Categorie : IA & LLM

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.

Le raisonnement pas à pas, c’est le fait de demander à un modèle d’expliciter ses étapes avant de conclure.

Un modèle de fondation, c’est un grand modèle entraîné sur des données très larges, conçu pour être adapté à de nombreuses tâches.

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.

Les garde-fous, ce sont les règles et filtres qui encadrent ce qu’une IA peut dire ou faire.