DataFranca - Contributions [fr]

Visual prompt

2026-09-15T21:56:06Z

Arianne : Page créée avec « == en construction == == Définition == '''Requête''' sous forme de spécification visuelle simple pour les tâches visuelles qui ne relèvent pas de la '''classification''', telles que la '''détection d’objets''' et la '''segmentation d'image'''. == Compléments == Pour les images spécialisées, il peut s’avérer plus facile et plus naturel de décrire une tâche à l’aide d’une requête visu... »

== en construction ==

== Définition ==
'''[[Requête générative|Requête]]''' sous forme de spécification visuelle simple pour les tâches visuelles qui ne relèvent pas de la '''[[classification]]''', telles que la '''[[Détection d'objet|détection d’objets]]''' et la '''[[segmentation d'image]]'''.

== Compléments ==
Pour les images spécialisées, il peut s’avérer plus facile et plus naturel de décrire une tâche à l’aide d’une requête visuelle plutôt que d’essayer d’utiliser du texte.

== Français ==
''' requête visuelle'''

== Anglais ==
''' visual prompt'''

== Sources ==
[https://mschnei.github.io/visprompt/ Source : Visprompt]

[[Catégorie:vocabulary]]

Speaker diarization

2026-09-15T21:47:19Z

Arianne : Page créée avec « == en construction == == Définition == Processus de traitement de la parole qui consiste à segmenter automatiquement les signaux vocaux et à distinguer les différents locuteurs dans un enregistrement audio. Voir aussi '''traitement automatique de la parole''' == Français == ''' diarisation''' ''' diarisation du locuteur''' ''' diarisation des locuteurs ''' == Anglais == ''' diarization''' ''' speaker diarization''' ''' SD''' == Sources == [http... »

== en construction ==

== Définition ==
Processus de traitement de la parole qui consiste à segmenter automatiquement les signaux vocaux et à distinguer les différents locuteurs dans un enregistrement audio.

Voir aussi '''[[traitement automatique de la parole]]'''

== Français ==
''' diarisation'''

''' diarisation du locuteur'''

''' diarisation des locuteurs '''

== Anglais ==
''' diarization'''

''' speaker diarization'''

''' SD'''

== Sources ==
[https://en.wikipedia.org/wiki/Speaker_diarisation Source : Wikipedia]

[https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/26586996/diarisation Source : GDT, OQLF]

[[Catégorie:vocabulary]]

Hard prompt

2026-09-15T17:26:12Z

Arianne : Page créée avec « == en construction == == Définition == '''Requêtes génératives''' rédigées à la main, formulées en '''langage naturel''', que tout être humain peut lire, rédiger et modifier. Elles sont conçues pour être précises et explicites, et guident directement le comportement et la réponse du '''modèle'''. Il s’agit du type de requête par défaut dans la plupart des applications d’''... »

== en construction ==

== Définition ==
'''[[Requête générative|Requêtes génératives]]''' rédigées à la main, formulées en '''[[langage naturel]]''', que tout être humain peut lire, rédiger et modifier. Elles sont conçues pour être précises et explicites, et guident directement le comportement et la réponse du '''[[Modèle d'intelligence artificielle|modèle]]'''. Il s’agit du type de requête par défaut dans la plupart des applications d’'''[[Intelligence artificielle|intelligence artificielle (IA)]]'''. Cependant, elles augmentent la charge de calcul et le risque de '''[[Fabulation de l'IA|fabulations de l'IA]]'''.

Voir aussi '''[[soft prompt]]'''

== Compléments ==
Cas d'utilisation: '''[[génération automatique d'image]]''', résolution de problèmes et classification de textes.

== Français ==
''' XXXXXXXXX'''

== Anglais ==
''' hard prompt'''

== Sources ==
[https://www.oxcyon.com/centralpoint-dxp/oxcyon-glossary-terminology-centralpoint/hard-prompt-265 Source : Central Point, Oxcyon]

[https://cobusgreyling.medium.com/prompt-tuning-hard-prompts-soft-prompts-49740de6c64c Source : Medium]

[https://shieldbase.ai/glossary/hard-prompt Source: Shieldbase ai glossary]

[https://softwaremind.com/blog/how-and-why-soft-promps-are-slowly-replacing-text-prompts/ Source : Software Mind]

[[Catégorie:vocabulary]]

Hyperparamètre

2026-09-15T17:10:23Z

Arianne :

== Définition ==
En '''[[apprentissage automatique]]''', '''[[paramètre]]''' dont la valeur est utilisée pour contrôler le processus d'apprentissage automatique. C'est-à-dire, un paramètre de l''''[[algorithme]]''' ou de l'architecture du '''[[Modèle d'intelligence artificielle|modèle]]''' qui est fixé avant le début de l''''[[entraînement]]''' d'un modèle donc indépendamment de l'entraînement. En revanche, les valeurs des autres paramètres sont obtenues par entraînement sur les '''[[données]]'''.

== Compléments ==

La valeur d'un hyperparamètre est déterminée par l''''[[optimisation d'hyperparamètre]]''' qui implique une série d'entraînements d'un modèle d'apprentissage.

== Français ==
'''hyperparamètre'''

== Anglais ==

'''hyperparameter'''

'''hyper parameter'''

'''hyper-parameter'''

==Sources==

[https://www.accenture.com/us-en/applied-intelligence-glossary Source : Accenture - applied intelligence glossary ]

[https://en.wikipedia.org/wiki/Hyperparameter_(machine_learning) Source : wikipedia]

[https://www.datacorner.fr/hyper-parameters/ Source : datacorner.fr ]

[https://www.ibm.com/news/ca/fr/2020/12/10/ibm-et-mila-institut-quebecois-dintelligence-artificielle-annoncent-la-naissance-dune-collaboration.html Source : ibm.com ]

[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Réglage

2026-09-15T17:08:14Z

Arianne :

== Définition ==
Le réglage des '''[[Modèle d'intelligence artificielle|modèles d'intelligence artificielle]]''' est nécessaire avant de pouvoir être déployés à grande échelle. Ce processus est souvent non intuitif et prend du temps et les '''[[Paramètre|paramètres]]''' de modèle ajustables ('''[[Hyperparamètre|hyperparamètres]]''') peuvent affecter considérablement la précision du modèle.

Voir aussi '''[[peaufinage]]'''

== Français ==
'''réglage'''

== Anglais ==
''' tuning '''

==Sources==

[https://www.accenture.com/us-en/applied-intelligence-glossary Source : Accenture - applied intelligence glossary ]

[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Soft prompt

2026-09-15T17:07:47Z

Arianne :

== en construction ==

== Définition ==
'''[[Tenseur|Tenseurs]]''' ajustables concaténés aux représentations d’entrée et pouvant être optimisés pour un '''[[jeu de données]]''' qui impliquent l’intégration de vecteurs qui n’ont pas de lien linguistique ou sémantique direct avec la tâche à accomplir. Ils sont créés au cours du processus de '''[[prompt tuning]]'''.

Bien qu’ils soient difficiles à comprendre pour l’être humain, il est plus efficace et plus efficient d’ajuster le '''[[Modèle d'intelligence artificielle|modèle]]''' pour diverses tâches à l’aide de ces tenseurs, car ils communiquent mathématiquement avec le modèle.

== Compléments ==
La principale différence entre les '''[[hard prompt]]''' et les requêtes souples réside dans la manière dont ils sont créés et dans leur composition. Une requête souple n’est pas constitués de mots à proprement parler, mais d’un ensemble de valeurs numériques, ou d’un '''[[vecteur sémantique compact]]''', que le '''[[Intelligence artificielle|système d'intelligence artificielle]]''' apprend automatiquement.

