Glossaire de l'intelligence artificielle

Application Programming Interface (API)

Une API (Interface de Programmation) permet à des applications de communiquer entre elles. Dans le contexte de l'IA, les API permettent aux développeurs d'intégrer des modèles comme GPT-4 ou Claude dans leurs propres applications via des requêtes HTTP. L'accès API est le principal modèle commercial des fournisseurs de LLM.

Vector Database

Une base de données vectorielle est un système de stockage optimisé pour stocker et rechercher des embeddings (vecteurs de haute dimension). Elle permet la recherche par similarite sémantique : trouver les documents les plus proches d'une requête. Les bases vectorielles sont essentielles pour le RAG et la recherche sémantique.

Benchmark

Un benchmark en IA est un test standardisé pour évaluer et comparer les performances de différents modèles sur des tâches spécifiques. Les benchmarks couvrent le raisonnement, les mathématiques, le code, les connaissances générales et la compréhension. Ils sont essentiels pour mesurer les progrès de l'IA et comparer les modèles objectivement.

Latency

La latence en IA désigne le temps entre l'envoi d'une requête au modèle et la réception de la réponse. Elle depend de la taille du modèle, du hardware, de la longueur du contexte et de l'optimisation. Une faible latence est cruciale pour les applications temps réel comme les chatbots et la conduite autonome.

Machine Learning Operations (MLOps)

MLOps est un ensemble de pratiques combinant machine learning, DevOps et ingenierie des données pour automatiser et fiabiliser le cycle de vie des modèles d'IA en production. Cela couvre l'entraînement, le déploiement, le monitoring et la mise à jour des modèles. MLOps est essentiel pour les entreprises qui deploient l'IA à grande echelle.

Massive Multitask Language Understanding (MMLU)

MMLU est un benchmark de référence qui évalue les connaissances et le raisonnement d'un LLM sur 57 domaines académiques, des mathématiques à l'histoire en passant par le droit et la médecine. Il contient environ 16 000 questions à choix multiples. Le score MMLU est l'un des critères les plus cités pour comparer les LLM.

Model Context Protocol (MCP)

Le MCP est un protocole ouvert, introduit par Anthropic, qui standardise la façon dont les modèles d'IA se connectent à des outils, des données et des applications externes. Il joue pour les agents IA un rôle comparable à celui d'un port universel : un même connecteur fonctionne avec différents modèles. Il accélère la création d'agents capables d'agir sur des systèmes réels.

Tokenizer

Un tokenizer est l'algorithme qui découpe le texte en tokens avant de les envoyer au modèle. Différents modèles utilisent différents tokenizers (BPE, SentencePiece, WordPiece). Le choix du tokenizer affecte le nombre de tokens consommés et donc le coût et les limites de contexte. Un bon tokenizer gere efficacement plusieurs langues.