NAiOS Wiki

Intelligence artificielle générale, capable de toute tâche intellectuelle humaine

Règlement (UE) 2024/1689 : la première législation complète sur l'intelligence artificielle, avec des obligations par niveau de risque

Un agent d'IA qui écrit, modifie et teste du code de manière autonome au sein d'un projet

Systèmes exécutant des tâches multi-étapes sans supervision constante

Aligner les objectifs de l'IA avec les valeurs humaines

Ancrer les réponses de l'IA à des données réelles et vérifiables

Résumés générés par l'IA dans les résultats de recherche

Lorsque l'IA reproduit ou amplifie des préjugés présents dans les données

Débat éthique sur la question de savoir si les modèles avancés méritent une forme de considération

Consacrer davantage de puissance de calcul lors de la réponse, et non lors de l'entraînement.

Technique où l'IA réfléchit étape par étape avant de répondre

Cloner une voix humaine avec l'IA à partir de quelques secondes d'audio

Lorsque les données d'évaluation s'infiltrent dans l'entraînement, biaisant les benchmarks

Obligation du règlement européen sur l'IA selon laquelle des personnes qualifiées doivent pouvoir comprendre, surveiller et intervenir dans un système d'IA

Assistant IA intégré aux outils de travail

Contenu factice hyperréaliste généré par l'IA

Compresser un grand modèle en un modèle réduit tout en préservant la qualité

Données générées artificiellement pour entraîner des modèles

Lorsqu'un prompt qui fonctionnait cesse de donner de bons résultats au fil du temps

Exécuter l'IA directement sur l'appareil, sans dépendre du cloud

Représentation numérique de la signification de textes ou d'images

Quantité de texte qu'un modèle peut mémoriser dans une conversation

Réentraîner un modèle avec des données spécifiques pour un cas d'usage

L'avantage concurrentiel d'une entreprise grâce à ses données uniques

Le nouveau SEO : optimiser le contenu pour qu'il soit cité par l'IA générative

Restrictions et limites imposées à l'IA pour éviter les dommages

Cadre réglementaire et de gestion pour une utilisation responsable de l'IA

Lorsque l'IA génère de fausses informations avec une assurance totale

L'infrastructure qui entoure le modèle et en fait un agent : boucle, outils, contexte, permissions et traces

Conception dans laquelle une personne examine ou approuve les actions pertinentes d'un système d'IA avant qu'elles ne prennent effet

Outils d'IA qui ne nécessitent pas de programmation pour être utilisés

IA capable de planifier, décider et agir de manière autonome

Intelligence artificielle qui crée du nouveau contenu (texte, image, vidéo, audio)

Priorité stratégique des pays à disposer de leurs propres infrastructures d'IA

Exécuter des modèles d'IA sur votre propre matériel

Concevoir les boucles autonomes qui guident les agents de code (terme de 2026)

Conception et optimisation des instructions pour obtenir de meilleurs résultats de l'IA

Attaques manipulant l'IA par l'insertion d'instructions malveillantes

Utilisation de l'IA pour améliorer la prise de décision en entreprise

Techniques pour contourner les restrictions de sécurité d'un modèle

Grand modèle de langage, la base des chatbots actuels

Label de vulgarisation pour la phase d'adoption massive et transversale de l'IA dans tous les secteurs. Ce n'est pas un terme académique ni une citation du MIT.

Techniques pour adapter des modèles avec peu de ressources

Exploiter au maximum la fenêtre de contexte d'un modèle. Familièrement, aussi : utiliser de nombreux tokens comme métrique (discutable) de productivité.

Protocole standard pour que les modèles se connectent à des outils externes

Gestion opérationnelle du cycle de vie des modèles d'IA

Modèles qui apprennent la dynamique d'un environnement, pas seulement du texte

Modèles conçus spécifiquement pour raisonner, pas seulement pour prédire du texte

Les modèles les plus avancés et les plus puissants à tout moment

Modèles qui comprennent et génèrent du texte, des images, de l'audio et de la vidéo

Médias (image, audio, vidéo) créés artificiellement par l'IA

Architecture qui n'active que certaines parties du modèle selon la tâche

Puce spécialisée dans l'accélération de l'inférence de réseaux neuronaux avec une efficacité énergétique maximale.

Coordonner plusieurs agents d'IA pour résoudre ensemble des tâches complexes

Modèles de langage légers, conçus pour fonctionner sur les appareils

Terme informel (il ne s'agit pas d'un diagnostic clinique reconnu) désignant les symptômes de type psychotique — délires, paranoïa — associés à l'utilisation intensive de chatbots d'IA.

Combiner la recherche de données réelles avec la génération de texte

Apprentissage par renforcement à partir du feedback humain

Tester une IA en tentant de la mettre en échec pour identifier des vulnérabilités

Utilisation non autorisée d'outils d'IA au sein des organisations

IA qui surpasse la capacité intellectuelle humaine dans tous les domaines

Fatigue cognitive aiguë due à l'utilisation ou à la supervision excessive d'outils d'IA. Terme inventé par des chercheurs du BCG et de l'Université de Californie (Riverside) en 2026.

Discipline axée sur la garantie d'une IA sûre

Unité mesurant la performance brute d'un accélérateur d'IA : milliers de milliards d'opérations par seconde

Paramètre qui contrôle la créativité vs la précision de l'IA

Générer une vidéo à partir d'une description textuelle

Processus de division du texte en unités (tokens) que le modèle peut traiter.

L'architecture de base de presque tous les modèles de langage actuels

Programmez en décrivant ce que vous voulez et laissez l'IA écrire le code

Flux de travail où les agents d'IA agissent de manière autonome

Application qui se contente d'envelopper un modèle existant sans apporter de valeur réelle.

Capacité d'un modèle à accomplir des tâches sans avoir été spécifiquement entraîné

La structure de code qui connecte et orchestre un agent d'IA