== Français ==
''' requête souple'''

== Anglais ==
''' soft prompt'''

== Sources ==
[https://arxiv.org/abs/2504.02144v1 Source : Arxiv]

[https://cobusgreyling.medium.com/prompt-tuning-hard-prompts-soft-prompts-49740de6c64c Source : Medium]

[https://softwaremind.com/blog/how-and-why-soft-promps-are-slowly-replacing-text-prompts/ Source : Software Mind]

[[Catégorie:vocabulary]]

Soft prompt

2026-09-15T17:02:35Z

Arianne : Page créée avec « == en construction == == Définition == '''Tenseurs''' ''apprenables'' concaténés aux représentations d’entrée et pouvant être optimisés pour un '''jeu de données''' qui impliquent l’intégration de vecteurs qui n’ont pas de lien linguistique ou sémantique direct avec la tâche à accomplir. Ils sont créés au cours du processus de '''prompt tuning'''. Bien qu’ils soient difficiles à comprendre pour l’être humain, il est... »

== en construction ==

== Définition ==
'''[[Tenseur|Tenseurs]]''' ''apprenables'' concaténés aux représentations d’entrée et pouvant être optimisés pour un '''[[jeu de données]]''' qui impliquent l’intégration de vecteurs qui n’ont pas de lien linguistique ou sémantique direct avec la tâche à accomplir. Ils sont créés au cours du processus de '''[[prompt tuning]]'''.

Bien qu’ils soient difficiles à comprendre pour l’être humain, il est plus efficace et plus efficient d’ajuster le '''[[Modèle d'intelligence artificielle|modèle]]''' pour diverses tâches à l’aide de ces tenseurs, car ils communiquent mathématiquement avec le modèle.

== Compléments ==
La principale différence entre les '''[[hard prompt]]''' et les requêtes souples réside dans la manière dont ils sont créés et dans leur composition. Une requête souple n’est pas constitués de mots à proprement parler, mais d’un ensemble de valeurs numériques, ou d’un '''[[vecteur sémantique compact]]''', que le '''[[Intelligence artificielle|système d'intelligence artificielle]]''' apprend automatiquement.

== Français ==
''' requête souple'''

== Anglais ==
''' soft prompt'''

== Sources ==
[https://arxiv.org/abs/2504.02144v1 Source : Arxiv]

[https://cobusgreyling.medium.com/prompt-tuning-hard-prompts-soft-prompts-49740de6c64c Source : Medium]

[https://softwaremind.com/blog/how-and-why-soft-promps-are-slowly-replacing-text-prompts/ Source : Software Mind]

[[Catégorie:vocabulary]]

Prompt tuning

2026-09-15T16:44:16Z

Arianne : Page créée avec « == en construction == == Définition == Technique ''parameter-efficient fine-tuning'' (PEFT) qui ajuste un petit ensemble de '''paramètres''' d’un '''modèle préentraîné''' à l’aide de '''requêtes souples''', constituées de '''vecteurs sémantiques''' continus plutôt que de texte discret. Elle s’avère utile lorsque l’on souhaite optimiser les performances du modèle sur des '''[... »

== en construction ==

== Définition ==
Technique ''parameter-efficient fine-tuning'' (PEFT) qui ajuste un petit ensemble de '''[[Paramètre|paramètres]]''' d’un '''[[modèle préentraîné]]''' à l’aide de '''[[Soft prompt|requêtes souples]]''', constituées de '''[[Vecteur sémantique compact|vecteurs sémantiques]]''' continus plutôt que de texte discret.

Elle s’avère utile lorsque l’on souhaite optimiser les performances du modèle sur des '''[[Requête générative|requêtes]]''' spécifiques sans avoir à procéder à un ré-entraînement important.

Voir aussi '''[[entraînement]]''' et '''[[réglage]]'''

== Compléments ==
Le réglage de requêtes génératives s'applique dans les domaines de l''''[[apprentissage en quelques coups]]''' et de la '''[[traduction automatique]]'''.

Il peut aussi être utilisé dans les tâches suivantes: la '''[[réponse aux questions]]''', la classification de textes et l'élaboration de résumés.

== Français ==
''' réglage de requête générative'''

''' réglage de requêtes génératives'''

''' réglage de requête'''

''' réglage de requêtes'''

== Anglais ==
''' prompt tuning'''

== Sources ==
[https://www.ai21.com/glossary/foundational-llm/prompt-tuning/ Source : ai21]

[https://www.geeksforgeeks.org/artificial-intelligence/prompt-tuning/ Source : Geeks for Geeks]

[https://www.ibm.com/think/topics/prompt-tuning Source : IBM]

[[Catégorie:vocabulary]]

Prompt optimization

2026-09-14T16:59:38Z

Arianne : Page créée avec « == en construction == == Définition == Pratique consistant à affiner les '''requête générative''' afin d’obtenir des résultats plus précis, pertinents et/ou de haute qualité des '''grands modèles de langues (GML)''', en améliorant la structure, le contenu et la clarté de la requête grâce à diverses techniques d’optimisation et de mesures d’évaluation. Elle se situe à la croisée... »

== en construction ==

== Définition ==
Pratique consistant à affiner les '''[[Requête générative|requête générative]]''' afin d’obtenir des résultats plus précis, pertinents et/ou de haute qualité des '''[[Grand modèle de langues (GML)|grands modèles de langues (GML)]]''', en améliorant la structure, le contenu et la clarté de la requête grâce à diverses techniques d’optimisation et de mesures d’évaluation.

Elle se situe à la croisée de l’'''[[ingénierie de requêtes]]''', de l’itération et de l’alignement des tâches, et met l’accent sur les essais itératifs. Elle est essentielle non seulement pour améliorer l’efficacité du modèle et la qualité de ses résultats, mais aussi pour développer des applications d’IA évolutives et reproductibles.

== Français ==
''' optimisation de requête'''

== Anglais ==
''' prompt optimization'''

== Sources ==
[https://www.ibm.com/think/topics/prompt-optimization Source : IBM]

[[Catégorie:vocabulary]]

Policy entropy collapse

2026-09-14T16:50:06Z

Arianne : Page créée avec « == en construction == == Définition == Phénomène qui se produit lorsqu’une politique converge vers un comportement quasi déterministe, réduisant ainsi considérablement son caractère aléatoire ou '''stochastique'''. Cet effondrement résulte généralement de stratégies d’exploitation agressives, dans lesquelles la priorité accordée à l’optimisation des récompenses attendues l’emporte sur la nécessité de maintenir l’exploration. Voir... »

== en construction ==

== Définition ==
Phénomène qui se produit lorsqu’une politique converge vers un comportement quasi déterministe, réduisant ainsi considérablement son caractère aléatoire ou '''[[stochastique]]'''. Cet effondrement résulte généralement de stratégies d’exploitation agressives, dans lesquelles la priorité accordée à l’optimisation des récompenses attendues l’emporte sur la nécessité de maintenir l’exploration.

Voir aussi '''[[policy entropy]]'''

== Français ==
''' XXXXXXXX'''

== Anglais ==
''' policy entropy collapse'''

== Sources ==
[https://www.emergentmind.com/topics/policy-entropy-collapse Source : Emergent Mind]

[[Catégorie:vocabulary]]

Policy entropy

2026-09-14T16:45:41Z

Arianne : Page créée avec « == en construction == == Définition == En '''apprentissage par renforcement''', mesure du caractère aléatoire ou de l’incertitude dans le choix des actions d’un '''agent'''. Une entropie élevée indique plus de souplesse; une entropie faible indique plus de rigidité. Voir aussi '''Policy entropy collapse''' == Français == ''' XXXXXXXX''' == Anglais == ''' policy entropy''' == Sources == [https://www.alignmentforum.org/posts/C4tvfHn2Df... »

== en construction ==

== Définition ==
En '''[[apprentissage par renforcement]]''', mesure du caractère aléatoire ou de l’incertitude dans le choix des actions d’un '''[[agent]]'''.

Une entropie élevée indique plus de souplesse; une entropie faible indique plus de rigidité.

Voir aussi '''[[Policy entropy collapse]]'''

== Français ==
''' XXXXXXXX'''

== Anglais ==
''' policy entropy'''

== Sources ==
[https://www.alignmentforum.org/posts/C4tvfHn2DfxyYYwaL/policy-entropy-learning-and-alignment-or-maybe-your-llm Source : AI Alignment Forum]

[[Catégorie:vocabulary]]

Modèle fermé

2026-09-14T16:39:52Z

Arianne :

== Définition ==
Paradigme dans lequel non seulement le code, mais les '''[[Paramètre|paramètres]]''' dont les [[poids]], le '''[[corpus]]''' d’entraînement et les détails architecturaux d'un '''[[Modèle d'intelligence artificielle|modèle d'IA]]''' tels que les stratégies d’optimisation et les configurations des '''[[Hyperparamètre|hyperparamètres]]''' sont secrets ou partiellement divulgués.

