Glossaire
Le seul glossaire IA dont vous aurez besoin cette année (si vous faites du business, pas du code)
Le seul glossaire IA dont vous aurez besoin cette année (si vous faites du business, pas du code)
Publié le · Mis à jour le
Ecrit par
Jessica Servain
Co-fondatrice de Joynt | Experte Branding & IA
LLM, prompt, token, RAG, agent, MCP, hallucination, GEO : voici 32 notions de l'IA expliquées simplement, pour ceux qui font du business, pas du code. Ce vocabulaire s'est invité dans toutes les réunions, souvent plus vite que sa compréhension. Chaque définition tient en quelques lignes, avec un exemple concret.
Comprendre comment fonctionne l'IA
Les notions de base pour savoir ce qui se passe quand vous posez une question à ChatGPT ou à Claude, et pourquoi la réponse n'est pas toujours fiable.
LLM (grand modèle de langage)
ChatGPT, Claude, Gemini, Copilot, tous tournent sur un LLM : un modèle entraîné sur une quantité astronomique de textes pour prédire, à chaque étape, le mot le plus probable pour continuer une phrase.
Il n'y a pas d'intelligence au sens humain là-dedans. Un LLM ne raisonne pas sur votre demande, il calcule la suite la plus probable de mots. Ça paraît trivial dit comme ça, mais ça change vraiment la façon dont il faut lui parler.
Token
Quand on parle de "token", on parle de l'unité de base que l'IA utilise pour lire et écrire, à peu près trois quarts de mot. C'est aussi l'unité de facturation de la plupart des outils IA. Vous payez à la fois les tokens que vous envoyez à l'IA (vos prompts et documents) et ceux qu'elle génère dans sa réponse. Plus les échanges sont longs, plus ils consomment de tokens, et plus le coût augmente.
Fenêtre de contexte
La mémoire active de l'IA pendant une conversation, mesurée en tokens. Collez un contrat de cinquante pages dans une conversation déjà longue et le modèle peut perdre le début sans vous prévenir. D'une session à l'autre, cette mémoire repart de zéro.
Multimodalité
Un modèle multimodal comprend et génère plus que du texte : image, audio, vidéo, documents, souvent combinés dans un même prompt. Montrer une capture d'écran à l'IA et lui demander d'expliquer un bug, ça relève de là.
IA, machine learning, IA générative
Trois mots qu'on confond en permanence, et ça vaut le coup de les distinguer une bonne fois.
L'intelligence artificielle est le terme parapluie : toute technique qui imite un comportement humain, quelle que soit l'application.
Le machine learning en est un sous-ensemble, celui qui produit des prédictions à partir de données fournies (il analyse pour prédire).
L'IA générative va plus loin, elle crée du contenu nouveau, texte, image, son ou vidéo, qui ne fait pas partie du jeu de données d'origine mais en partage les caractéristiques. Les LLM appartiennent à cette dernière famille, donc quand on dit "IA" en 2026, on parle presque toujours de ce troisième cercle, le plus étroit des trois.
Modèle de raisonnement
Un modèle de raisonnement décompose le problème en étapes avant de répondre, au lieu de produire sa réponse d'un trait. Les modes « réflexion » de ChatGPT, Claude ou Gemini fonctionnent ainsi. Sur une analyse de données, un calcul ou un problème logique, le résultat est nettement meilleur. La réponse arrive en revanche plus lentement et consomme plus de tokens, donc pour reformuler un email, le mode classique suffit largement.
Hallucination
Quand l'IA invente une information avec la même assurance que si elle disait la vérité. Un chiffre qui n'existe pas, une citation fictive, une source inventée.
C'est le point qui inquiète le plus mes clients, à raison. On a eu le cas récemment sur une synthèse concurrentielle : un chiffre de croissance donné avec aplomb, sourcé "étude interne", qui n'existait nulle part. Depuis, un humain repasse systématiquement sur les faits, les chiffres et les noms propres avant publication. Pas d'exception.
Inférence vs entraînement
L'entraînement, c'est la phase, unique, où le modèle apprend sur des montagnes de données. L'inférence, c'est chaque fois que vous l'utilisez au quotidien pour obtenir une réponse. Vous ne réentraînez jamais ChatGPT en lui parlant, vous faites de l'inférence à chaque message.
