT : « Écris un texte Instagram court et drôle sur un teckel qui déteste la pluie, avec trois hashtags adaptés. » Le résultat convient tout de suite beaucoup mieux.
Voir aussi : Écrire des prompts pour débutants : comment obtenir de meilleures réponses, Prompt engineering, Prompt système
Prompt engineeringIngénierie de prompt, conception de prompts, prompting
Le prompt engineering est l'art de formuler des instructions pour une IA de manière à obtenir de façon fiable de bons résultats. Cela paraît technique, mais il s'agit surtout de communiquer clairement. Quelques éléments ont fait leurs preuves : donner un rôle à l'IA, expliquer le contexte, nommer précisément la tâche, fixer le format souhaité et, si besoin, fournir un exemple. L'affinage est tout aussi important. Si la première réponse ne convient pas, tu dis concrètement ce qui doit changer, au lieu de simplement reposer la question. Tu n'as besoin pour cela ni de connaissances en programmation ni d'astuces secrètes. C'est comme déléguer au travail : qui sait bien briefer reçoit un meilleur travail en retour. Les prompts réussis valent la peine d'être enregistrés et réutilisés.
Exemple : Le rôle, le contexte et le format font la différence. Tu écris à Claude : « Tu es conseiller en voyages. Planifie cinq jours à Lisbonne pour deux personnes avec un petit budget, sous forme de tableau avec programme journalier et coûts estimés. »
Voir aussi : Écrire des prompts pour débutants : comment obtenir de meilleures réponses, Prompt système, Texte & rédaction
Prompt systèmeInstruction système, System Prompt, System Message
En arrière-plan de nombreux chats d'IA se trouve une instruction de base, le prompt système. Il définit comment l'IA doit se comporter de manière générale, avant même que tu écrives ton premier message. Les fournisseurs y fixent par exemple le ton, les règles de sécurité ou la date du jour. Normalement, tu ne vois pas cette instruction, mais elle influence chaque réponse. C'est comparable à l'intégration de nouveaux employés : avant de servir le premier client, ils connaissent le règlement intérieur et le ton à adopter. Intéressant pour toi : dans de nombreux assistants, tu peux définir toi-même quelque chose de similaire via des réglages comme les instructions personnalisées ou les projets. Un assistant avec ta voix de marque fonctionne aussi selon ce principe. Ainsi, tu n'as pas besoin de réexpliquer dans chaque chat qui tu es.
Exemple : Dans les paramètres de ChatGPT, tu enregistres une fois pour toutes : « J'enseigne les maths dans un collège, réponds brièvement, en français et sans jargon. » Chaque nouvelle conversation tient ensuite automatiquement compte de ces consignes.
Voir aussi : GPT personnalisé avec voix de marque, Prompt engineering, Prompt
Fenêtre de contexteContext Window, longueur de contexte
La fenêtre de contexte décrit la quantité de texte qu'une IA peut garder en vue simultanément dans une conversation. Cela comprend tes messages, ses réponses et les fichiers téléversés. Cette capacité se mesure en tokens, et sa taille varie selon le modèle. Imagine un bureau : tout ce qui est posé dessus, l'IA peut le prendre en compte. S'il devient trop encombré, les feuilles les plus anciennes glissent par terre, et l'IA oublie des détails du début ou se contredit. Dans les longues conversations ou avec de gros documents, tu le remarques par exemple quand des règles convenues au départ sont soudain ignorées. Il est alors utile de démarrer une nouvelle conversation avec un bref résumé de ce qui précède. Pour les grandes collections de documents, il existe en outre des solutions comme le RAG.
Exemple : Si tu travailles pendant des semaines sur ton mémoire dans une seule et même conversation, l'IA finit par ne plus respecter les règles de citation fixées au départ. Le long historique épuise la fenêtre de contexte.
Voir aussi : Token, Discute avec tes documents (base de connaissances), RAG (Retrieval-Augmented Generation)
TokenTokens, jeton
Avant qu'une IA traite un texte, elle le découpe en petits fragments, les tokens. Un token peut être un mot court, une syllabe ou même un simple signe de ponctuation. Les mots longs comme « anticonstitutionnellement » se composent généralement de plusieurs tokens. Les tokens comptent pour toi, parce que de nombreuses limites se mesurent en tokens : la quantité de texte qui tient dans la fenêtre de contexte, la longueur maximale d'une réponse et le coût d'utilisation via une API. On peut se les représenter comme des briques de Lego à partir desquelles les phrases sont assemblées. Attention au vocabulaire : certains outils comme Leonardo AI appellent aussi « tokens » leur crédit gratuit. Il s'agit alors de points de facturation pour des images, et non de fragments de texte.
Exemple : Un long contrat dans Claude plus de nombreuses questions de suivi : comme l'IA retraite tout l'historique à chaque réponse, tu consommes beaucoup de tokens et tu atteins ta limite plus vite qu'avec des questions courtes.