À défaut d’être transparents et personnalisables par l’utilisateur, les modèles de ce paradigme possèdent potentiellement une sécurité plus grande, une performance et une stabilité plus élevée.

Voir aussi '''[[Licence_en_paramètres_ouverts|modèle en paramètres ouverts]]''' et '''[[open-source model]]'''

== Compléments ==
*L'interaction avec ces modèles s'effectue par l'intermédiaire d'une '''[[Interface de programmation applicative|API]]''' ou d'environnements de déploiement contrôlés.
*Son coût repose soit sur un modèle d'abonnement, soit sur un modèle de paiement au '''[[jeton textuel]]'''.

== Français ==
'''modèle fermé'''

'''modèle propriétaire'''

'''modèle à code-source fermé'''

== Anglais ==
'''closed-source model'''

'''closed model'''

'''proprietary model'''

== Sources ==
[https://www.lapresse.ca/affaires/techno/2026-09-03/intelligence-artificielle/nvidia-va-racheter-hugging-face-pour-12-9-milliards-de-dollars.php Source : La Presse]

[https://www.lapresse.ca/affaires/techno/2024-07-25/meta-evangeliste-inattendu-de-l-ia-en-code-ouvert.php Source : La Presse]

[https://arxiv.org/abs/2412.12004v3 Source : Arxiv]

[https://mediacenter.ibm.com/media/Open+Source+vs+Closed+AI%3A+LLMs%2C+Agents++the+AI+Stack+Explained/1_93qkt80c Source : IBM]

[https://medium.com/@akankshasinha247/the-open-vs-closed-ai-frontier-navigating-transparency-power-and-the-future-of-innovation-4b96c68feb06 Source : Medium]

[[Catégorie:vocabulary]]

Open-source model

2026-09-14T16:39:10Z

Arianne : Page créée avec « == en construction == == Définition == Paradigme dans lequel les '''poids''' des '''modèles''', les spécifications architecturales, les journaux d’'''entraînement''', les '''hyperparamètres''' et, dans la mesure du possible, les jeux de '''données d’entraînement''' sont mis à la disposition de tous. Il encourage la collaboration entre chercheurs universit... »

== en construction ==

== Définition ==
Paradigme dans lequel les '''[[poids]]''' des '''[[Modèle d'intelligence artificielle|modèles]]''', les spécifications architecturales, les journaux d’'''[[entraînement]]''', les '''[[Hyperparamètre|hyperparamètres]]''' et, dans la mesure du possible, les jeux de '''[[Données d'entraînement|données d’entraînement]]''' sont mis à la disposition de tous. Il encourage la collaboration entre chercheurs universitaires, industriels et indépendants.

Bien que sa transparence soit un avantage, elle implique de nombreux inconvénients, tels que: des failles de sécurité, une censure externe et des utilisations abusives, ainsi que la vulnérabilité à l’exploitation malveillante, à la production de fausses informations et aux biais involontaires résultant de '''[[Jeu de données|jeux de données]]''' mal sélectionnés.

Voir aussi '''[[modèle fermé]]'''

== Compléments ==
Parmi les modèles ouverts, on retrouve la famille LLaMA-3 de Meta (voir '''[[LLaMA]]'''), Mixtral de '''[[Mistral AI|Mistral]]''' et le modèle BLOOM de BigScience.

== Français ==
''' modèle ouvert'''

== Anglais ==
''' open-source model'''

== Sources ==
[https://arxiv.org/abs/2412.12004v3 Source : Arxiv]

[https://mediacenter.ibm.com/media/Open+Source+vs+Closed+AI%3A+LLMs%2C+Agents++the+AI+Stack+Explained/1_93qkt80c Source : IBM]

[https://medium.com/@akankshasinha247/the-open-vs-closed-ai-frontier-navigating-transparency-power-and-the-future-of-innovation-4b96c68feb06 Source : Medium]

[[Catégorie:vocabulary]]

Multi-hop question answering

2026-09-14T16:21:58Z

Arianne :

== en construction ==

== Définition ==
Ensemble de tâches dans lesquelles un '''[[Intelligence artificielle|système d’IA]]''' doit fournir une réponse à une question complexe formulée en '''[[langage naturel]]''' en enchaînant des étapes de '''[[raisonnement]]''' – appelées « sauts » (''hop'' en anglais) – à partir de plusieurs éléments d’information disjoints, généralement dispersés dans des documents, des phrases ou des nœuds d’une '''[[base de connaissances]]'''.

Voir aussi '''[[multi-hop reasoning]]''' et '''[[réseau neuronal de graphes]]'''

== Compléments ==
Intègre des modules de recherche, de compréhension de texte et de déduction afin de surmonter la dérive sémantique (''semantic shift'') et les raccourcis de raisonnement.

== Français ==
''' XXXXXXXXX'''

== Anglais ==
''' multi-hop question answering'''

''' MHQA'''

== Sources ==
[https://arxiv.org/abs/2204.09140v2 Source : Arxiv]

[https://www.emergentmind.com/topics/multi-hop-question-answering-tasks Source : Emergent Mind]

[[Catégorie:vocabulary]]

Multi-hop reasoning

2026-09-14T16:21:20Z

Arianne : Page créée avec « == en construction == == Définition == Capacité des '''systèmes d’IA''' à établir des liens logiques entre différents éléments de contexte afin de répondre à des questions ou à prendre des décisions en combinant plusieurs faits à l’appui, déductions et relations contextuelles répartis dans des documents, des '''bases de connaissances''' et d’autres ressources. Voir aussi '''multi-hop... »

== en construction ==

== Définition ==
Capacité des '''[[Intelligence artificielle|systèmes d’IA]]''' à établir des liens logiques entre différents éléments de contexte afin de répondre à des questions ou à prendre des décisions en combinant plusieurs faits à l’appui, déductions et relations contextuelles répartis dans des documents, des '''[[Base de connaissances|bases de connaissances]]''' et d’autres ressources.

Voir aussi '''[[multi-hop question answering]]'''

== Français ==
''' XXXXXXXXX'''

== Anglais ==
''' multi-hop reasoning'''

== Sources ==
[https://www.moveworks.com/us/en/resources/ai-terms-glossary/multi-hop-reasoning Source : Moveworks]

[https://arxiv.org/abs/2204.09140v2 Source : Arxiv]

[[Catégorie:vocabulary]]

Fouille arborescente Monte Carlo

2026-09-13T17:11:12Z

Arianne :

==Définition==
En '''[[intelligence artificielle]]''', la fouille arborescente Monte Carlo est un '''[[algorithme]]''' de '''[[recherche heuristique]]''' dans un arbre pour la prise de décision. Il est notamment employé dans les jeux. Chaque nœud de l'arbre de fouille mémorise deux nombres: le nombre de simulations gagnantes, et le nombre de simulations totales.

==Français==
'''fouille arborescente Monte Carlo '''

'''recherche arborescente Monte Carlo '''

==Anglais==
'''Monte Carlo tree search '''

==Sources==

[https://fr.wikipedia.org/wiki/Recherche_arborescente_Monte-Carlo Source: Wikipedia]

[[Utilisateur:Claude COULOMBE | source : Claude Coulombe]] ([[Discussion utilisateur:Claude COULOMBE | discussion]])

[[Category:GRAND LEXIQUE FRANÇAIS]]

Multi-hop question answering

2026-09-13T17:08:47Z

Arianne : Page créée avec « == en construction == == Définition == Ensemble de tâches dans lesquelles un '''système d’IA''' doit fournir une réponse à une question complexe formulée en '''langage naturel''' en enchaînant des étapes de '''raisonnement''' – appelées « sauts » (''hop'' en anglais) – à partir de plusieurs éléments d’information disjoints, généralement dispersés dans des documents, des phrases ou des nœuds d’une... »

== en construction ==

== Définition ==
Ensemble de tâches dans lesquelles un '''[[Intelligence artificielle|système d’IA]]''' doit fournir une réponse à une question complexe formulée en '''[[langage naturel]]''' en enchaînant des étapes de '''[[raisonnement]]''' – appelées « sauts » (''hop'' en anglais) – à partir de plusieurs éléments d’information disjoints, généralement dispersés dans des documents, des phrases ou des nœuds d’une '''[[base de connaissances]]'''.