Compute (puissance de calcul)
La puissance de traitement nécessaire pour faire tourner les modèles : GPU, serveurs, data centers. Ressource rare et chère, ce qui explique pourquoi les abonnements IA ne resteront pas gratuits éternellement.
AGI (intelligence artificielle générale)
L'AGI désigne une IA capable d'effectuer la plupart des tâches intellectuelles humaines avec le même niveau de polyvalence. Nous n'y sommes pas aujourd'hui. Les modèles actuels restent très performants dans certains domaines mais ont encore besoin d'être guidés et supervisés. Personne, pas même les grands laboratoires, ne sait dire quand une véritable AGI existera.
Bien utiliser l'IA au quotidien
Ce qui change la qualité des réponses obtenues, de la façon de formuler une demande à la manière de brancher l'IA sur vos propres documents.
Prompt
La consigne, la question ou l'instruction qu'on donne à une IA.
On me demande encore souvent des formations "prompt engineering avancé", et honnêtement je pousse de moins en moins dans cette direction. Les modèles récents comprennent une consigne claire sans qu'il faille apprendre cinquante techniques. Ce qui fait vraiment la différence, dans mon expérience, c'est trois choses : donner du contexte, préciser le format attendu, et rebondir sur le premier résultat au lieu de s'en contenter. Le reste, c'est du folklore.
Assistant personnalisé (Gem, GPT, Project)
Une version de l'IA configurée une fois, avec un rôle, un contexte et un format imposés. Utile surtout pour un cas d'usage récurrent qui demande d'habitude beaucoup de reformulation à chaque fois.
RAG (génération augmentée par récupération)
Un LLM classique répond avec ce qu'il a appris pendant son entraînement, donc potentiellement daté ou générique. Le RAG va chercher de l'info fraîche ou spécifique (vos documents, votre base clients, votre site) avant de répondre. Si un prestataire vous vend un "chatbot IA sur votre documentation", c'est du RAG.
Fine-tuning
Le fine-tuning consiste à réentraîner un modèle existant avec vos propres données pour le rendre plus performant sur un métier ou un domaine précis. C'est une approche plus complexe et plus coûteuse que le RAG, qui reste suffisant dans la grande majorité des cas pour une PME.
Agents et automatisation
Quand l'IA agit dans vos outils au lieu de simplement répondre, de nouveaux mots arrivent dans les réunions, et de nouveaux risques avec eux.
Agent IA
Un agent IA, contrairement à un chatbot, ne se contente pas de répondre. Il exécute des tâches de façon autonome : il navigue sur le web, lit vos fichiers, envoie des emails, agit sur des outils externes.
"Agent" est devenu un argument marketing facile ces derniers mois. Avant d'acheter un outil vendu comme agentique, demandez précisément quelles actions il exécute sans vous, et lesquelles il vous laisse simplement croire qu'il exécute.
Agent drift
Un agent peut garder son objectif de départ tout en dérapant sur les moyens. C'est comme un stagiaire à qui vous demandez d'aller chercher un café. Il revient bien avec votre café... mais il a bousculé trois personnes, emprunté la carte bancaire d'un collègue sans lui demander et est parti sans payer. Mission accomplie, mais méthode discutable.
Avec les agents IA, le risque est similaire. Plus vous leur donnez de permissions (lire vos emails, envoyer des messages, modifier un agenda, accéder à votre CRM ou effectuer des paiements), plus ils ont de latitude pour agir. Si ces permissions sont mal définies, un agent peut prendre une décision techniquement logique... mais complètement inadaptée dans le monde réel.
Human in the loop (humain dans la boucle)
Le principe consiste à prévoir, dans un processus automatisé, les étapes où une personne valide avant que l'IA n'aille plus loin. Un agent peut préparer vingt relances commerciales, mais quelqu'un les relit avant l'envoi. Plus une action est difficile à annuler (un paiement, un message client, une décision RH), plus ce point de contrôle compte. L'AI Act l'impose d'ailleurs pour les usages à haut risque.
MCP (Model Context Protocol)
Standard ouvert lancé par Anthropic, qui permet à une IA de se brancher directement sur vos outils (Google Drive, Slack, votre CRM) sans qu'un développeur code une connexion sur-mesure à chaque fois. Sans ça, un agent parle dans le vide. Avec, il peut aller chercher et modifier vos vraies données.
