// ARCHIVE
Categorie : IA & LLM
-
Ingénierie de contexte (context engineering)
L’ingénierie de contexte, c’est l’art de décider quelles informations placer dans la fenêtre de contexte d’un modèle, et comment les organiser, pour…
-
Modèle de raisonnement
Un modèle de raisonnement, c’est un type de LLM conçu pour « réfléchir » plus longuement avant de répondre, en déroulant des…
-
Tokenisation
La tokenisation, c’est l’étape où un modèle découpe ton texte en tokens avant de le traiter.
-
Réseau de neurones
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.
-
Apprentissage profond (deep learning)
Le deep learning, c’est une forme de machine learning qui empile de nombreuses couches de neurones pour apprendre des motifs complexes.
-
Données d’entraînement
Les données d’entraînement, c’est l’ensemble des exemples sur lesquels un modèle apprend.
-
Biais algorithmique
Un biais algorithmique, c’est une distorsion systématique dans les sorties d’une IA, héritée de ses données ou de sa conception.
-
Garde-fous (guardrails)
Les garde-fous, ce sont les règles et filtres qui encadrent ce qu’une IA peut dire ou faire.
-
Appel de fonction (function calling)
L’appel de fonction, c’est la capacité d’un modèle à déclencher un outil externe plutôt que de répondre seul.
-
Distillation de modèle
La distillation, c’est le fait d’entraîner un petit modèle à imiter un grand, pour obtenir une version plus légère, plus rapide et…