Voir aussi '''[[réseau neuronal de graphes]]'''

== Compléments ==
Intègre des modules de recherche, de compréhension de texte et de déduction afin de surmonter la dérive sémantique (''semantic shift'') et les raccourcis de raisonnement.

== Français ==
''' XXXXXXXXX'''

== Anglais ==
''' multi-hop question answering'''

''' MHQA'''

== Sources ==
[https://arxiv.org/abs/2204.09140v2 Source : Arxiv]

[https://www.emergentmind.com/topics/multi-hop-question-answering-tasks Source : Emergent Mind]

[[Catégorie:vocabulary]]

Monte Carlo Dropout

2026-09-13T16:58:46Z

Arianne : Page créée avec « == en construction == == Définition == Technique permettant aux '''réseaux neuronaux''' de se comporter comme des modèles probabilistes sans modifier leur structure, en maintenant le '''décrochage''' actif lors de l’évaluation et en effectuant plusieurs '''propagations avant''', plutôt que de l’utiliser uniquement pour éviter le '''surapprentissage''' pendant l’'... »

== en construction ==

== Définition ==
Technique permettant aux '''[[Réseau de neurones artificiels|réseaux neuronaux]]''' de se comporter comme des modèles probabilistes sans modifier leur structure, en maintenant le '''[[Extinction de neurone|décrochage]]''' actif lors de l’évaluation et en effectuant plusieurs '''[[Propagation avant|propagations avant]]''', plutôt que de l’utiliser uniquement pour éviter le '''[[surapprentissage]]''' pendant l’'''[[entraînement]]'''. Son objectif est d’estimer l’incertitude et d’éviter le surapprentissage.

== Français ==
''' décrochage de Monte Carlo'''

''' abandon de Monte Carlo'''

''' extinction de neurone de Monte Carlo'''

''' régularisation par extinction de neurone de Monte Carlo'''

== Anglais ==
''' Monte Carlo dropout'''

''' MC dropout'''

''' MCD'''

== Sources ==
[https://www.geeksforgeeks.org/deep-learning/what-is-monte-carlo-mc-dropout/ Source : Geeks for Geeks]

[https://medium.com/@ciaranbench/monte-carlo-dropout-a-practical-guide-4b4dc18014b5 Source : Medium]

[[Catégorie:vocabulary]]

Memory wall

2026-09-13T16:47:31Z

Arianne : Page créée avec « == en construction == == Définition == Il s’agit du point à partir duquel l''''inférence''' excède la capacité de mémoire physique des '''processeurs graphiques (GPU)''' qui traitent la charge de travail. Ce phénomène est responsable d'une grande partie de la consommation d’énergie et de la latence dans les systèmes informatiques. Voir aussi '''cache clé-valeur''' == Français == '''XXXXXXX''' == Anglais == '''... »

== en construction ==

== Définition ==
Il s’agit du point à partir duquel l''''[[inférence]]''' excède la capacité de mémoire physique des '''[[Processeur graphique|processeurs graphiques (GPU)]]''' qui traitent la charge de travail. Ce phénomène est responsable d'une grande partie de la consommation d’énergie et de la latence dans les systèmes informatiques.

Voir aussi '''[[cache clé-valeur]]'''

== Français ==
'''XXXXXXX'''

== Anglais ==
''' memory wall'''

== Sources ==
[https://www.frontiersin.org/journals/science/articles/10.3389/fsci.2025.1611658/full Source : Frontiers]

[https://www.weka.io/learn/ai-ml/ai-memory-wall/ Source : Weka.io]

[[Catégorie:vocabulary]]

Center for Research on Foundation Models

2026-09-13T16:40:47Z

Arianne : Page créée avec « == en construction == == Définition == Initiative interdisciplinaire menée au sein de l’Institut de Stanford pour l’intelligence artificielle centrée sur l’humain, qui réalise des avancées fondamentales dans l’étude, le développement et le déploiement des '''modèles fondateurs'''. Elle rassemble un groupe multidisciplinaire composé de professeurs, d’étudiants, de chercheurs et d’ingénieurs issus de plus de 10 départ... »

== en construction ==

== Définition ==
Initiative interdisciplinaire menée au sein de l’Institut de Stanford pour l’intelligence artificielle centrée sur l’humain, qui réalise des avancées fondamentales dans l’étude, le développement et le déploiement des '''[[Modèle fondateur|modèles fondateurs]]'''. Elle rassemble un groupe multidisciplinaire composé de professeurs, d’étudiants, de chercheurs et d’ingénieurs issus de plus de 10 départements de l’Université de Stanford.

== Français ==
''' CRFM'''

== Anglais ==
''' Center for Research on Foundation Models'''

''' CRFM'''

== Sources ==
[https://crfm.stanford.edu/ Source: Stanford CRFM]

[[Catégorie:vocabulary]]

Adaptative knowledge graph memory

2026-09-11T20:48:22Z

Arianne : Page créée avec « == en construction == == Définition == Graphe partagé de faits et de relations auquel plusieurs '''agents''' contribuent et dans lequel ils puisent des informations. Il organise l’information par ordre d’importance et filtre ce qui est partagé, de sorte que les agents aient accès aux connaissances qui leur sont pertinentes. La mémoire est donc à la fois hiérarchique et adaptative. == Compléments == Les nœuds peuvent représenter des entit... »

== en construction ==

== Définition ==
Graphe partagé de faits et de relations auquel plusieurs '''[[Agent|agents]]''' contribuent et dans lequel ils puisent des informations. Il organise l’information par ordre d’importance et filtre ce qui est partagé, de sorte que les agents aient accès aux connaissances qui leur sont pertinentes. La mémoire est donc à la fois hiérarchique et adaptative.

== Compléments ==
Les nœuds peuvent représenter des entités, des affirmations, des sorties d’outils ou des étapes clés d’une tâche. Les arêtes peuvent représenter des relations : « confirme », « contredit », « dérivé de », « attribué à ».

== Français ==
'''XXXXXXXX'''

== Anglais ==
'''adaptative knowledge graph memory'''

== Sources ==
[https://arize.com/glossary/adaptive-knowledge-graph-memory/ Source : Arize]

[[Catégorie:vocabulary]]

Modèle fermé

2026-09-04T16:46:44Z

Arianne :

== en construction ==

== Définition ==
Paradigme dans lequel les '''[[poids]]''', le '''[[corpus]]''' d’entraînement et les détails architecturaux du '''[[Modèle d'intelligence artificielle|modèle]]''' tels que le nombre de '''[[Paramètre|paramètres]]''', les stratégies d’optimisation et les configurations des '''[[Hyperparamètre|hyperparamètres]]''' sont divulgués partiellement, voire pas du tout. À défaut d’être transparents et personnalisables par l’utilisateur, les modèles de ce paradigme possèdent une sécurité centralisée, une performance et une stabilité élevées.

Voir aussi '''[[apprentissage par renforcement avec rétroaction humaine]]''', '''[[apprentissage par curriculum]]''', '''[[ChatGPT]]''', '''[[Claude]]''', '''[[entraînement]]''', '''[[Gemini]]''' et '''[[mixture d'experts]]'''

== Compléments ==
*L'interaction avec ces modèles s'effectue par l'intermédiaire d'une '''[[Interface de programmation applicative|API]]''' ou d'environnements de déploiement contrôlés.
*Son coût repose soit sur un modèle d'abonnement, soit sur un modèle de paiement au '''[[jeton textuel]]'''.