Fin 2025, Anthropic a confié le protocole à l'Agentic AI Foundation, hébergée par la Linux Foundation, et OpenAI, Google ou Microsoft l'ont adopté. MCP n'appartient donc plus à un seul acteur, un point rassurant quand on choisit ses outils pour plusieurs années.
Vibe coding
Le terme, popularisé début 2025 par le chercheur Andrej Karpathy, désigne le fait de créer une application en décrivant ce qu'on veut en langage naturel, sans écrire le code soi-même. Avec Lovable, Bolt ou Claude Code, une équipe métier peut aujourd'hui prototyper un outil interne en quelques heures. Pour un prototype, le résultat est souvent bluffant. Dès que l'outil manipule des données clients, il faut encore quelqu'un pour relire le code, le sécuriser et le maintenir.
Voir notre article sur le CRM et les applications métier développées avec l’IA.
IA, visibilité et contenus
Ce que l'IA change dans la façon dont une marque est trouvée sur Google et dans les assistants, et dans ce qui circule en ligne.
GEO (Generative Engine Optimization)
Le petit frère du SEO, mais pour les moteurs de réponse comme ChatGPT, Perplexity ou AI Overviews. Le but est que votre contenu soit repris par ces IA lorsqu'elles répondent à une question, et pas uniquement qu'il apparaisse dans les résultats de Google.
Le GEO ne remplace pas le SEO. Les contenus les plus repris sont surtout ceux qui répondent clairement à une question, sont bien structurés et s'appuient sur des informations fiables.
Voir notre article sur le GEO, la différence avec le SEO et les outils à connaître.
Aperçus IA et Mode IA (AI Overviews, AI Mode)
Les réponses générées par l'IA de Google, affichées au-dessus des résultats classiques (Aperçus IA) ou dans un onglet conversationnel dédié (Mode IA). Les deux sont arrivés en France le 22 juillet 2026. Pour un site, le changement est concret, puisque l'internaute obtient souvent sa réponse sans cliquer. Être cité comme source dans ces blocs compte donc de plus en plus, à côté du classement classique.
Slop IA
Le contenu IA produit en masse, générique, sans valeur ajoutée. Vient de l'argot anglais pour la pâtée à cochons. Sur Deezer, plus de la moitié des titres déposés chaque jour sont générés par IA depuis juin 2026, soit environ 90 000 morceaux quotidiens. Vous en croisez tous les jours sur LinkedIn sans forcément le remarquer, un post qui dit beaucoup de mots pour ne rien dire de précis, souvent une bonne indication.
Déployer l'IA dans l'entreprise
Les sujets qui arrivent dès qu'une entreprise passe des tests individuels à un usage organisé, du choix des modèles à la façon dont les équipes s'en servent.
Intelligence artificielle open source (open weight) vs. propriétaire
Meta (Llama) ou Mistral publient les poids de certains de leurs modèles, autrement dit les paramètres appris pendant l'entraînement, que n'importe qui peut télécharger et faire tourner. On parle plus justement d'« open weight », car les données et le code d'entraînement restent le plus souvent fermés. GPT (OpenAI) ou Claude (Anthropic) restent propriétaires, on n'accède qu'au produit fini.
Un modèle open weight peut tourner en local, sur votre propre infrastructure, sans que rien ne transite chez un tiers. Pour un secteur réglementé, ce critère pèse souvent plus lourd que tous les autres.
IA souveraine
Une IA dont l'hébergement, les données et souvent l'éditeur restent sous juridiction européenne, à l'abri de lois extraterritoriales comme le Cloud Act américain. Le sujet revient dans presque tous nos échanges avec des entreprises qui manipulent des données clients ou RH. Pour l'hébergement, la qualification SecNumCloud de l'ANSSI sert souvent de repère.
On a passé en revue les alternatives françaises dans notre article sur 20 outils IA français repérés en un an.
Shadow IA
L'usage d'outils IA par les salariés sans validation de l'entreprise, sur un compte personnel ou en navigation privée. 42 % des actifs français utiliseraient des outils IA non validés par leur employeur, avec à la clé des documents confidentiels qui transitent par des serveurs hors de tout contrôle. Interdire ne suffit pas, les usages migrent simplement vers le téléphone perso. Une charte claire et des outils qui répondent aux vrais besoins des équipes réduisent bien davantage le risque.
