IA pour Dirigeants
L’Intelligence Artificielle Expliquée Simplement

Intelligence Artificielle (IA)

Faire réaliser par un ordinateur des tâches qui nécessitent normalement l’intelligence humaine. Imaginez un joueur de rugby qui apprendrait les tactiques adverses en regardant des centaines de matchs : l’IA fonctionne pareil, elle apprend de milliers d’exemples pour accomplir des tâches comme rédiger, analyser ou prédire.

IA Générative

Type d’IA capable de créer du contenu original (texte, images, code). Comme un demi d’ouverture qui ne se contente pas de répéter les mêmes combinaisons mais invente de nouvelles stratégies à chaque match. Pour votre entreprise, cela signifie générer des emails, des présentations ou des posts LinkedIn en quelques secondes.

Modèle de Langage (LLM)

Le « cerveau » derrière ChatGPT, Claude ou Gemini. C’est un système entraîné sur des milliards de textes qui comprend et génère du langage humain. Pensez à un joueur expérimenté qui a tellement joué qu’il anticipe instinctivement les actions – le LLM « devine » le mot suivant avec une précision impressionnante.

Token

Unité de texte que l’IA utilise pour comprendre vos demandes. Un token = environ 4 caractères en français. Comme aux rugbys d’antan où on comptait les passes, les outils IA comptent les tokens pour facturer. Un email de 500 mots = environ 650 tokens. Important à connaître quand vous choisissez votre abonnement !

Prompt

L’instruction que vous donnez à l’IA – votre « consigne de jeu ». Plus votre prompt est précis (objectif, contexte, format souhaité), meilleur sera le résultat. C’est comme briefer votre équipe avant le match : « On joue large, passes courtes, on cherche les intervalles » vs « Allez, jouez bien ». La différence de résultat est énorme.

Contexte (Fenêtre de contexte)

La « mémoire active » de l’IA pendant une conversation – combien d’informations elle peut garder en tête simultanément. Claude Sonnet garde 200 000 tokens en mémoire, soit l’équivalent d’un roman entier ! Pour vous, cela signifie pouvoir analyser plusieurs documents sans perdre le fil.

Hallucination

Quand l’IA invente des informations fausses de manière convaincante. Comme un joueur qui raconterait avoir marqué l’essai gagnant de la finale alors qu’il était remplaçant ! Toujours vérifier les faits importants, surtout pour les chiffres, dates et références légales.

Fine-tuning (Ajustement)

Entraîner un modèle généraliste sur vos données spécifiques pour qu’il comprenne votre métier. C’est comme faire venir un joueur international à l’USAP : il connaît déjà le rugby, mais on l’adapte à notre style de jeu catalan. Résultat : l’IA parle votre jargon métier naturellement.

RAG (Retrieval Augmented Generation)

Technique qui permet à l’IA d’aller chercher des informations dans vos documents avant de répondre. Imaginez un troisième-ligne qui consulte le carnet de jeu avant chaque mêlée : il ne devine pas, il vérifie la tactique exacte. Essentiel pour avoir des réponses précises basées sur VOS données d’entreprise.

Vecteur (Embedding)

Représentation mathématique d’un texte qui permet à l’IA de comprendre le sens. Deux phrases qui parlent de « compta » et « comptabilité » auront des vecteurs proches, même si les mots diffèrent. C’est comme reconnaître deux schémas de jeu similaires malgré des noms de tactiques différents.

Base de données vectorielle

Système de stockage optimisé pour retrouver rapidement des informations similaires. Quand vous demandez « Comment gérer les notes de frais ? », l’IA cherche dans toute votre documentation les passages qui ressemblent à cette question. Plus rapide que Ctrl+F et bien plus intelligent !

API (Interface de Programmation)

Point de connexion qui permet à vos logiciels de communiquer avec l’IA. Pensez aux API comme aux passes entre joueurs : elles permettent à votre CRM d’envoyer des données à ChatGPT qui les analyse et renvoie le résultat. Automatisation sans intervention humaine.