== Français ==
''' XXXXXXXXXXXXX'''

== Anglais ==
''' closed-source model'''

== Sources ==
[https://arxiv.org/abs/2412.12004v3 Source : Arxiv]

[https://mediacenter.ibm.com/media/Open+Source+vs+Closed+AI%3A+LLMs%2C+Agents++the+AI+Stack+Explained/1_93qkt80c Source : IBM]

[https://medium.com/@akankshasinha247/the-open-vs-closed-ai-frontier-navigating-transparency-power-and-the-future-of-innovation-4b96c68feb06 Source : Medium]

[[Catégorie:vocabulary]]

Modèle fermé

2026-09-04T16:45:05Z

Arianne :

== en construction ==

== Définition ==
Paradigme dans lequel les '''[[poids]]''', le '''[[corpus]]''' d’entraînement et les détails architecturaux du '''[[Modèle d'intelligence artificielle|modèle]]''' tels que le nombre de '''[[Paramètre|paramètres]]''', les stratégies d’optimisation et les configurations des '''[[Hyperparamètre|hyperparamètres]]''' sont divulgués partiellement, voire pas du tout. À défaut d’être transparents et personnalisables par l’utilisateur, les modèles de ce paradigme possèdent une sécurité centralisée, une performance et une stabilité élevées.

Voir aussi '''[[apprentissage par renforcement avec rétroaction humaine]]''', '''[[apprentissage par curriculum]]''', '''[[ChatGPT]]''', '''[[Claude]]''', '''[[entraînement]]''', '''[[Gemini]]''' et '''[[mixture d'experts]]'''

== Compléments ==
*L'interaction avec ces modèles s'effectue par l'intermédiaire d'une '''[[Interface de programmation applicative|API]]''' ou d'environnements de déploiement contrôlés.
*Son coût repose soit sur un modèle d'abonnement, soit sur un modèle de paiement au '''[[jeton textuel]]'''.

== Français ==
''' XXXXXXXXXXXXX'''

== Anglais ==
''' closed-source model'''

== Sources ==
[https://medium.com/@akankshasinha247/the-open-vs-closed-ai-frontier-navigating-transparency-power-and-the-future-of-innovation-4b96c68feb06 Source : Medium]

[https://arxiv.org/abs/2412.12004v3 Source : Arxiv]

[[Catégorie:vocabulary]]

Modèle de pointe

2026-09-04T16:39:53Z

Arianne :

== Définition ==
Désigne les '''[[Modèle d'intelligence artificielle|modèles d'intelligence artificielle ]]''' à la fine pointe de la technologie. Généralement, il s'agit de la version la plus récente des '''[[grand modèle de langues|grands modèles de langues]]''' qui dominent l'écosystème.

Ainsi, on peut aussi considérer qu'un modèle frontière est un '''[[modèle fondateur]]''' à la pointe de la technologie.

== Compléments ==

Généralement, ce terme désigne un modèle à usage général entraîné de manière non supervisée à l’aide de ressources de calculs extrêmement importantes (de l’ordre de 10²⁶ '''[[FLOPS]]'''). Ses deux principales caractéristiques sont son '''[[comportement émergent]]''' (par exemple, l’'''[[apprentissage zéro-coup]]''') et son '''[[entraînement]]''' basé sur des '''[[Jeu de données|jeux de données]]''' massifs.
<hr/>
Plusieurs sources considèrent les modèles de pointe comme potentiellement dangereux sur le plan de la cybersécurité.
<hr/>

*Il y a plusieurs types de modèles de pointe, tels que les ''regulatory frontier'', les ''efficiency frontier'', les ''cost frontier'', les ''multimodal frontier''.
* Les versions les plus récentes de '''[[ChatGPT]]''', '''[[Claude]]''', '''[[Gemini]]''' et '''[[Grok]]''' sont les modèles frontières les plus polyvalents.

== Français ==
'''modèle de pointe'''

'''modèle à la fine pointe'''

''' modèle frontière'''

== Anglais ==
''' frontier model'''

== Sources ==

[https://www.lapresse.ca/affaires/techno/2026-07-28/geants-de-l-intelligence-artificielle/un-millier-d-employes-demandent-a-temporiser-la-sortie-des-modeles.php La Presse - modèle de pointe]

[https://www.cyber.gc.ca/en/guidance/frontier-artificial-intelligence-itsap10050 Centre canadien pour la cybersécurité - modèle de pointe]

[https://fr.wikipedia.org/wiki/Mod%C3%A8le_fronti%C3%A8re_(intelligence_artificielle) Wikipédia - modèle frontière, modèle de pointe]

[https://en.wikipedia.org/wiki/Foundation_model#Frontier_models - Wikipedia - Frontier model]

[https://www.datacamp.com/blog/frontier-models datacamp, blog - Frontier model]

[https://www.nvidia.com/en-us/glossary/frontier-models/ Nvidia - Frontier model]

[[Catégorie:vocabulary]]

[[Catégorie:Publication]]

Membership inference attack

2026-09-02T16:10:49Z

Arianne : Page créée avec « == en construction == == Définition == À partir d’un '''modèle''' entraîné et d’un échantillon de '''données''', un attaquant interroge le modèle à plusieurs reprises afin de déterminer si l'échantillon faisait partie de l’'''entraînement''' du modèle. Les modèles qui intègrent des données accessibles au public sont davantage exposés à ce type d’attaques. Ce type d'attaques visent à repro... »

== en construction ==

== Définition ==
À partir d’un '''[[Modèle d'intelligence artificielle|modèle]]''' entraîné et d’un échantillon de '''[[données]]''', un attaquant interroge le modèle à plusieurs reprises afin de déterminer si l'échantillon faisait partie de l’'''[[entraînement]]''' du modèle. Les modèles qui intègrent des données accessibles au public sont davantage exposés à ce type d’attaques. Ce type d'attaques visent à reproduire le modèle, à le falsifier ou à divulguer des données confidentielles.

Voir aussi '''[[renseignements personnels]]'''

== Français ==
''' XXXXXX'''

== Anglais ==
''' membership inference attack'''

''' MIA'''

== Sources ==
[https://arxiv.org/abs/1610.05820 Source : Arxiv]

[https://blogs.ubc.ca/dependablesystemslab/projects/membership-inference-attacks-in-machine-learning-models/ Source : University of British Columbia]

[[Catégorie:vocabulary]]

Large audio language model

2026-09-02T15:56:54Z

Arianne : Page créée avec « == en construction == == Définition == '''Modèle multimodal''' qui enrichit les '''grands modèles de langues''' en leur ajoutant des capacités auditives, telles que la compréhension et la '''génération audio''', grâce à une architecture intégrant trois composantes : un encodeur acoustique, un projecteur d’alignement et un ''LLM backbone''. Son '''entraînement''' se fait... »

== en construction ==

== Définition ==
'''[[Modèle multimodal]]''' qui enrichit les '''[[Grand modèle de langues (GML)|grands modèles de langues]]''' en leur ajoutant des capacités auditives, telles que la compréhension et la '''[[Génération automatique d'audio|génération audio]]''', grâce à une architecture intégrant trois composantes : un encodeur acoustique, un projecteur d’alignement et un ''LLM backbone''. Son '''[[entraînement]]''' se fait avec de vastes '''[[corpus]]''' de paires audio-textes, couvrant souvent la parole, la musique et des scènes ambiantes.

== Compléments ==
Ces modèles peuvent faire de nombreuses tâches, telles que: la '''[[reconnaissance automatique de la parole]]''', le sous-titrage audio et le raisonnement audio complexe.

== Français ==
''' XXXXXXXX'''

== Anglais ==
''' large audio language model'''

''' LALM'''

== Sources ==
[https://aclanthology.org/2025.findings-acl.56/ Source : ACL Anthology]

[https://arxiv.org/abs/2605.20266 Source : Arxiv]

[https://www.emergentmind.com/topics/large-audio-language-model-lalm Source : Emergent Mind]

[[Catégorie:vocabulary]]

Holistic Evaluation of Language Models

2026-09-01T15:21:39Z

Arianne : Page créée avec « == en construction == == Définition == Cadre '''Python''' ''open-source'' normalisé et transparent, créé par le ''Center for Research on Foundation Models'' (CRFM) de l’Université de Stanford afin d’évaluer les '''grands modèles de langues''' et visant à offrir une vue d’ensemble des capacités, des limites et des risques associés à ces modèles grâce à une évaluation holistique et à la mesure de plusie... »

== en construction ==

== Définition ==
Cadre '''[[Python]]''' ''open-source'' normalisé et transparent, créé par le ''Center for Research on Foundation Models'' (CRFM) de l’Université de Stanford afin d’évaluer les '''[[Grand modèle de langues (GML)|grands modèles de langues]]''' et visant à offrir une vue d’ensemble des capacités, des limites et des risques associés à ces modèles grâce à une évaluation holistique et à la mesure de plusieurs indicateurs.