On détaille comment poser ce cadre dans notre article former ses équipes à l'IA en entreprise.
Littératie IA
La capacité à comprendre ce que fait un outil IA, ses limites et ses risques, assez pour s'en servir correctement dans son travail. L'article 4 de l'AI Act demande aux entreprises qui utilisent l'IA d'agir pour la développer chez leurs équipes, sans imposer de programme, de durée ni de certification. Pour la plupart des PME, une charte d'usage et une formation adaptée aux métiers couvrent l'essentiel.
Tokenmaxxing
Quand une entreprise mesure l'adoption de l'IA au nombre de tokens consommés par salarié, certains finissent par gonfler leurs chiffres avec des requêtes inutiles pour grimper dans le classement. Le phénomène a été repéré chez Amazon, où ce type de classement existe en interne. Il illustre une vieille règle de management, un indicateur qui devient un objectif cesse d'être un bon indicateur.
On revient sur ce phénomène dans notre article sur la place de l'IA dans les ressources humaines.
Cadre légal et risques
Ce que la loi encadre déjà, et les responsabilités qui restent les vôtres quand vous utilisez l'IA.
RGPD & IA
Entrer un nom, un email ou un téléphone client dans un outil IA grand public, c'est une violation potentielle du RGPD, comme pour n'importe quel autre logiciel. Anonymisez avant de coller la moindre donnée personnelle dans un prompt, et vérifiez si l'outil utilise vos données pour s'entraîner avant de choisir entre grand public, entreprise ou local.
Responsabilité IA
Si l'IA produit une erreur dans un rapport ou un email client, c'est vous et votre entreprise qui répondez, pas l'outil. D'où la relecture humaine, systématique.
Copyright IA
En France, seule une œuvre avec une part de créativité humaine reste protégeable par le droit d'auteur. Le statut des contenus 100 % IA reste flou. Prudence avant toute publication commerciale.
Pour les logos générés par IA, la question se double d’un problème d’unicité : en testant cinq outils sur un même brief, on a retrouvé des constructions très proches de logos existants. Le détail dans notre article créer son identité visuelle avec l’IA.
AI Act (niveaux de risque)
L'AI Act européen classe les usages par niveau de risque plutôt que par technologie, et c'est plus structurant qu'il n'y paraît pour une entreprise qui déploie de l'IA sur des données de salariés ou de clients.
Les usages jugés inacceptables (scoring social, manipulation des individus) sont interdits purement et simplement. Les usages à risque élevé, santé, justice, identification biométrique, restent autorisés mais sous conditions strictes : tests, documentation, supervision humaine. Les usages à risque limité, un chatbot ou un contenu généré par IA, imposent juste une obligation de transparence envers l'utilisateur. Et le reste, la grande majorité des usages en entreprise en réalité, circule librement. L'amende peut grimper jusqu'à 7 % du chiffre d'affaires mondial, un niveau qui rapproche l'AI Act du RGPD dans les esprits des juristes.
Le calendrier a bougé avec le Digital Omnibus, entré en vigueur le 27 juillet 2026. Les obligations liées au haut risque s'appliqueront le 2 décembre 2027 pour le recrutement, l'éducation ou l'accès aux services essentiels, et le 2 août 2028 pour les produits réglementés.
Deepfake
Une image, une vidéo ou un audio généré ou modifié par IA qui imite de façon crédible une personne, un lieu ou un événement réel. Depuis le 2 août 2026, l'AI Act impose de signaler ces contenus. Une vidéo où votre dirigeant parle japonais grâce à un clone de sa voix entre dans cette catégorie, une illustration clairement imaginaire n'y entre pas.
Voir ce que l'AI Act impose concrètement aux entreprises B2B.
Pour aller plus loin
Ce glossaire n'est pas exhaustif, et il ne le sera jamais, le vocabulaire de l'IA continue de bouger plus vite que n'importe quel jargon qu'on a connu avant.
C'est d'ailleurs tout ce vocabulaire qu'on pose, à plat, dans les formations IA qu'on donne en entreprise, avant de passer aux usages concrets.
On décrypte aussi tout ça chaque semaine dans la newsletter Le Brief AI de Joynt. Une façon de continuer ce glossaire au fil de l'actu : un décryptage, un œil business et les outils qui valent vraiment le détour.
