Un modèle de fondation, c’est une grande IA généraliste sur laquelle on construit d’autres outils. Voici la définition, une image concrète, des exemples, et la limite à garder en tête.
IA open source ou « à poids ouverts » : ce que ça veut dire vraiment, pourquoi on en parle, et les limites à ne pas oublier — surtout sur les données et le « gratuit ».
Le RAG, c’est quand l’IA cherche d’abord dans vos documents, puis rédige une réponse. Utile — mais elle peut encore mal citer. Voici comment ça marche, sans maths.
Le fine-tuning spécialise une IA déjà entraînée pour une tâche ou un style précis. Ce n’est pas « discuter cinq minutes ». Voici la définition, des exemples, et la limite.
Une IA multimodale comprend plusieurs « modes » : texte, image, son, parfois vidéo. Voici ce que ça change pour un débutant, avec un exemple concret et une limite claire.
Un deepfake, ou hypertrucage, est une vidéo, une photo ou une voix truquée par intelligence artificielle. Le risque n’est pas seulement « le spectacle » : c’est l’arnaque crédible. Ce glossaire pose le terme et les réflexes utiles.
Un biais algorithmique, c’est une tendance systématique dans les résultats d’une IA — par exemple sur les métiers et les prénoms. Ce n’est pas une « opinion » de la machine. Voici comment le reconnaître et le limiter.
Un data center, c’est d’abord un bâtiment plein de serveurs. Ce glossaire dit à quoi il sert pour l’IA, ce qu’on confond souvent avec un « cloud » magique, et quelles questions posent les projets en Hauts-de-France. Pas de chiffres de consommation inventés : pour l’eau, l’électricité et le bruit, on renvoie aux fiches sourcées.
Le GPU, c’est la puce qui a d’abord fait briller les jeux vidéo — et qui, aujourd’hui, fait tourner une grande partie de l’intelligence artificielle. Ce glossaire explique le terme sans jargon d’ingénieur, montre ce que ça change dans la vie courante, et relie le sujet aux data centers et aux débats en Hauts-de-France. Pas de pétaflops inventés : ici, on vise la compréhension.
