Categorie : IA & LLM

Les paramètres, ce sont les valeurs internes qu’un modèle ajuste pendant l’entraînement pour faire ses prédictions. On les compte en milliards pour…

Un modèle open-source, c’est un modèle dont les poids sont publics : tu peux le télécharger, l’héberger toi-même et l’adapter.

Le machine learning, c’est la branche de l’IA où un programme apprend à partir d’exemples au lieu de suivre des règles écrites…

Le prompt système, c’est l’instruction de fond donnée à une IA avant ta conversation, qui fixe son rôle et ses règles.

Un modèle de raisonnement, c’est un type de LLM conçu pour « réfléchir » plus longuement avant de répondre, en déroulant des…

La tokenisation, c’est l’étape où un modèle découpe ton texte en tokens avant de le traiter.

Un réseau de neurones, c’est un modèle de calcul inspiré du cerveau, fait de couches d’unités connectées qui s’ajustent à l’entraînement.

Le deep learning, c’est une forme de machine learning qui empile de nombreuses couches de neurones pour apprendre des motifs complexes.

Les données d’entraînement, c’est l’ensemble des exemples sur lesquels un modèle apprend.

Un biais algorithmique, c’est une distorsion systématique dans les sorties d’une IA, héritée de ses données ou de sa conception.