Comprendre comment fonctionne l'IA
Les notions de base pour savoir ce qui se passe quand vous posez une question à ChatGPT ou à Claude, et pourquoi la réponse n'est pas toujours fiable.
LLM (grand modèle de langage)
ChatGPT, Claude, Gemini, Copilot, tous tournent sur un LLM : un modèle entraîné sur une quantité astronomique de textes pour prédire, à chaque étape, le mot le plus probable pour continuer une phrase.
Il n'y a pas d'intelligence au sens humain là-dedans. Un LLM ne raisonne pas sur votre demande, il calcule la suite la plus probable de mots. Ça paraît trivial dit comme ça, mais ça change vraiment la façon dont il faut lui parler.
Token
Quand on parle de "token", on parle de l'unité de base que l'IA utilise pour lire et écrire, à peu près trois quarts de mot. C'est aussi l'unité de facturation de la plupart des outils IA. Vous payez à la fois les tokens que vous envoyez à l'IA (vos prompts et documents) et ceux qu'elle génère dans sa réponse. Plus les échanges sont longs, plus ils consomment de tokens, et plus le coût augmente.
Fenêtre de contexte
La mémoire active de l'IA pendant une conversation, mesurée en tokens. Collez un contrat de cinquante pages dans une conversation déjà longue et le modèle peut perdre le début sans vous prévenir. D'une session à l'autre, cette mémoire repart de zéro.
Multimodalité
Un modèle multimodal comprend et génère plus que du texte : image, audio, vidéo, documents, souvent combinés dans un même prompt. Montrer une capture d'écran à l'IA et lui demander d'expliquer un bug, ça relève de là.
IA, machine learning, IA générative
Trois mots qu'on confond en permanence, et ça vaut le coup de les distinguer une bonne fois.
L'intelligence artificielle est le terme parapluie : toute technique qui imite un comportement humain, quelle que soit l'application.
Le machine learning en est un sous-ensemble, celui qui produit des prédictions à partir de données fournies (il analyse pour prédire).
L'IA générative va plus loin, elle crée du contenu nouveau, texte, image, son ou vidéo, qui ne fait pas partie du jeu de données d'origine mais en partage les caractéristiques. Les LLM appartiennent à cette dernière famille, donc quand on dit "IA" en 2026, on parle presque toujours de ce troisième cercle, le plus étroit des trois.
Modèle de raisonnement
Un modèle de raisonnement décompose le problème en étapes avant de répondre, au lieu de produire sa réponse d'un trait. Les modes « réflexion » de ChatGPT, Claude ou Gemini fonctionnent ainsi. Sur une analyse de données, un calcul ou un problème logique, le résultat est nettement meilleur. La réponse arrive en revanche plus lentement et consomme plus de tokens, donc pour reformuler un email, le mode classique suffit largement.
Hallucination
Quand l'IA invente une information avec la même assurance que si elle disait la vérité. Un chiffre qui n'existe pas, une citation fictive, une source inventée.
C'est le point qui inquiète le plus mes clients, à raison. On a eu le cas récemment sur une synthèse concurrentielle : un chiffre de croissance donné avec aplomb, sourcé "étude interne", qui n'existait nulle part. Depuis, un humain repasse systématiquement sur les faits, les chiffres et les noms propres avant publication. Pas d'exception.
Inférence vs entraînement
L'entraînement, c'est la phase, unique, où le modèle apprend sur des montagnes de données. L'inférence, c'est chaque fois que vous l'utilisez au quotidien pour obtenir une réponse. Vous ne réentraînez jamais ChatGPT en lui parlant, vous faites de l'inférence à chaque message.
Compute (puissance de calcul)
La puissance de traitement nécessaire pour faire tourner les modèles : GPU, serveurs, data centers. Ressource rare et chère, ce qui explique pourquoi les abonnements IA ne resteront pas gratuits éternellement.
AGI (intelligence artificielle générale)
L'AGI désigne une IA capable d'effectuer la plupart des tâches intellectuelles humaines avec le même niveau de polyvalence. Nous n'y sommes pas aujourd'hui. Les modèles actuels restent très performants dans certains domaines mais ont encore besoin d'être guidés et supervisés. Personne, pas même les grands laboratoires, ne sait dire quand une véritable AGI existera.