Voir aussi : Fenêtre de contexte, Limite d'utilisation, Grand modèle de langage (LLM)
TempératureTemperature
La température permet de régler à quel point une IA répond de façon prévisible ou variée. À basse température, le modèle choisit presque toujours la formulation la plus probable, et les réponses deviennent factuelles et uniformes. À haute température, il opte plus souvent pour des mots inhabituels. Cela paraît plus créatif, mais augmente aussi le risque d'absurdités et d'hallucinations. On peut comparer cela à un musicien : à basse température, il joue la mélodie note pour note ; à haute température, il improvise librement. Dans les applis de chat habituelles, la valeur est le plus souvent préréglée et invisible pour toi. Dans les interfaces pour développeurs ou via une API, tu peux souvent la choisir toi-même. Dans le chat, tu obtiens un effet similaire avec des demandes comme « réponds sobrement » ou « sois espiègle ».
Exemple : Si tu demandes plusieurs fois à ChatGPT un slogan pour ton café, tu reçois à chaque fois une proposition différente. C'est dû entre autres à la température : une certaine part de hasard est intégrée volontairement.
Voir aussi : Prompt engineering, API, Hallucination
Limite d'utilisationQuota, Rate Limit
On appelle limite d'utilisation le plafond qui fixe combien tu peux utiliser un outil d'IA sur une période donnée. Il peut s'agir d'un nombre de messages par tranche de temps, d'une quantité fixe de crédits par jour ou d'une restriction sur des fonctions particulièrement gourmandes. Dans la version gratuite de Claude, par exemple, une limite s'applique par tranche de cinq heures ; chez Perplexity, ce sont trois recherches Pro par jour. Ces limites existent parce que chaque réponse d'IA coûte une vraie puissance de calcul. Imagine-le comme le volume de données de ton forfait mobile : une fois épuisé, tu dois attendre ou tu disposes de moins de performances. Les offres payantes relèvent généralement ces limites, mais elles sont rarement totalement illimitées. Planifie donc les tâches importantes avec un peu de marge.
Exemple : Avec la version gratuite de ChatGPT, tu crées des visuels pour une invitation d'anniversaire. Au bout d'environ deux à trois images, l'outil t'indique que ton quota du jour est épuisé. Il ne reste alors qu'à attendre ou à passer à un autre outil.
Voir aussi : Outils d'IA gratuits : ce que tu obtiens vraiment sans payer et où sont les limites, Gratuit ou abonnement : quand un abonnement IA vaut vraiment le coup, Freemium
Deep ResearchRecherche approfondie, mode recherche
Deep Research est le nom que plusieurs fournisseurs donnent à un mode dans lequel l'IA ne répond pas à une question en quelques secondes, mais prend plusieurs minutes pour faire des recherches de manière autonome. Elle formule ses propres requêtes, lit de nombreuses pages web, compare les informations et livre à la fin un rapport structuré avec indication des sources. Cela vaut le coup pour les sujets pour lesquels tu ouvrirais sinon dix onglets dans ton navigateur, par exemple pour un comparatif de produits ou un panorama de marché. On peut comparer cela à un assistant que tu envoies à la bibliothèque et qui revient avec un dossier. Le mode est proposé entre autres dans Google Gemini et ChatGPT, et d'autres outils de recherche ont des fonctions similaires. Gratuitement, il n'est le plus souvent utilisable que de façon limitée. Tu devrais tout de même vérifier les sources par sondage.
Exemple : Dans le mode Deep Research de Google Gemini, tu demandes : « Compare pompe à chaleur et chaudière à granulés pour une maison individuelle de 1985. » Au bout de quelques minutes, tu reçois un rapport structuré avec avantages et inconvénients et des liens vers les sources.
Voir aussi : Recherche & connaissances, Agent de recherche : sujet → briefing + sources, Vérifier les réponses de l'IA : repérer et éviter les hallucinations
Modèles et technique
Modèle de raisonnementMode réflexion, modèle Thinking, Reasoning Model
Les modèles de raisonnement réfléchissent avant de répondre : ils décomposent une tâche en interne en étapes intermédiaires, examinent les pistes de solution possibles et écartent les mauvaises approches, au lieu de se mettre aussitôt à écrire. Cela prend quelques secondes à quelques minutes de plus, mais donne généralement de bien meilleurs résultats en maths, en logique, en planification, en code ou pour des comparaisons délicates. C'est comparable à une personne qui, face à un calcul difficile, prend d'abord une feuille de brouillon. Dans de nombreux assistants IA, tu rencontres ce principe sous forme d'interrupteur ou de mode portant un nom comme « Réflexion » ou « Thinking ». Pour un court e-mail, cela vaut rarement la peine. Comme la réflexion consomme davantage de puissance de calcul, une limite d'utilisation plus stricte s'applique souvent dans l'offre gratuite, selon le fournisseur.
Exemple : Si tu demandes à ChatGPT en mode réflexion lequel de trois forfaits mobiles est le moins cher sur deux ans compte tenu de ta consommation, le modèle calcule les variantes étape par étape au lieu de simplement estimer.