== Compléments ==
Il comporte deux niveaux :

1) une taxonomie abstraite de scénarios et de mesures permettant de définir l’espace de conception pour l’évaluation de la gestion du cycle de vie;

2) un ensemble concret de scénarios et de mesures mis en œuvre, qui ont été élaborés afin de hiérarchiser la couverture, la valeur et la faisabilité.

== Français ==
''' XXXXXXXXX'''

== Anglais ==
''' Holistic Evaluation of Language Models'''

''' HELM'''

== Sources ==
[https://arxiv.org/abs/2211.09110 Source : Arxiv]

[https://www.geeksforgeeks.org/artificial-intelligence/holistic-evaluation-of-language-models-helm/ Source : Geek for Geek]

[https://github.com/stanford-crfm/helm Source : GitHub]

[[Catégorie:vocabulary]]

Granular-ball computing

2026-09-01T15:08:37Z

Arianne : Page créée avec « == en construction == == Définition == Paradigme d’apprentissage basé sur l’'''intelligence artificielle''' qui, contrairement au '''regroupement de données''' traditionnel qui les représente sous forme de points, les représente sous forme de régions hyper-sphériques adaptatives, appelées ''« granular-ball »'', en tant qu’unités de représentation de niveau mésoscopique. Cela améliore l’efficacité et la '''robustesse''', puisq... »

== en construction ==

== Définition ==
Paradigme d’apprentissage basé sur l’'''[[intelligence artificielle]]''' qui, contrairement au '''[[regroupement de données]]''' traditionnel qui les représente sous forme de points, les représente sous forme de régions hyper-sphériques adaptatives, appelées ''« granular-ball »'', en tant qu’unités de représentation de niveau mésoscopique.

Cela améliore l’efficacité et la '''[[robustesse]]''', puisque l’apprentissage et l’'''[[inférence]]''' s’effectuent sur ces granules, ce qui permet de réduire considérablement les coûts et la sensibilité au bruit.

== Français ==
''' XXXXXXXXXX'''

== Anglais ==
''' granular-ball computing'''

''' GB computing'''

''' GBC'''

== Sources ==
[https://arxiv.org/abs/2304.11171 Source : Arxiv]

[https://www.emergentmind.com/topics/granular-ball-computing-gbc Source : Emergent Mind]

[[Catégorie:vocabulary]]

Generalization gap

2026-09-01T14:52:43Z

Arianne : Page créée avec « == en construction == == Définition == Différence entre la performance d’un '''modèle''' sur des '''données d’entraînement''' et des '''jeux de données''' tests qui indique le '''surajustement''' et la fiabilité des prédictions du modèle. L’ampleur et le comportement de cet écart dépendent étroitement du contexte du problème, de l’ar... »

== en construction ==

== Définition ==
Différence entre la performance d’un '''[[Modèle d'intelligence artificielle|modèle]]''' sur des '''[[Données d'entraînement|données d’entraînement]]''' et des '''[[Jeu de données|jeux de données]]''' tests qui indique le '''[[Surapprentissage|surajustement]]''' et la fiabilité des prédictions du modèle. L’ampleur et le comportement de cet écart dépendent étroitement du contexte du problème, de l’architecture du modèle, des paramètres algorithmiques, des propriétés des données d’apprentissage et du scénario d’évaluation.

Voir aussi '''[[paramètre]]''' et '''[[réseau de neurones]]'''

== Français ==
''' XXXXXX'''

== Anglais ==
''' generalisation gap'''

''' generalization gap'''

== Sources ==
[https://www.emergentmind.com/topics/generalization-gap Source : Emergent Mind]

[https://www.sciencedirect.com/science/article/pii/S0925231224005587 Source : ScienceDirect]

[[Catégorie:vocabulary]]

Modèle de pointe

2026-09-01T04:14:56Z

Arianne : Page créée avec « == en construction == == Définition == '''Modèle d'intelligence artificielle (IA)''' à usage général entraîné de manière non supervisée à l’aide de ressources de calculs extrêmement importantes (de l’ordre de 10²⁶ '''FLOPS'''). Ses deux principales caractéristiques sont son '''comportement émergent''' (par exemple, l’'''apprentissage zéro-coup''') et son '''entraînement''' basé sur... »

== en construction ==

== Définition ==
'''[[Modèle d'intelligence artificielle|Modèle d'intelligence artificielle (IA)]]''' à usage général entraîné de manière non supervisée à l’aide de ressources de calculs extrêmement importantes (de l’ordre de 10²⁶ '''[[FLOPS]]'''). Ses deux principales caractéristiques sont son '''[[comportement émergent]]''' (par exemple, l’'''[[apprentissage zéro-coup]]''') et son '''[[entraînement]]''' basé sur des '''[[Jeu de données|jeux de données]]''' massifs.

Ce type de modèles est utilisé dans l'analyse des tendances et prévisions, la génération de code, les processus de conformité et d’audit, la détection et analyse des menaces, les systèmes industriels autonomes ainsi que les copilotes d'IA sur Internet.

Voir aussi '''[[apprentissage non supervisé]]'''

== Compléments ==

*Il y a plusieurs types de modèles frontières, tels que les ''regulatory frontier'', les ''efficiency frontier'', les ''cost frontier'', les ''multimodal frontier''.
* '''[[Gemini]]''', '''[[ChatGPT]]''', '''[[Claude]]''' et '''[[Grok]]''' sont les modèles frontières les plus polyvalents.

== Français ==
''' Modèle frontière'''

''' Modèle fermé''' 

== Anglais ==
''' frontier model'''

== Sources ==
[https://www.datacamp.com/blog/frontier-models Source : datacamp, blog]

[https://www.nvidia.com/en-us/glossary/frontier-models/ Source : Nvidia]

[[Catégorie:vocabulary]]

Differentially Private Stochastic Gradient Descent

2026-08-31T20:25:05Z

Arianne : Page créée avec « == en construction == == Définition == Technique algorithmique utilisée dans les domaines possédant des données sensibles, telles que la '''cybersécurité''' et la médecine. Elle suit les mêmes étapes que la '''descente de gradient stochastique''', mais qui limite la norme des gradients à un seuil avant d'ajouter du bruit gaussien. Elle fournit un cadre permettant de contrôler et de suivre la perte de confidentialité subie pendant l''''entra... »

== en construction ==

== Définition ==
Technique algorithmique utilisée dans les domaines possédant des données sensibles, telles que la '''[[cybersécurité]]''' et la médecine. Elle suit les mêmes étapes que la '''[[descente de gradient stochastique]]''', mais qui limite la norme des gradients à un seuil avant d'ajouter du bruit gaussien. Elle fournit un cadre permettant de contrôler et de suivre la perte de confidentialité subie pendant l''''[[entraînement]]''' privé de modèles d’apprentissage profond.