Bien utiliser l'IA au quotidien
Ce qui change la qualité des réponses obtenues, de la façon de formuler une demande à la manière de brancher l'IA sur vos propres documents.
Prompt
La consigne, la question ou l'instruction qu'on donne à une IA.
On me demande encore souvent des formations "prompt engineering avancé", et honnêtement je pousse de moins en moins dans cette direction. Les modèles récents comprennent une consigne claire sans qu'il faille apprendre cinquante techniques. Ce qui fait vraiment la différence, dans mon expérience, c'est trois choses : donner du contexte, préciser le format attendu, et rebondir sur le premier résultat au lieu de s'en contenter. Le reste, c'est du folklore.
Assistant personnalisé (Gem, GPT, Project)
Une version de l'IA configurée une fois, avec un rôle, un contexte et un format imposés. Utile surtout pour un cas d'usage récurrent qui demande d'habitude beaucoup de reformulation à chaque fois.
RAG (génération augmentée par récupération)
Un LLM classique répond avec ce qu'il a appris pendant son entraînement, donc potentiellement daté ou générique. Le RAG va chercher de l'info fraîche ou spécifique (vos documents, votre base clients, votre site) avant de répondre. Si un prestataire vous vend un "chatbot IA sur votre documentation", c'est du RAG.
Fine-tuning
Le fine-tuning consiste à réentraîner un modèle existant avec vos propres données pour le rendre plus performant sur un métier ou un domaine précis. C'est une approche plus complexe et plus coûteuse que le RAG, qui reste suffisant dans la grande majorité des cas pour une PME.
Agents et automatisation
Quand l'IA agit dans vos outils au lieu de simplement répondre, de nouveaux mots arrivent dans les réunions, et de nouveaux risques avec eux.
Agent IA
Un agent IA, contrairement à un chatbot, ne se contente pas de répondre. Il exécute des tâches de façon autonome : il navigue sur le web, lit vos fichiers, envoie des emails, agit sur des outils externes.
"Agent" est devenu un argument marketing facile ces derniers mois. Avant d'acheter un outil vendu comme agentique, demandez précisément quelles actions il exécute sans vous, et lesquelles il vous laisse simplement croire qu'il exécute.
Agent drift
Un agent peut garder son objectif de départ tout en dérapant sur les moyens. C'est comme un stagiaire à qui vous demandez d'aller chercher un café. Il revient bien avec votre café... mais il a bousculé trois personnes, emprunté la carte bancaire d'un collègue sans lui demander et est parti sans payer. Mission accomplie, mais méthode discutable.
Avec les agents IA, le risque est similaire. Plus vous leur donnez de permissions (lire vos emails, envoyer des messages, modifier un agenda, accéder à votre CRM ou effectuer des paiements), plus ils ont de latitude pour agir. Si ces permissions sont mal définies, un agent peut prendre une décision techniquement logique... mais complètement inadaptée dans le monde réel.
Human in the loop (humain dans la boucle)
Le principe consiste à prévoir, dans un processus automatisé, les étapes où une personne valide avant que l'IA n'aille plus loin. Un agent peut préparer vingt relances commerciales, mais quelqu'un les relit avant l'envoi. Plus une action est difficile à annuler (un paiement, un message client, une décision RH), plus ce point de contrôle compte. L'AI Act l'impose d'ailleurs pour les usages à haut risque.
MCP (Model Context Protocol)
Standard ouvert lancé par Anthropic, qui permet à une IA de se brancher directement sur vos outils (Google Drive, Slack, votre CRM) sans qu'un développeur code une connexion sur-mesure à chaque fois. Sans ça, un agent parle dans le vide. Avec, il peut aller chercher et modifier vos vraies données.
Fin 2025, Anthropic a confié le protocole à l'Agentic AI Foundation, hébergée par la Linux Foundation, et OpenAI, Google ou Microsoft l'ont adopté. MCP n'appartient donc plus à un seul acteur, un point rassurant quand on choisit ses outils pour plusieurs années.
Vibe coding
Le terme, popularisé début 2025 par le chercheur Andrej Karpathy, désigne le fait de créer une application en décrivant ce qu'on veut en langage naturel, sans écrire le code soi-même. Avec Lovable, Bolt ou Claude Code, une équipe métier peut aujourd'hui prototyper un outil interne en quelques heures. Pour un prototype, le résultat est souvent bluffant. Dès que l'outil manipule des données clients, il faut encore quelqu'un pour relire le code, le sécuriser et le maintenir.