Voir aussi : Top 5 : les modèles d'IA les plus populaires, ChatGPT, Claude, Gemini ou Mistral : quel assistant IA te convient ?, Grand modèle de langage (LLM)
Fine-tuningAjustement fin, réentraînement
Lors du fine-tuning, un modèle d'IA déjà entièrement entraîné est réentraîné avec des exemples propres, afin qu'il maîtrise durablement mieux une tâche ou un style précis. Imagine une cuisinière diplômée qui apprend les recettes maison dans un nouveau restaurant : elle sait cuisiner depuis longtemps, elle reçoit maintenant la touche finale. Pour les débutants, c'est surtout la distinction qui compte. Qui donne simplement à l'IA des règles, des modèles ou des fichiers, par exemple via un prompt système, ne modifie pas le modèle lui-même et ne fait pas de fine-tuning. Un véritable réentraînement nécessite en règle générale de nombreux exemples soigneusement préparés, un savoir-faire technique et un budget. Au quotidien, tu atteins donc le plus souvent ton but plus vite avec de bonnes instructions ou avec le RAG.
Exemple : Un GPT personnalisé avec ta voix de marque n'est pas du fine-tuning : tu donnes seulement à ChatGPT des instructions et des textes d'exemple. Ce ne serait du fine-tuning que si quelqu'un réentraînait le modèle avec des centaines de tes réponses clients passées.
Voir aussi : GPT personnalisé avec voix de marque, Données d'entraînement, Prompt système
Modèles open source et open weightModèles ouverts, Open Models, IA open source
On appelle modèle open weight un modèle d'IA dont les poids entièrement entraînés, c'est-à-dire ses connaissances acquises sous forme de nombres, sont librement téléchargeables. L'open source au sens strict va plus loin : le code d'entraînement, des informations sur les données d'entraînement et une licence libre sont alors aussi publiés. Au quotidien, les deux termes sont souvent confondus. Une comparaison : l'open weight, c'est comme un gâteau tout prêt à emporter, l'open source fournit aussi la recette. Des fournisseurs comme Meta, Mistral ou DeepSeek publient de tels modèles. Pour toi, l'essentiel est qu'ils peuvent tourner sur ton propre matériel, sans abonnement. C'est la licence concernée qui détermine si l'usage commercial est autorisé. Si tu utilises le même modèle via l'appli du fournisseur, tes saisies atterrissent malgré tout sur ses serveurs.
Exemple : Stable Diffusion, tu peux le télécharger gratuitement et l'utiliser sur ton propre ordinateur : sans abonnement, sans crédits et sans que tes prompts soient envoyés à un fournisseur. C'est exactement ce que permet un modèle ouvert.
Voir aussi : IA locale, Utiliser l'IA hors ligne sur le téléphone (LLM local), Génération d'images
IA localeIA embarquée, IA hors ligne, LLM local
On parle d'IA locale lorsqu'un modèle d'IA tourne directement sur ton propre appareil, donc sur ton ordinateur portable, ton PC ou ton smartphone, et non dans le cloud d'un fournisseur. Le grand avantage : tes textes, photos et enregistrements ne quittent pas l'appareil, et beaucoup de choses fonctionnent même sans Internet et sans abonnement. C'est comme cuisiner dans ta propre cuisine au lieu de commander à un service de livraison : plus de contrôle, mais il te faut l'équipement adapté. Les modèles locaux sont généralement plus petits que les grands assistants dans le cloud ; ils répondent donc parfois plus simplement et, selon leur taille, ont besoin de beaucoup de mémoire vive ou d'une bonne carte graphique. C'est surtout grâce aux modèles ouverts que c'est possible. Pour les documents sensibles, l'IA locale est souvent la solution la plus respectueuse de la vie privée.
Exemple : Avec Whisper (local), tu fais transcrire un entretien client confidentiel directement sur ton ordinateur portable. L'enregistrement n'est pas téléversé, et il n'y a aucun coût à la minute.
Voir aussi : Utiliser l'IA hors ligne sur le téléphone (LLM local), Protection des données et outils d'IA : ce que tu peux saisir et ce qu'il faut éviter, Modèles open source et open weight
APIInterface de programmation, Application Programming Interface
API est l'abréviation d'Application Programming Interface, en français interface de programmation. Il s'agit d'une voie strictement définie par laquelle deux programmes communiquent entre eux. Une comparaison avec le restaurant : tu ne vas pas toi-même en cuisine, tu passes ta commande au serveur, et il t'apporte le plat prêt. Avec les outils d'IA, l'API entre en jeu chaque fois qu'une autre appli s'adresse à un modèle de langage sans fenêtre de chat, par exemple dans une automatisation. Important pour les débutants : l'API est en général facturée séparément de l'abonnement au chat, le plus souvent selon la consommation en tokens. La clé API nécessaire pour cela, traite-la comme un mot de passe et ne la partage jamais publiquement.
Exemple : Si tu transmets automatiquement chaque nouvelle demande de contact à ChatGPT avec Zapier (Free), cela passe par l'API : tu enregistres une fois ta clé API, ensuite chaque brouillon de réponse est créé sans aucune fenêtre de chat.
