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)
Ecrit par
Jessica Servain
Co-fondatrice de Joynt | Experte Branding & IA
Depuis un an, le vocabulaire de l'IA s'est invité dans toutes nos réunions, souvent plus vite que la compréhension qu'on en a. RAG, Token, LLM, MCP circulent dans les conversations, tout le monde hoche la tête et personne n'ose vraiment demander ce qu'ils recouvrent.
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.
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.
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.
Intelligence artificielle Open source vs. propriétaire
Llama (Meta) ou Mistral rendent leur code, et parfois leurs poids, accessibles publiquement. GPT (OpenAI) ou Claude (Anthropic) restent fermés, on n'accède qu'au produit fini.
Un modèle open source peut tourner en local, sur votre propre infrastructure, sans que rien ne transite chez un tiers. C'est souvent le critère qui compte le plus pour un secteur réglementé.
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.
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.
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.
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.
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.
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.
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.
Slop IA
Le contenu IA produit en masse, générique, sans valeur ajoutée. Vient de l'argot anglais pour la pâtée à cochons. Sur Deezer, 44 % des morceaux déposés chaque jour seraient déjà générés par IA. 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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
Intelligence artificielle Open source vs. propriétaire
Llama (Meta) ou Mistral rendent leur code, et parfois leurs poids, accessibles publiquement. GPT (OpenAI) ou Claude (Anthropic) restent fermés, on n'accède qu'au produit fini.
Un modèle open source peut tourner en local, sur votre propre infrastructure, sans que rien ne transite chez un tiers. C'est souvent le critère qui compte le plus pour un secteur réglementé.
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.
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.
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.
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.
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.
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.
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.
Slop IA
Le contenu IA produit en masse, générique, sans valeur ajoutée. Vient de l'argot anglais pour la pâtée à cochons. Sur Deezer, 44 % des morceaux déposés chaque jour seraient déjà générés par IA. 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.
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.
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.
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.
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.
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.
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.
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.