Voir notre article sur le CRM et les applications métier développées avec l’IA.
IA, visibilité et contenus
Ce que l'IA change dans la façon dont une marque est trouvée sur Google et dans les assistants, et dans ce qui circule en ligne.
GEO (Generative Engine Optimization)
Le petit frère du SEO, mais pour les moteurs de réponse comme ChatGPT, Perplexity ou AI Overviews. Le but est que votre contenu soit repris par ces IA lorsqu'elles répondent à une question, et pas uniquement qu'il apparaisse dans les résultats de Google.
Le GEO ne remplace pas le SEO. Les contenus les plus repris sont surtout ceux qui répondent clairement à une question, sont bien structurés et s'appuient sur des informations fiables.
Voir notre article sur le GEO, la différence avec le SEO et les outils à connaître.
Aperçus IA et Mode IA (AI Overviews, AI Mode)
Les réponses générées par l'IA de Google, affichées au-dessus des résultats classiques (Aperçus IA) ou dans un onglet conversationnel dédié (Mode IA). Les deux sont arrivés en France le 22 juillet 2026. Pour un site, le changement est concret, puisque l'internaute obtient souvent sa réponse sans cliquer. Être cité comme source dans ces blocs compte donc de plus en plus, à côté du classement classique.
Slop IA
Le contenu IA produit en masse, générique, sans valeur ajoutée. Vient de l'argot anglais pour la pâtée à cochons. Sur Deezer, plus de la moitié des titres déposés chaque jour sont générés par IA depuis juin 2026, soit environ 90 000 morceaux quotidiens. Vous en croisez tous les jours sur LinkedIn sans forcément le remarquer, un post qui dit beaucoup de mots pour ne rien dire de précis, souvent une bonne indication.
Déployer l'IA dans l'entreprise
Les sujets qui arrivent dès qu'une entreprise passe des tests individuels à un usage organisé, du choix des modèles à la façon dont les équipes s'en servent.
Intelligence artificielle open source (open weight) vs. propriétaire
Meta (Llama) ou Mistral publient les poids de certains de leurs modèles, autrement dit les paramètres appris pendant l'entraînement, que n'importe qui peut télécharger et faire tourner. On parle plus justement d'« open weight », car les données et le code d'entraînement restent le plus souvent fermés. GPT (OpenAI) ou Claude (Anthropic) restent propriétaires, on n'accède qu'au produit fini.
Un modèle open weight peut tourner en local, sur votre propre infrastructure, sans que rien ne transite chez un tiers. Pour un secteur réglementé, ce critère pèse souvent plus lourd que tous les autres.
IA souveraine
Une IA dont l'hébergement, les données et souvent l'éditeur restent sous juridiction européenne, à l'abri de lois extraterritoriales comme le Cloud Act américain. Le sujet revient dans presque tous nos échanges avec des entreprises qui manipulent des données clients ou RH. Pour l'hébergement, la qualification SecNumCloud de l'ANSSI sert souvent de repère.
On a passé en revue les alternatives françaises dans notre article sur 20 outils IA français repérés en un an.
Shadow IA
L'usage d'outils IA par les salariés sans validation de l'entreprise, sur un compte personnel ou en navigation privée. 42 % des actifs français utiliseraient des outils IA non validés par leur employeur, avec à la clé des documents confidentiels qui transitent par des serveurs hors de tout contrôle. Interdire ne suffit pas, les usages migrent simplement vers le téléphone perso. Une charte claire et des outils qui répondent aux vrais besoins des équipes réduisent bien davantage le risque.
On détaille comment poser ce cadre dans notre article former ses équipes à l'IA en entreprise.
Littératie IA
La capacité à comprendre ce que fait un outil IA, ses limites et ses risques, assez pour s'en servir correctement dans son travail. L'article 4 de l'AI Act demande aux entreprises qui utilisent l'IA d'agir pour la développer chez leurs équipes, sans imposer de programme, de durée ni de certification. Pour la plupart des PME, une charte d'usage et une formation adaptée aux métiers couvrent l'essentiel.