Voir aussi : Agents IA & automatisation, Automatisation de workflows, Qualification de leads & relance
EmbeddingPlongement vectoriel, représentation vectorielle
Derrière un embedding se cache la traduction d'un texte, d'images ou de sons en une longue suite de nombres qui représente leur sens. Les contenus de sens proche reçoivent des nombres semblables et se retrouvent ainsi proches les uns des autres. Imagine une immense carte des significations : « chien » et « chiot » sont presque côte à côte, « déclaration d'impôts » se trouve très loin. Ainsi, une IA peut trouver ce qui correspond, même lorsque des mots tout à fait différents sont utilisés. En tant que débutant, tu n'as guère besoin de créer toi-même des embeddings. Mais tu les rencontres partout où une recherche fonctionne selon le sens plutôt que selon des termes exacts, par exemple dans le chat avec tes propres documents, dans les recommandations ou avec le RAG.
Exemple : Si tu demandes dans un chat avec tes documents « Combien de temps à l'avance dois-je prévenir si je déménage ? », l'IA trouve grâce aux embeddings le paragraphe sur le préavis dans le bail, même si des mots tout à fait différents y figurent.
Voir aussi : RAG (Retrieval-Augmented Generation), Discute avec tes documents (base de connaissances), Recherche & connaissances
RAG (Retrieval-Augmented Generation)Génération augmentée par récupération
RAG signifie Retrieval-Augmented Generation, en traduction libre : des réponses précédées d'une recherche documentaire. L'IA cherche d'abord les passages pertinents dans une source de connaissances, par exemple dans tes documents ou sur Internet, puis formule sa réponse sur cette base, souvent avec indication des sources. C'est comme un examen à livre ouvert plutôt que de mémoire. Pour les débutants, c'est important, car l'IA peut ainsi utiliser des informations récentes ou très spécialisées qui ne figuraient jamais dans ses données d'entraînement. En outre, le risque d'hallucinations diminue, mais elles ne disparaissent pas complètement. Pour les affirmations importantes, vérifie donc toi-même la source indiquée.
Exemple : Si tu téléverses tes polycopiés de cours dans Gemini Notebook et que tu demandes quelles sont les principales théories de l'apprentissage, l'outil cherche d'abord les passages pertinents et répond avec des renvois numérotés vers les endroits concernés.
Voir aussi : Discute avec tes documents (base de connaissances), Recherche & connaissances, Vérifier les réponses de l'IA : repérer et éviter les hallucinations
Modèle de diffusionDiffusion Model
Les modèles de diffusion créent des images en faisant émerger étape par étape un motif à partir d'un pur bruit aléatoire. Pendant l'entraînement, ils voient des millions d'images de plus en plus bruitées et apprennent à retirer ce bruit. Lors de la génération, le modèle part alors d'une sorte de tempête de neige, et ton prompt oriente les formes et les couleurs qui en naissent. Cela ressemble à une vitre embuée qui s'éclaircit lentement jusqu'à ce qu'une scène apparaisse. Stable Diffusion porte déjà le principe dans son nom, et de nombreux autres générateurs d'images et de vidéos utilisent ce procédé ou un procédé apparenté. Pour toi, cela explique pourquoi le même prompt donne à chaque fois une image différente et pourquoi des réglages comme le nombre d'étapes ou le seed influencent le résultat.
Exemple : Si tu lances quatre fois le même prompt dans Stable Diffusion, tu obtiens quatre images différentes, parce que chacune commence avec un bruit différent. Si tu notes la valeur du seed, tu peux reproduire un résultat préféré avec les mêmes réglages.
Voir aussi : Génération d'images, Text-to-Image, Génération de vidéos
Text-to-ImageGénération d'images, générateur d'images IA, T2I
Text-to-Image signifie : tu décris une image avec des mots, et l'IA en crée en quelques secondes un nouveau visuel, du photoréaliste au dessiné. Cela fonctionne un peu comme avec une illustratrice à qui tu expliques au téléphone ce que tu imagines. Plus ta description est précise, plus le résultat est juste : le sujet, le style, la lumière, la perspective et le format ont leur place dans un bon prompt. Tu rencontreras cette technique dans les assistants de chat qui dessinent des images au passage et dans des générateurs d'images spécialisés. Les textes dans l'image ne réussissent pas aussi bien à tous les outils. Avant un usage commercial, vérifie en outre les conditions de ton offre et sois prudent avec les personnes réelles, les logos et les personnages protégés.
Exemple : Si tu écris dans ChatGPT (image) « Café douillet par une soirée pluvieuse, style aquarelle, format paysage », un visuel apparaît en quelques secondes, que tu ajustes ensuite avec un prompt de suivi, par exemple « plus de lumière chaude à la fenêtre ».