Voir aussi '''[[apprentissage fédéré]]''' et '''[[réseau de neurones profond]]'''

== Français ==
''' XXXXXXXXX'''

== Anglais ==
''' Differentially Private Stochastic Gradient Descent'''

''' DP-SGD'''

== Sources ==
[https://arxiv.org/abs/2408.10456 Source : Arxiv]

[https://en.wikipedia.org/wiki/Differentially_private_stochastic_gradient_descent Source : Wikipedia]

[[Catégorie:vocabulary]]

Dense passage retrieval

2026-08-31T20:08:58Z

Arianne : Page créée avec « == en construction == == Définition == Ensemble d’outils et de modèles qui utilisent une méthode de rappel/récupération qui récupère les passages pertinents d’un large corpus en réponse à une requête et qui représente les requêtes et les passages comme des vecteurs dense dans un espace compact continu. Cette méthode permet une recherche/récupération basée sur la similitude sémantique. Autrement dit, le système peut identifier les documents... »

== en construction ==

== Définition ==
Ensemble d’outils et de modèles qui utilisent une méthode de rappel/récupération qui récupère les passages pertinents d’un large corpus en réponse à une requête et qui représente les requêtes et les passages comme des vecteurs dense dans un espace compact continu. Cette méthode permet une recherche/récupération basée sur la similitude sémantique. Autrement dit, le système peut identifier les documents les plus pertinents même lorsqu’ils ne contiennent pas de correspondances exactes avec les mots-clés.

Voir aussi '''[[vecteur sémantique compact]]'''

== Compléments ==
Son architecture possède deux composantes principales : l’encodeur de requêtes et l’encodeur de passages.


== Français ==
'''XXXXXXXXXXX'''

== Anglais ==
''' dense passage retrieval'''

''' DPR'''

== Sources ==
[https://arxiv.org/abs/2410.20315 Source : Arxiv]

[https://www.geeksforgeeks.org/nlp/what-is-dense-passage-retrieval-dpr/ Source : Geek for Geek]

[https://huggingface.co/docs/transformers/model_doc/dpr Source : Hugging Face]

[[Catégorie:vocabulary]]

Modèle fermé

2026-08-31T17:34:12Z

Arianne : Page créée avec « == en construction == == Définition == Paradigme dans lequel les '''poids''', le '''corpus''' d’entraînement et les détails architecturaux du '''modèle''' tels que le nombre de '''paramètres''', les stratégies d’optimisation et les configurations des '''hyperparamètres''' sont divulgués partiellement, voire pas du tout. À défaut d’être transparents et personnalisa... »

Dorsale de prétraitement

2026-08-31T17:13:54Z

Arianne : Page créée avec « == en construction == == Définition == Réseau neuronal d''''extraction d'attributs''' qui transforme les '''données''' d'entrée en une représentation de caractéristiques donnée. Dans la plupart des cas, ce terme est utilisé dans le contexte des '''réseaux neuronaux convolutifs'''. == Français == ''' XXXXXXXXXX''' == Anglais == ''' backbone''' == Sources == [https://arxiv.org/abs/2206.08016 Source : Arxiv] [https://ww... »

== en construction ==

== Définition ==
Réseau neuronal d''''[[extraction d'attributs]]''' qui transforme les '''[[données]]''' d'entrée en une représentation de caractéristiques donnée. Dans la plupart des cas, ce terme est utilisé dans le contexte des '''[[Réseau convolutif|réseaux neuronaux convolutifs]]'''.

== Français ==
''' XXXXXXXXXX'''

== Anglais ==
''' backbone'''

== Sources ==
[https://arxiv.org/abs/2206.08016 Source : Arxiv]

[https://www.baeldung.com/cs/neural-network-backbone Source : Baeldung]

[[Catégorie:vocabulary]]

Modèle étalon

2026-08-27T17:57:52Z

Arianne : Page créée avec « == en construction == == Définition == '''Modèle''' simple servant de référence lors d’un projet d’'''apprentissage automatique''' et qui a pour fonction principale de contextualiser les résultats des modèles '''entraînés'''. Autrement dit, il sert de '''test de performances''' pour les modèles entraînés, ainsi que de standard pour la comparaison et l’évaluation de la performance de ces derniers. Ce type de modèle... »

== en construction ==

== Définition ==
'''[[Modèle]]''' simple servant de référence lors d’un projet d’'''[[apprentissage automatique]]''' et qui a pour fonction principale de contextualiser les résultats des modèles '''[[entraînement|entraînés]]'''. Autrement dit, il sert de '''[[test de performances]]''' pour les modèles entraînés, ainsi que de standard pour la comparaison et l’évaluation de la performance de ces derniers. Ce type de modèle possède un pouvoir prédictif très faible et une complexité relativement simple.

== Compléments ==
Par exemple, si les modèles entraînés ne parviennent pas à surpasser le modèle de référence, cela pourrait indiquer que le '''[[jeu de données]]''' manque de pouvoir prédictif.

== Français ==
''' modèle de référence'''

''' XXXXXXXXX''' 

== Anglais ==
''' baseline model'''

''' training and testing model'''

== Sources ==
[https://towardsdatascience.com/baseline-models-your-guide-for-model-building-1ec3aa244b8d/ Source : towards data science]

[https://www.sciencedirect.com/topics/computer-science/baseline-model Source : ScienceDirect]

[[Catégorie:vocabulary]]

Règlement européen sur l'IA

2026-08-27T17:42:04Z

Arianne : Page créée avec « == en construction == == Définition == Loi permettant aux '''systèmes d’intelligence artificielle (IA)''' mis sur le marché européen d’être sécuritaires, fiables et respectueux des droits fondamentaux. Plus largement, cette loi concerne le marché, le développement et l’utilisation des systèmes d’IA et définit quels systèmes sont bannis s’ils ne respectent pas un ensemble de prérequis. == Compléments == * Les... »

== en construction ==

== Définition ==
Loi permettant aux '''[[Intelligence artificielle|systèmes d’intelligence artificielle (IA)]]''' mis sur le marché européen d’être sécuritaires, fiables et respectueux des droits fondamentaux. Plus largement, cette loi concerne le marché, le développement et l’utilisation des systèmes d’IA et définit quels systèmes sont bannis s’ils ne respectent pas un ensemble de prérequis.

== Compléments ==
* Les systèmes autorisés ont le « marquage CE ».
* Le règlement classe différents niveaux de risques.
* À noter qu'il ne s'agit pas de la seule mesure sur l'IA de confiance de l'Union Européenne.

== Français ==
''' règlement européen sur l’intelligence artificielle'''

''' règlement européen sur l'IA'''

== Anglais ==
''' AI act'''

''' XXXXXXXXX''' 

''' EU AI act''' 

== Sources ==
[https://aiactinfo.eu/ Source : Artificial Intelligence Act info]

[https://artificialintelligenceact.eu/the-act/ Source : EU Artificial Intelligence Act]

[https://www.info.gouv.fr/actualite/quest-ce-que-lai-act Source : info.gouv.fr, Gouvernement français]

[https://www.entreprises.gouv.fr/decryptages-de-nos-experts/le-reglement-europeen-sur-lintelligence-artificielle-publics-concernes Source : Direction générale des Entreprises, Gouvernement français]

[[Catégorie:vocabulary]]

Résolution de problème par auto-apprentissage

2026-08-27T17:29:11Z

Arianne : Page créée avec « == en construction == == Définition == Système de '''raisonnement''' qui évalue lui-même son propre '''entraînement''' et ses habiletés de raisonnement, faisant en sorte qu’il ne requiert aucune '''étiquette''' de '''référence''' ou des '''requêtes''' définies par un humain. Il crée donc ses propres tâches, les résout et vérifie ses réponses en utilisant trois modes de raisonnement cl... »

== en construction ==

== Définition ==
Système de '''[[raisonnement]]''' qui évalue lui-même son propre '''[[entraînement]]''' et ses habiletés de raisonnement, faisant en sorte qu’il ne requiert aucune '''[[étiquette]]''' de '''[[jeu de référence|référence]]''' ou des '''[[requête générative|requêtes]]''' définies par un humain. Il crée donc ses propres tâches, les résout et vérifie ses réponses en utilisant trois modes de raisonnement classique : la '''[[raisonnement déductif|déduction]]''', l’'''[[raisonnement abductif|abduction]]''' et l’'''[[raisonnement inductif|induction]]'''.

