Lexique de l'Intelligence Artificielle

L'intelligence artificielle (IA) désigne un champ scientifique et technique visant à créer des systèmes capables d'imiter certaines fonctions cognitives humaines.

Un algorithme est une suite d'instructions définissant comment traiter des données pour atteindre un résultat.

Sous-domaine de l'IA où les modèles s'améliorent par expérience grâce aux données, sans règles fixes codées à l'avance.

Unité de calcul élémentaire inspirée du neurone biologique, base des réseaux de neurones artificiels.

Ensemble structuré de neurones artificiels interconnectés, organisés en couches pour traiter des informations complexes.

Méthode où l'algorithme apprend à partir d'exemples annotés.

Approche où le modèle apprend sans étiquettes.

Sous-domaine du ML basé sur des réseaux neuronaux.

Méthode où un agent apprend par récompenses.

Méthode où plusieurs acteurs entraînent un modèle sans partager les données.

Technique qui réutilise les connaissances pour une autre tâche.

Capacité d'un système à s'adapter en continu.

Une distorsion systématique dans les données, modèles ou résultats, pouvant mener à des décisions injustes.

Informations personnelles particulièrement protégées par la loi : santé, origine ethnique, opinions politiques.

Toute information permettant d'identifier directement ou indirectement une personne physique.

Procédé rendant impossible l'identification d'une personne à partir de ses données.

Remplacement des identifiants directs par des pseudonymes, avec possibilité de ré-identification.

Technique de génération artificielle de nouvelles données pour améliorer l'entraînement des modèles.

Mise à disposition libre et gratuite de données publiques pour l'entraînement de modèles d'IA.

Variable ou attribut mesurable d'un jeu de données utilisé pour entraîner un modèle d'IA.

Exploitation de volumes massifs de données variées et générées à grande vitesse.

Technique cryptographique permettant d'effectuer des calculs sur des données chiffrées sans les déchiffrer.

Technique cryptographique permettant à plusieurs parties de réaliser un calcul conjoint sans partager leurs données.

Manipulation volontaire des données d'entrée d'un modèle d'IA pour provoquer une erreur de prédiction.

Attaque consistant à introduire des données corrompues dans un jeu d'entraînement pour biaiser un modèle.

Capacité d'un modèle à maintenir ses performances face à des variations ou des attaques.

Faiblesses d'un modèle ou d'un système qui peuvent être exploitées par des erreurs ou des attaques.

Capacité d'un système à se rétablir et à continuer à fonctionner après une perturbation ou une attaque.

Capacité à comprendre, interpréter et justifier le fonctionnement et les décisions d'un modèle d'IA.

Ensemble des pratiques visant à rendre les systèmes d'IA compréhensibles, accessibles et vérifiables.

Modèle dont le fonctionnement interne est opaque ou difficile à interpréter, même pour ses concepteurs.

Capacité d'un système à être contrôlé, vérifié et évalué de manière indépendante pour garantir sa conformité.

Capacité à suivre, documenter et reconstituer l'ensemble du cycle de vie d'un système IA.

Ensemble des principes et valeurs visant à encadrer la conception et l'usage des systèmes d'IA de manière responsable.

Mécanismes juridiques, techniques et éthiques visant à identifier qui est responsable des décisions d'un système d'IA.

Domaine de l'IA qui permet aux machines d'analyser et de comprendre automatiquement des images ou des vidéos.

Technologie d'IA qui permet d'identifier ou d'authentifier une personne à partir de son visage.

Véhicule équipé de technologies d'IA lui permettant de se déplacer sans intervention humaine.

Discipline de l'IA qui permet aux machines de comprendre, analyser et générer du langage humain.

Type d'IA capable de créer de nouvelles données (texte, image, son, vidéo) à partir de modèles appris.