Voir aussi : Génération d'images, Modèle de diffusion, Écrire des prompts pour débutants : comment obtenir de meilleures réponses
Inpainting et outpaintingRemplissage génératif, suppression d'objets, extension d'image
Avec l'inpainting, tu remplaces ou supprimes de façon ciblée une partie d'une image : tu marques la zone, tu décris si besoin ce qui doit y apparaître, et l'IA la remplit en harmonie avec l'environnement. L'outpainting, lui, étend une image au-delà de ses bords, par exemple quand un format portrait doit devenir un large format paysage. C'est comparable à une restauratrice qui complète sans raccord visible une zone abîmée d'un tableau, ou à un puzzle que l'on continue au-delà du cadre. Au quotidien, tu rencontres les deux dans les applis photo sous des noms comme « Supprimer un objet », « Remplissage génératif » ou « Étendre l'image ». C'est idéal pour les photos de vacances, les images de produits et les formats pour les réseaux sociaux. Contrôle attentivement les mains, le texte et les contours dans le résultat.
Exemple : Dans Cleanup.pictures, tu effaces d'un simple geste un passant de ta photo de vacances, et l'IA complète la plage et le ciel derrière lui. Avec Adobe Photoshop, tu étends ensuite la même image au format paysage pour une miniature YouTube.
Voir aussi : Retouche photo, Créer des photos produit et du contenu pour une boutique en ligne, Upscaling
UpscalingMise à l'échelle, agrandissement par IA, Super Resolution
L'upscaling, ou mise à l'échelle, consiste à porter une image ou une vidéo à une résolution supérieure grâce à l'IA. L'agrandissement classique se contente d'étirer les pixels existants, et le résultat devient flou et pixelisé. Un upscaler IA, lui, ajoute des détails plausibles comme des mèches de cheveux, des textures de tissu ou des feuilles, parce qu'il a appris à quoi ces choses ressemblent normalement. C'est un peu comme un dessinateur expérimenté qui redessine proprement en grand format une petite esquisse. C'est pratique pour les vieilles photos de famille, les images de produits ou les images d'IA que tu veux imprimer. Mais garde en tête que les nouveaux détails sont inventés. Pour des visages, du texte ou des photos censées prouver quelque chose, le résultat peut donc s'écarter de l'original.
Exemple : Si tu agrandis quatre fois avec Upscayl une petite photo de téléphone de 2010, elle paraît ensuite souvent assez nette pour un tirage au format A4, et cela sans aucun frais.
Voir aussi : Retouche photo, Lancer une boutique Etsy / print-on-demand, Inpainting et outpainting
Synthèse vocale (TTS)Text-to-Speech, voix de synthèse, lecture à voix haute
La synthèse vocale par IA, ou TTS pour Text-to-Speech, transforme un texte écrit en parole. Les voix modernes ne sonnent presque plus robotiques : elles marquent des pauses, accentuent de façon sensée et peuvent, selon l'outil, parler sur un ton joyeux, calme ou neutre, souvent dans de nombreuses langues. Imagine un narrateur disponible à tout moment, qui lit ton script sans jamais bafouiller. Tu peux utiliser le TTS pour des voix off dans des vidéos, des versions audio d'articles de blog, des podcasts ou comme aide à la lecture pour apprendre. Avant de publier, fais attention à la licence, car chez de nombreux fournisseurs, le droit d'utiliser les enregistrements à des fins commerciales dépend de l'offre. Écoute au préalable un essai avec les termes techniques et les noms propres.
Exemple : Si tu colles le script de ta vidéo explicative dans ElevenLabs (Free) et que tu choisis une voix, tu obtiens en quelques secondes une voix off prête à l'emploi sous forme de fichier audio, que tu glisses directement dans ton montage vidéo.
Voir aussi : Synthèse vocale & voix off, Vidéo explicative avec avatar IA en plusieurs langues, Clonage de voix
Transcription (Speech-to-Text)Reconnaissance vocale, dictée vocale, ASR
Le Speech-to-Text convertit la parole en texte écrit, ce qu'on appelle aussi transcription. L'IA écoute un enregistrement ou une conversation en direct et prend des notes, souvent avec des horodatages et l'indication de qui est en train de parler. C'est comme un secrétaire de séance infatigable qui ne perd jamais le fil. Tu rencontres cette technique dans la fonction de dictée de ton téléphone, dans les sous-titres automatiques, les transcriptions de podcasts et les outils de réunion qui créent ensuite des résumés. La qualité dépend fortement de l'enregistrement : le bruit de fond, les accents régionaux ou les gens qui parlent en même temps entraînent des erreurs, et les noms sont souvent mal orthographiés. Avant d'enregistrer une conversation, toutes les personnes concernées doivent en outre être prévenues et d'accord.
Exemple : Si Fathom participe à ta visioconférence, il transcrit la conversation, attribue les interventions aux différents intervenants et t'envoie ensuite un résumé avec les tâches convenues.
Voir aussi : Réunions & transcription, Notes de réunion → résumé + actions, Produire un épisode de podcast et le recycler pour les réseaux
Clonage de voixVoice cloning, clonage vocal, clone vocal
Le clonage de voix crée une copie numérique d'une vraie voix. Pour cela, tu téléverses des enregistrements vocaux ; selon l'outil, de courts échantillons suffisent déjà, mais pour des résultats très naturels, il faut généralement des enregistrements plus longs et propres. Ensuite, l'IA peut prononcer n'importe quel texte avec cette voix, souvent même dans d'autres langues. C'est comparable à un imitateur qui, après une courte écoute, te reproduit de façon bluffante. C'est pratique pour les créateurs qui veulent sonoriser des vidéos sans s'enregistrer à chaque fois. Mais c'est justement cette force qui rend la technique risquée, par exemple pour les appels frauduleux et les deepfakes. Ne clone donc que ta propre voix ou une voix pour laquelle tu as une autorisation explicite. Les fournisseurs sérieux te demandent généralement de le confirmer.
