Glossaire IA

Terme	Description
Activation Function	Fonction dans un réseau de neurones qui décide si un neurone doit être activé ou non.
Algorithme	Une série d’instructions programmées pour effectuer une tâche spécifique.
Anomaly Detection	Identification de points de données, événements ou observations qui s’écartent de la norme attendue dans un ensemble de données.
API (Interface de Programmation d’Applications)	Ensemble de règles et de protocoles pour construire et interagir avec des logiciels.
Apprentissage automatique (Machine Learning, ML)	Création de systèmes capables d’apprendre et d’évoluer à partir de données.
Apprentissage par renforcement	Méthode où un agent apprend à prendre des décisions pour maximiser une récompense.
Apprentissage profond (Deep Learning)	Sous-catégorie de ML utilisant des réseaux de neurones profonds.
Arbre de décision	Modèle de prédiction utilisant une structure d’arbre.
Assistants virtuels	Programmes qui comprennent le langage naturel pour aider dans des tâches quotidiennes.
Backpropagation	Méthode de calcul du gradient de la fonction de coût dans les réseaux de neurones.
Batch	Ensemble de données utilisé en une seule itération de l’entraînement d’un modèle.
Big Data	Grands ensembles de données complexes analysés pour révéler des motifs.
Biais algorithmique	Tendance des systèmes d’IA à reproduire des préjugés existants.
Chatbot	Programme simulant la conversation avec des utilisateurs humains.
Classification	Processus où un modèle attribue des étiquettes à des points de données.
Clustering	Regroupement de points de données similaires en ensembles.
Cloud Computing	Mise à disposition de ressources informatiques sur Internet.
Convolutional Layer	Couche d’un réseau de neurones convolutif qui applique l’opération de convolution pour le traitement d’images.
Cross-Validation	Technique d’évaluation d’un modèle sur plusieurs sous-ensembles de données.
Data Mining	Processus d’extraction de motifs utiles à partir de grandes quantités de données.
Deepfake	Technique pour la synthèse d’images humaines basée sur l’IA.
Dimensionality Reduction	Processus de réduction du nombre de variables aléatoires sous-jacentes dans les ensembles de données.
Embedding	Représentation de données catégorielles comme un vecteur de nombres réels.
Ensemble Learning	Technique où plusieurs modèles sont combinés pour résoudre un problème.
Epoch	Passe complète sur l’ensemble du jeu de données d’entraînement.
F1 Score	Mesure combinant précision et rappel en une seule métrique.
Feature Engineering	Sélection, modification et création de fonctionnalités à partir de données brutes.
Filtrage collaboratif	Mécanisme de recommandation basé sur les préférences d’utilisateurs similaires.
Genetic Algorithm	Algorithme d’optimisation et de recherche basé sur les principes de la génétique et de la sélection naturelle.
Gradient Descent	Technique d’optimisation pour minimiser une fonction de coût.
Heuristic	Technique conçue pour résoudre un problème plus rapidement lorsqu’une solution exhaustive est impraticable.
Hyperparamètre	Paramètre de configuration externe au modèle, fixé avant l’apprentissage.
IA éthique	Discussions et politiques concernant l’utilisation responsable de l’IA.
IA faible (ou spécialisée)	Systèmes d’IA conçus pour une tâche spécifique.
IA générale (AGI)	Niveau d’IA où une machine pourrait effectuer toute tâche intellectuelle humaine.
Internet des Objets (IoT)	Interconnexion d’appareils avec des logiciels et la connectivité réseau.
K-Nearest Neighbors (KNN)	Méthode classant un point de données basé sur ses K voisins les plus proches.
Latent Variable	Variable non observée directement mais plutôt inférée à partir d’autres variables observées.
Loss Function	Fonction utilisée pour mesurer le degré d’erreur d’un modèle en apprentissage automatique.
Machine à Vecteurs de Support (SVM)	Modèle d’apprentissage supervisé pour la classification et la régression.
Modèle Génératif Adversatif (GAN)	Système d’IA avec un générateur et un discriminateur en jeu adversatif.
Natural Language Generation (NLG)	Génération de texte naturel et cohérent à partir de données structurées.
N-gram	Modèle pour le traitement du langage naturel basé sur des séquences d’éléments.
Neural Network Architecture	Structure d’un réseau de neurones, y compris le nombre de couches et la manière dont elles sont interconnectées.
One-hot Encoding	Représentation de variables catégorielles comme des vecteurs binaires.
Overfitting	Quand un modèle apprend trop de détails des données d’entraînement.
Pooling Layer	Couche d’un réseau de neurones convolutif qui réduit les dimensions spatiales.
Précision et Rappel (Precision and Recall)	Mesures évaluant la performance des modèles de classification.
Réalité Augmentée (AR) et Réalité Virtuelle (VR)	Technologies superposant des informations numériques dans le monde réel (AR) ou créant des environnements immersifs (VR).
Reconnaissance faciale	Technologie d’IA identifiant des personnes à partir d’images ou de vidéos.
Reconnaissance vocale	Capacité des machines à comprendre et répondre à la parole humaine.
Reinforcement Learning Environment	Environnement dans lequel un agent d’apprentissage par renforcement interagit.
Régression	Analyse prédisant une valeur numérique continue basée sur des entrées.
Réseau Bayésien	Modèle graphique probabiliste représentant des variables et leurs dépendances.
Réseau de neurones	Modèle en IA simulant le traitement de l’information par le cerveau humain.
Réseau de neurones convolutifs (CNN)	Réseau de neurones profonds pour l’analyse d’images.
Réseau de neurones récurrents (RNN)	Réseau de neurones pour le traitement de séquences de données.
Regularization	Technique évitant l’overfitting en ajoutant une pénalité aux poids du modèle.
Robotique	Conception et utilisation de robots, souvent avec des éléments d’IA.
Semi-supervised Learning	Apprentissage utilisant des données étiquetées et non étiquetées.
Sequential Model	Modèle traitant les données séquentielles, où l’ordre est important.
SVM (Machine à Vecteurs de Support)	Modèle efficace d’apprentissage supervisé pour la classification et la régression.
Tensor	Structure de données pour les données en apprentissage profond.
Time Series Analysis	Technique d’analyse de séries chronologiques de données.
Token	Plus petite unité de texte en traitement du langage naturel.
Traitement automatique du langage naturel (TALN)	Interaction entre ordinateur et langage humain pour la traduction et la reconnaissance vocale.
Traitement du langage naturel (TLP)	Interaction entre ordinateur et langage humain.
Transfer Learning	Réutilisation d’un modèle développé pour une tâche sur une deuxième tâche.
Underfitting	Quand un modèle est trop simple et manque de précision dans ses prédictions.
Unsupervised Learning	Apprentissage où le modèle identifie des structures dans des ensembles de données sans étiquettes.
Vectorisation	Conversion de données non numériques en vecteurs numériques.
Vision par ordinateur	Technologie permettant aux ordinateurs de traiter et d’analyser des images et vidéos.
Voiture autonome	Véhicule naviguant sans intervention humaine en utilisant des technologies d’IA.
Weight Initialization	Processus de définition des poids initiaux dans un réseau de neurones.
Zero-shot Learning	Capacité d’un modèle à identifier des objets qu’il n’a jamais vus pendant l’entraînement.