Tokenmaxxing
Quand une entreprise mesure l'adoption de l'IA au nombre de tokens consommés par salarié, certains finissent par gonfler leurs chiffres avec des requêtes inutiles pour grimper dans le classement. Le phénomène a été repéré chez Amazon, où ce type de classement existe en interne. Il illustre une vieille règle de management, un indicateur qui devient un objectif cesse d'être un bon indicateur.
On revient sur ce phénomène dans notre article sur la place de l'IA dans les ressources humaines.
Cadre légal et risques
Ce que la loi encadre déjà, et les responsabilités qui restent les vôtres quand vous utilisez l'IA.
RGPD & IA
Entrer un nom, un email ou un téléphone client dans un outil IA grand public, c'est une violation potentielle du RGPD, comme pour n'importe quel autre logiciel. Anonymisez avant de coller la moindre donnée personnelle dans un prompt, et vérifiez si l'outil utilise vos données pour s'entraîner avant de choisir entre grand public, entreprise ou local.
Responsabilité IA
Si l'IA produit une erreur dans un rapport ou un email client, c'est vous et votre entreprise qui répondez, pas l'outil. D'où la relecture humaine, systématique.
Copyright IA
En France, seule une œuvre avec une part de créativité humaine reste protégeable par le droit d'auteur. Le statut des contenus 100 % IA reste flou. Prudence avant toute publication commerciale.
Pour les logos générés par IA, la question se double d’un problème d’unicité : en testant cinq outils sur un même brief, on a retrouvé des constructions très proches de logos existants. Le détail dans notre article créer son identité visuelle avec l’IA.
AI Act (niveaux de risque)
L'AI Act européen classe les usages par niveau de risque plutôt que par technologie, et c'est plus structurant qu'il n'y paraît pour une entreprise qui déploie de l'IA sur des données de salariés ou de clients.
Les usages jugés inacceptables (scoring social, manipulation des individus) sont interdits purement et simplement. Les usages à risque élevé, santé, justice, identification biométrique, restent autorisés mais sous conditions strictes : tests, documentation, supervision humaine. Les usages à risque limité, un chatbot ou un contenu généré par IA, imposent juste une obligation de transparence envers l'utilisateur. Et le reste, la grande majorité des usages en entreprise en réalité, circule librement. L'amende peut grimper jusqu'à 7 % du chiffre d'affaires mondial, un niveau qui rapproche l'AI Act du RGPD dans les esprits des juristes.
Le calendrier a bougé avec le Digital Omnibus, entré en vigueur le 27 juillet 2026. Les obligations liées au haut risque s'appliqueront le 2 décembre 2027 pour le recrutement, l'éducation ou l'accès aux services essentiels, et le 2 août 2028 pour les produits réglementés.
Deepfake
Une image, une vidéo ou un audio généré ou modifié par IA qui imite de façon crédible une personne, un lieu ou un événement réel. Depuis le 2 août 2026, l'AI Act impose de signaler ces contenus. Une vidéo où votre dirigeant parle japonais grâce à un clone de sa voix entre dans cette catégorie, une illustration clairement imaginaire n'y entre pas.
Voir ce que l'AI Act impose concrètement aux entreprises B2B.
Pour aller plus loin
Ce glossaire n'est pas exhaustif, et il ne le sera jamais, le vocabulaire de l'IA continue de bouger plus vite que n'importe quel jargon qu'on a connu avant.
C'est d'ailleurs tout ce vocabulaire qu'on pose, à plat, dans les formations IA qu'on donne en entreprise, avant de passer aux usages concrets.
On décrypte aussi tout ça chaque semaine dans la newsletter Le Brief AI de Joynt. Une façon de continuer ce glossaire au fil de l'actu : un décryptage, un œil business et les outils qui valent vraiment le détour.
Voir plus d'articles pour votre stratégie marketing et IA
Agence marketing & formation IA. De la stratégie à l'exécution, pour les organisations qui veulent gagner en efficacité, sans perdre leur autonomie.
© 2026 Joynt. Tous droits réservés.
Agence marketing & formation IA. De la stratégie à l'exécution, pour les organisations qui veulent gagner en efficacité, sans perdre leur autonomie.
© 2026 Joynt. Tous droits réservés.
Agence marketing & formation IA. De la stratégie à l'exécution, pour les organisations qui veulent gagner en efficacité, sans perdre leur autonomie.
© 2026 Joynt. Tous droits réservés.