Exemple : Si tu donnes à ElevenLabs quelques minutes d'enregistrements de ta propre voix, l'outil lit ensuite chaque nouveau script avec ton timbre, en anglais ou en espagnol si tu le souhaites.
Voir aussi : Synthèse vocale & voix off, Synthèse vocale (TTS), Vidéo explicative avec avatar IA en plusieurs langues
DeepfakeHypertrucage, médias synthétiques, deepfake audio
Les deepfakes sont des vidéos, des images ou des enregistrements audio créés ou manipulés par IA, qui font dire ou faire à des personnes réelles, de façon troublante de réalisme, des choses qui ne se sont jamais produites. Le nom associe « deep learning », une méthode d'apprentissage automatique, et le mot anglais « fake », qui signifie faux. Les deepfakes sont détournés par exemple pour des escroqueries, de fausses informations ou des images compromettantes. Des mouvements de bouche peu naturels, des contours qui scintillent, des mains étranges ou un éclairage incohérent peuvent les trahir, mais ces défauts se font plus rares. Fie-toi donc plutôt à un sain esprit critique : vérifie la source et le contexte, et renseigne-toi directement auprès de la personne concernée. Dans l'UE, l'AI Act européen prévoit un étiquetage de ces contenus.
Exemple : Si un membre de ta famille t'appelle soi-disant en panique et a besoin d'argent tout de suite, il peut s'agir d'un deepfake audio. Raccroche et rappelle au numéro que tu connais avant de virer quoi que ce soit.
Voir aussi : Étiquetage IA et filigranes, Clonage de voix, Génération de vidéos
Agents et automatisation
Agent IAAI Agent, mode agent, agent autonome
Un agent IA est un système d'IA qui ne se contente pas de répondre au sujet d'une tâche, mais l'accomplit de façon autonome en plusieurs étapes. Il planifie, utilise des outils comme la recherche web, un navigateur ou des fichiers, vérifie les résultats intermédiaires et continue jusqu'à ce que l'objectif soit atteint. Un assistant IA ordinaire ressemble à un guichet de renseignements, un agent plutôt à un assistant à qui tu confies une mission et qui se met en route. Au quotidien, tu rencontres les agents sous forme de mode agent dans ChatGPT, Gemini ou Claude et dans les outils d'automatisation de workflows. Important pour les débutants : les agents font des erreurs, comme toute IA. Fixe-leur des limites claires, fais-leur demander ton accord avant des achats ou l'envoi de messages, et contrôle le résultat.
Exemple : Si tu demandes à Manus de comparer trois hôtels à Lisbonne à moins de 120 euros la nuit, l'agent ouvre lui-même les sites de réservation, rassemble les prix et les avis et te livre à la fin un tableau comparatif prêt à l'emploi.
Voir aussi : Agents IA & automatisation, Mettre des agents IA sur le smartphone, Agent de recherche : sujet → briefing + sources
Automatisation de workflowsAutomatisation des processus, automatisation no-code
L'automatisation de workflows signifie que des processus récurrents se déroulent tout seuls selon des règles fixes : quand quelque chose se produit, une action précise suit automatiquement. Tu connais le principe avec la minuterie qui allume la lumière tous les soirs. Des outils comme Zapier, Make ou n8n relient pour cela des applis comme l'e-mail, les tableurs et l'agenda, le plus souvent par quelques clics plutôt qu'avec du code. Avec l'IA, ces processus deviennent nettement plus flexibles, parce qu'un modèle de langage comprend, trie ou résume des textes en cours de route. Contrairement à un agent IA, un workflow ne décide pas librement, mais suit exactement les étapes que tu as définies. Cela le rend prévisible. Le mieux est de commencer par une petite routine et de garder un œil sur les quotas gratuits des outils.
Exemple : Quand une facture arrive par e-mail, un workflow dans Zapier détecte la pièce jointe, fait extraire par ChatGPT le montant, la date et l'expéditeur, et inscrit le tout automatiquement dans un tableur, sans que tu aies à toucher à quoi que ce soit.