Température

Paramètre qui contrôle la créativité de l’IA. Température basse (0,2) = réponses prévisibles et factuelles, idéal pour la compta. Température haute (0,8) = créativité maximale, parfait pour le marketing. C’est choisir entre un jeu structuré ou spectaculaire selon le contexte du match.

Agent IA

IA capable d’accomplir des tâches complexes en autonomie en utilisant plusieurs outils. Contrairement à un simple chatbot qui répond, l’agent peut analyser un email, chercher dans votre CRM, rédiger une proposition commerciale et programmer le suivi. Votre nouveau directeur commercial qui ne dort jamais !

Modèle Multimodal

IA capable de traiter différents types de contenus : texte, images, audio, vidéo. Comme un joueur complet qui peut jouer en mêlée, dans les lignes arrières ET botter. GPT-4o et Claude en sont capables – vous pouvez leur envoyer une photo de facture et ils l’analysent directement.

Open Source vs Propriétaire

Open source (Mistral, Llama) = recette publique que vous pouvez modifier et héberger chez vous. Propriétaire (ChatGPT, Claude) = secret commercial, vous l’utilisez sans voir « sous le capot ». Pour les TPE, c’est souvent comme choisir entre personnaliser son maillot ou acheter celui du club : le propriétaire est plus simple à démarrer.

GPU (Processeur Graphique)

Composant informatique surpuissant nécessaire pour entraîner les IA. Un GPU fait en 1 heure ce qu’un processeur classique ferait en 1 mois. Bonne nouvelle pour vous : inutile d’en acheter, vous utilisez les IA déjà entraînées via internet, comme regarder le match à la TV plutôt que construire le stade !

Pré-entraînement

Phase où le modèle apprend les bases du langage sur des milliards de textes. C’est l’école de rugby : on apprend les règles, les passes, les plaquages. Après cette phase, l’IA comprend le français et la structure des phrases, mais ne connaît pas encore votre entreprise spécifiquement.

Apprentissage Supervisé

Méthode où on montre à l’IA des milliers d’exemples étiquetés : « Ceci est un email de réclamation », « Ceci est une demande de devis ». Comme un entraîneur qui montre des vidéos de matchs en expliquant les bonnes et mauvaises décisions. L’IA apprend à reconnaître les patterns.

RLHF (Apprentissage par Renforcement Humain)

Technique où l’IA apprend en recevant des « récompenses » pour les bonnes réponses et des « punitions » pour les mauvaises. Exactement comme un jeune joueur qui comprend vite ce qui marche sur le terrain grâce aux encouragements ou aux corrections de son coach.

Inférence

Moment où l’IA utilise ce qu’elle a appris pour répondre à votre question. L’entraînement est fini, maintenant elle joue le match ! C’est cette phase que vous utilisez quand vous discutez avec ChatGPT – l’IA « infère » la meilleure réponse possible.

Tokenisation

Découpage du texte en tokens que l’IA peut traiter. Le mot « Perpignan » devient peut-être 2 tokens : « Perp » + « ignan ». Chaque modèle découpe différemment. Pour vous, retenez juste : plus votre texte est long, plus ça consomme de tokens, donc de crédits.

Paramètres (du modèle)

Millions de réglages internes que l’IA ajuste pendant son apprentissage. GPT-4 a 1 700 milliards de paramètres ! C’est comme les automatismes d’un joueur pro : des milliers de micro-décisions enregistrées qui lui permettent de jouer sans réfléchir consciemment à chaque action.

Corpus d’entraînement

Ensemble de toutes les données utilisées pour entraîner l’IA. Si le corpus contient beaucoup de textes juridiques français, l’IA sera forte en droit français. Si votre corpus d’entraînement ne contenait que des matchs de rugby des années 70, vous joueriez avec des tactiques dépassées !

Biais algorithmique

Préjugés involontairement intégrés dans l’IA si les données d’entraînement ne sont pas équilibrées. Si une IA n’a vu que des photos de dirigeants masculins, elle pourrait associer « CEO » aux hommes. Chez CanigouIA, on vous forme à détecter et corriger ces biais dans vos usages professionnels.