Glossaire et définitions

La capacité à travailler avec les systèmes d’IA de manière efficace, éthique et sûre. Inclut des compétences pratiques, des connaissances et des valeurs pour s’adapter aux technologies IA en évolution.

Les quatre compétences fondamentales de l’AI Fluency : Delegation, Description, Discernment et Diligence. Un cadre pratique pour toute collaboration humain–IA.

Décider quelles tâches doivent être réalisées par des humains, par l’IA, ou comment les distribuer entre les deux. Inclut la compréhension de vos objectifs et des capacités des outils.

Communiquer efficacement avec les systèmes IA : définir clairement les outputs attendus, guider les processus IA et spécifier les comportements désirés.

Évaluer de manière critique et rigoureuse les outputs IA : qualité, précision, pertinence, appropriateness — et identifier les axes d’amélioration.

Utiliser l’IA de manière responsable et éthique : transparence sur le rôle de l’IA dans vos productions, et accountability pour les outputs produits et partagés.

Systèmes IA capables de créer de nouveaux contenus (texte, images, code, audio…) plutôt que d’analyser uniquement des données existantes.

Systèmes d’IA générative entraînés sur d’immenses volumes de texte pour comprendre et produire du langage humain. Claude, GPT-4 en sont des exemples.

La quantité d’informations qu’une IA peut considérer à un instant donné, incluant l’historique de conversation et les documents partagés. Chaque modèle a sa limite.

Type d’erreur où l’IA affirme avec confiance quelque chose qui semble plausible mais est factuellement incorrect. Un risque critique à surveiller en contexte professionnel.

Technique qui connecte les modèles IA à des sources de connaissance externes pour améliorer la précision des réponses et réduire les hallucinations.

Entraînement additionnel après la phase initiale, pour qu’un modèle apprenne des comportements spécifiques à un domaine ou respecte des consignes particulières.

Paramètre contrôlant la créativité des réponses IA. Haute = outputs variés et créatifs. Basse = réponses prévisibles et focalisées sur la précision.

La date au-delà de laquelle un modèle IA n’a plus de connaissance intégrée du monde, basée sur sa période d’entraînement. Toute information récente requiert une recherche externe.

L’input donné à un modèle IA, incluant instructions et documents partagés. La qualité du prompt détermine en grande partie la qualité de l’output obtenu.

La pratique de concevoir des prompts efficaces pour obtenir les outputs désirés. Combine communication claire et techniques spécifiques aux modèles de langage.

Rôle, Contexte, Tâche, Format, Exemple — la structure enseignée dans cette formation pour construire des prompts professionnels performants et reproductibles.

Encourager l’IA à résoudre un problème étape par étape, décomposant les tâches complexes pour améliorer la qualité du raisonnement et la fiabilité des outputs.

L’IA exécute des tâches spécifiques selon des instructions précises définies par l’humain. L’humain définit le quoi, l’IA assure le comment de manière répétable.

Humains et IA collaborent comme partenaires de réflexion, avec des allers-retours itératifs où les deux contribuent au résultat final.

L’humain configure l’IA pour travailler de manière indépendante en son nom, y compris interagir avec d’autres systèmes et outils. Le mode le plus avancé — thème central de cette formation.

Protocole permettant aux modèles IA de se connecter à des outils et services externes, démultipliant leurs capacités d’action dans votre environnement de travail réel.