Voir aussi : Agents IA & automatisation, Extraction de données de reçus & factures, Automatiser sa boîte mail avec l’IA
MCP (Model Context Protocol)Model Context Protocol, serveur MCP, connecteur
Derrière le sigle MCP se cache un standard ouvert grâce auquel les assistants IA peuvent communiquer avec d'autres programmes et sources de données, par exemple avec un agenda, une appli de notes, une base de données ou des fichiers. On compare souvent le MCP à l'USB-C : un connecteur unique remplace de nombreux câbles spécifiques. Qui propose un outil sous forme de serveur MCP le rend ainsi utilisable par de nombreuses applis d'IA à la fois. Le MCP a été développé à l'origine par Anthropic, l'entreprise derrière Claude. Depuis fin 2025, l'Agentic AI Foundation, sous l'égide de la Linux Foundation, gère le standard, et ChatGPT, Claude, Cursor et Gemini, entre autres, le prennent en charge. Pour toi, le MCP apparaît le plus souvent comme un connecteur ou une intégration dans les paramètres. Ne connecte que des services en qui tu as confiance, car l'IA y obtient un véritable accès.
Exemple : Si tu connectes Claude à tes notes dans Notion via un serveur MCP, il peut y parcourir des pages et créer de nouvelles entrées, sans que tu aies à copier des contenus d'une fenêtre à l'autre.
Voir aussi : Agent IA, API, Agent Skills
Agent SkillsSkills, SKILL.md
Les Agent Skills sont des paquets de connaissances spécialisées et de modes d'emploi qu'un agent IA charge au besoin pour accomplir une tâche précise toujours de la même manière, de façon fiable. Au fond, un skill est un dossier contenant un fichier nommé SKILL.md. On y trouve un nom, une courte description et des instructions, éventuellement complétés par des modèles ou de petits scripts. L'agent ne lit d'abord que le nom et la description, et ne récupère les instructions complètes que lorsqu'une tâche y correspond. Ainsi, la fenêtre de contexte reste libre. Imagine un classeur de fiches recettes dans lequel un cuisinier pioche précisément la bonne. Le format vient d'Anthropic et est désormais un standard ouvert. Alors que le MCP donne accès aux programmes, les skills apportent le savoir-faire pour travailler avec eux.
Exemple : Si tu installes l'agent LinkedIn dans Claude Code, la commande /li-post avec une courte idée suffit : le skill te livre trois variantes d'accroche et un brouillon prêt à l'emploi dans ton propre style d'écriture.
Voir aussi : Agent LinkedIn : posts, commentaires & DM avec des skills Claude, MCP (Model Context Protocol), Agent IA
Vibe codingProgrammation par prompt, programmation assistée par IA
Le vibe coding désigne la programmation en langage courant : tu décris à une IA ce que ton appli ou ton site web doit savoir faire, et elle écrit le code nécessaire. Au lieu de comprendre chaque ligne, tu vérifies seulement si le résultat fonctionne et tu donnes des retours comme « Agrandis le bouton » ou « Enregistre les entrées de façon permanente ». Le terme s'est fait connaître début 2025 grâce au chercheur en IA Andrej Karpathy. Des outils comme Lovable, Bolt.new ou v0 transforment ainsi rapidement une idée en prototype, même sans connaissances en programmation. Cela ressemble à un architecte qui dessine en direct pendant que tu racontes. Le revers de la médaille : les erreurs et les failles de sécurité passent facilement inaperçues. Dès que de vraies données clients ou des paiements sont en jeu, une personne expérimentée devrait vérifier le code.
Exemple : Si tu écris dans Lovable « Crée-moi une appli web dans laquelle mon club de sport peut saisir les horaires d'entraînement », une première version cliquable apparaît en quelques minutes, que tu peaufines ensuite par chat.
Voir aussi : Créer une appli fonctionnelle sans savoir coder, Création de sites web, Code & développement
Coûts, droit et sécurité
FreemiumOffre gratuite, version gratuite, Free Tier
Le freemium est un modèle tarifaire dans lequel tu utilises gratuitement la version de base d'un outil et ne paies que pour obtenir davantage de fonctions. Le mot est formé de « free » et « premium ». Presque tous les outils d'IA connus fonctionnent ainsi : le niveau gratuit a une limite d'utilisation, par exemple un nombre fixe de messages, de crédits ou d'images par jour, ou bien il lui manque les modèles les plus puissants et des extras comme les téléchargements en haute qualité. Cela ressemble à une dégustation au supermarché, censée donner envie d'acheter le paquet entier. Pour tester, le freemium est idéal. Lis tout de même les petites lignes, car certaines offres gratuites ajoutent des filigranes, n'autorisent pas l'usage commercial ou utilisent tes saisies pour l'entraînement, selon le fournisseur.
Exemple : Perplexity t'offre gratuitement 3 recherches Pro par jour. Si tu as besoin de plus de recherches approfondies chaque jour, tu passes à Perplexity Pro / Max, qui commence à 20 $ par mois.
Voir aussi : Outils d'IA gratuits : ce que tu obtiens vraiment sans payer et où sont les limites, Gratuit ou abonnement : quand un abonnement IA vaut vraiment le coup, Limite d'utilisation
RGPDRèglement général sur la protection des données, GDPR
Le RGPD, en toutes lettres règlement général sur la protection des données, est la loi européenne qui encadre la façon dont les données personnelles peuvent être collectées, stockées et utilisées. Il s'agit de toutes les informations qui peuvent être rattachées à une personne, par exemple un nom, une adresse e-mail, des photos ou des données de santé. Il s'applique dans toute l'UE depuis mai 2018 et te donne des droits comme le droit d'accès et le droit à l'effacement. Avec les outils d'IA, il devient pertinent dès que tu saisis des données d'autres personnes, par exemple des e-mails de clients ou des candidatures. Pour les entreprises, la règle générale est alors la suivante : il faut une base juridique, un contrat de sous-traitance avec le fournisseur et un regard sur l'endroit où les données sont traitées. Une bonne comparaison est le secret de la correspondance : le courrier des autres, tu ne le fais pas non plus simplement circuler. En cas de doute, tu t'adresses au délégué à la protection des données de ton entreprise.
Exemple : Avant de faire résumer un e-mail de réclamation par ChatGPT, tu remplaces le nom, l'adresse et le numéro client par des espaces réservés comme « Client A ». Le résumé reste tout aussi utile, mais les données personnelles n'atterrissent pas chez le fournisseur.
Voir aussi : Protection des données et outils d'IA : ce que tu peux saisir et ce qu'il faut éviter, Opt-out de l'entraînement, AI Act européen
Opt-out de l'entraînementRefus de l'entraînement IA, désactiver l'utilisation des données pour l'entraînement
On appelle opt-out de l'entraînement un réglage par lequel tu décides que tes conversations et tes fichiers téléversés ne serviront pas de données d'entraînement pour de futurs modèles d'IA. De nombreux fournisseurs améliorent leurs modèles avec les conversations de leurs utilisateurs, souvent par défaut dans les offres gratuites et pour particuliers. Selon le fournisseur, tu trouves l'interrupteur correspondant dans les paramètres de confidentialité ou de contrôle des données. Dans les offres Business et Team, l'entraînement avec les données des clients est en règle générale exclu d'emblée. C'est comparable à la case à cocher contre les courriers publicitaires lors d'une commande : souvent, tu dois la cocher toi-même. Important : un opt-out n'efface rien. Les conversations peuvent malgré tout rester stockées un certain temps, par exemple pour la lutte contre les abus. Les données vraiment sensibles n'ont donc rien à faire dans le chat.
Exemple : Dans ChatGPT, tu ouvres les paramètres, tu vas dans les contrôles des données et tu désactives l'option qui permet à tes conversations d'améliorer le modèle pour tout le monde. Selon le fournisseur, les nouvelles conversations ne servent alors plus à l'entraînement.
Voir aussi : Protection des données et outils d'IA : ce que tu peux saisir et ce qu'il faut éviter, RGPD, Données d'entraînement
Étiquetage IA et filigranesLabel IA, mention de transparence, filigrane numérique
On entend par étiquetage IA l'indication explicite qu'une image, une vidéo, un son ou un texte provient entièrement ou en partie d'une IA. Cela se fait de façon visible, par exemple avec une mention comme « généré par IA », ou invisible, via des filigranes numériques et des données de provenance dans le fichier, qu'un logiciel peut lire plus tard. Dans l'UE, des obligations de transparence issues de l'AI Act européen s'appliquent depuis août 2026 : les fournisseurs d'IA générative doivent en règle générale marquer les résultats de façon lisible par machine, et qui publie des deepfakes doit le signaler. Les grandes plateformes de réseaux sociaux exigent aussi de tels labels. Comme pour la mention « publicité », il s'agit de confiance. Garde toutefois en tête que les filigranes peuvent parfois être supprimés. L'absence de label ne prouve donc pas que quelque chose est authentique.
Exemple : Si tu publies une image créée avec Midjourney qui ressemble à une vraie photo, tu actives le label IA de la plateforme lors du téléversement et tu écris en plus « créé avec l'IA » dans le texte de la publication.
Voir aussi : Deepfake, AI Act européen, Génération d'images
AI Act européenRèglement européen sur l'IA, RIA, EU AI Act
L'AI Act européen, en français règlement sur l'intelligence artificielle, est la première loi européenne complète consacrée à l'intelligence artificielle. Il classe l'IA selon le risque, comme pour les jouets ou les dispositifs médicaux : plus le danger potentiel est grand, plus les obligations sont strictes. Il est en vigueur depuis août 2024, et les règles s'appliquent progressivement. Depuis février 2025, certaines pratiques comme la notation sociale sont interdites ; depuis août 2025, des obligations s'appliquent aux grands modèles à usage général ; et depuis août 2026 s'y ajoutent des obligations de transparence comme l'étiquetage IA. Pour les domaines à haut risque comme la sélection des candidatures ou l'octroi de crédits, les institutions de l'UE se sont mises d'accord en 2026 pour reporter les obligations les plus strictes à décembre 2027, et en partie à août 2028. Ce sont surtout les fournisseurs et les entreprises qui sont concernés. Pour toi, cela signifie plus de transparence, mais aucune garantie d'une IA sans erreur.
Exemple : Si tu discutes sur le site d'une boutique en ligne avec un bot de service client, l'AI Act exige en règle générale qu'il soit clairement reconnaissable que tu parles avec une IA et non avec un humain.
Voir aussi : Étiquetage IA et filigranes, RGPD, Deepfake