Voir aussi '''[[peaufinage par auto-jeu]]'''

== Français ==
''' XXXXXXXXXXXXX'''

== Anglais ==
''' absolute zero reasoner'''

''' AZR'''

== Sources ==
[https://arxiv.org/abs/2505.03335 Source : Arxiv]

[https://medium.com/@ferreradaniel/the-absolute-zero-reasoner-ai-how-self-taught-machines-are-changing-everything-054333c37d2a Source : Medium]

[[Catégorie:vocabulary]]

Photonique programmable

2026-07-30T16:49:03Z

Arianne : Page créée avec « == '''PHOTONIQUE'''== == en construction == == Définition == Approche de conception de circuits photoniques dans laquelle la fonction d’un circuit peut être configurée ou reconfigurée après sa fabrication, généralement à l’aide d’éléments accordables, tels que des déphaseurs, des '''coupleurs''' ou des '''résonateurs''', afin de... »

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Approche de conception de circuits photoniques dans laquelle la fonction d’un circuit peut être configurée ou reconfigurée après sa fabrication, généralement à l’aide d’éléments accordables, tels que des déphaseurs, des '''[[Coupleur|coupleurs]]''' ou des '''[[Résonateur optique|résonateurs]]''', afin de traiter ou d’acheminer la lumière.

Voir aussi '''[[déphasage]]'''

== Français ==
''' photonique programmable'''

== Anglais ==
''' programmable photonics'''

''Approach to photonic circuit design in which the function of a circuit can be configured or reconfigured after fabrication, typically using tunable elements such as phase shifters, '''[[Coupleur|couplers]]''', or '''[[Résonateur optique|resonators]]''' to process or route light.''

''See also '''[[Déphasage|phase shift]]'''''

== Sources ==


{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Mélange à quatre ondes

2026-07-30T16:42:08Z

Arianne : Page créée avec « == '''PHOTONIQUE'''== == en construction == == Définition == Processus '''optique non linéaire''' dans lequel des ondes optiques en interaction génèrent de nouvelles composantes de fréquence. Son efficacité dépend de la non-linéarité du matériau, de la '''puissance optique''' et des conditions d’accord de phases. Voir aussi '''fréquence''' == Français ==... »

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Processus '''[[optique non linéaire]]''' dans lequel des ondes optiques en interaction génèrent de nouvelles composantes de fréquence. Son efficacité dépend de la non-linéarité du matériau, de la '''[[puissance optique]]''' et des conditions d’accord de phases.

Voir aussi '''[[fréquence]]'''

== Français ==
''' mélange à quatre ondes'''

== Anglais ==
''' four-wave mixing'''

'' A '''[[Optique non linéaire|nonlinear optical]]''' process in which interacting optical waves generate new frequency components. Its efficiency depends on the material nonlinearity, '''[[Puissance optique|optical power]]''', and phase-matching conditions.''

''See also '''[[Fréquence|frequency]]'''''

== Sources ==


{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Peigne de fréquences optiques

2026-07-30T16:35:39Z

Arianne : Page créée avec « == '''PHOTONIQUE'''== == en construction == == Définition == Spectre optique composé de plusieurs raies fréquentielles étroites, stables et régulièrement espacées. Les peignes de fréquences optiques sont utilisés en métrologie, en spectroscopie et dans certains systèmes de communications optiques. == Français == ''' peigne de fréquences optiques''' ''' peigne de fréq... »

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Spectre optique composé de plusieurs raies fréquentielles étroites, stables et régulièrement espacées. Les peignes de fréquences optiques sont utilisés en métrologie, en spectroscopie et dans certains systèmes de communications optiques.

== Français ==
''' peigne de fréquences optiques'''

''' peigne de fréquences'''

== Anglais ==
''' optical frequency comb'''

''An optical spectrum composed of many narrow, stable, and evenly spaced frequency lines. Optical frequency combs are used in metrology, spectroscopy, and some optical communication systems.''

== Sources ==


{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Multiplexage par répartition en mode

2026-07-30T16:28:07Z

Arianne :

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== Définition ==
Technique de transmission qui utilise plusieurs modes spatiaux du même guide d’onde ou de la même fibre optique comme canaux d’information distincts. Elle peut augmenter la capacité de transmission sans nécessairement augmenter le nombre de fibres optiques ou de longueurs d’onde.

------

La technique de multiplexage par répartition en mode exploite la transmission de données multimodes pour augmenter la capacité du canal. La conception des composants de multiplexage par répartition en mode nécessite de minimiser la diaphonie intermodale, c’est-à-dire le couplage d’énergie indésirable entre deux modes.

Le développement de composants à multiplexage par répartition en mode dans les premières étapes de l’intégration photonique a permis de réduire la largeur des guides d’ondes optiques afin de couper la propagation des modes d’ordre supérieur qui ne fonctionnent que dans le régime monomode. Une multitude d’efforts de recherche récents se sont concentrés sur la résolution de ce problème. Les composants à multiplexage par répartition en mode restent un domaine actif de recherche et de développement.

Voir aussi '''[[diaphonie]]''', '''[[guide d'ondes optique]]''', '''[[mode (optique)]]''' et '''[[multimode]]'''

== Français ==
''' multiplexage par répartition en mode'''

''' multiplexage par répartition modale'''

''' multiplexage modal'''

== Anglais ==
''' mode-division multiplexing'''

'''MDM'''

''A transmission technique that uses multiple spatial modes of the same waveguide or fiber as separate information channels. It can increase transmission capacity without necessarily increasing the number of fibers or wavelengths.''

-------

''Mode-Division Multiplexing (MDM) technique exploits multimode data transmission to scale up the channel capacity. Designing MDM components require minimizing the intermodal crosstalk (i.e. unwanted energy coupling between two modes).''

''Under development of MDM components in early steps of photonic integration resulted in lowering the optical waveguide width to cut off propagation of higher-order modes working only within the monomode regime. A multitude of recent research efforts focused on addressing this shortcoming. Developing MDM components remain an active area of research and development.''

''See also '''[[crosstalk]]''', '''[[mode (optique)]]''', '''[[multimode]]''' and '''[[optical waveguide]]''' ''

== Source ==
[https://www.calameo.com/read/007172346eacc04131aa4 Source : Les 101 mots de la photonique ]

{{Modèle:Photonique}}

[[Catégorie:Photonique]]

Interconnexion optique

2026-07-30T16:24:00Z

Arianne : Page créée avec « == '''PHOTONIQUE'''== == en construction == == Définition == Lien qui transmet de l’information au moyen de la lumière au lieu d’un courant électrique. Les interconnexions optiques sont utilisées pour transmettre des '''données''' entre des composantes, des cartes, des puces ou des systèmes. == Français == ''' interconnexion optique''' == Anglais == ''' optical inte... »

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Lien qui transmet de l’information au moyen de la lumière au lieu d’un courant électrique. Les interconnexions optiques sont utilisées pour transmettre des '''[[données]]''' entre des composantes, des cartes, des puces ou des systèmes.

== Français ==
''' interconnexion optique'''

== Anglais ==
''' optical interconnect'''

''Link that transmits information using light instead of electrical current. Optical interconnects are used to carry '''[[Données|data]]''' between components, boards, chips, or systems.''

== Sources ==


{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Effet Tcherenkov

2026-07-30T16:19:36Z

Arianne :

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Émission de lumière produite lorsqu’une particule chargée traverse un milieu plus rapidement que la '''[[vitesse de phase de la lumière]]''' dans ce milieu. Cet effet à de nombreuses applications, notamment pour détecter les particules à haute énergie.



== Français ==
''' effet Tcherenkov'''

''' effet Vavilov-Tcherenkov'''

== Anglais ==
''' Tcherenkov effect'''

'''Cherenkov radiation'''

''Emission of light produced when a charged particle travels through a medium faster than the phase '''[[Vitesse de la lumière|velocity of light]]''' in that medium. It is used, among other applications, to detect high-energy particles. ''

== Sources ==

[https://fr.wikipedia.org/wiki/Effet_Tcherenkov Source : Wikipédia]

[https://en.wikipedia.org/wiki/Cherenkov_radiation Source : Wikipedia]

{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Effet acousto-optique

2026-07-30T16:15:07Z

Arianne :

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Interaction entre la lumière et une onde acoustique dans un matériau. L’onde acoustique crée une modulation périodique de l’'''[[indice de réfraction]]''' qui peut diffracter, décaler en '''[[fréquence]]''' ou moduler le faisceau optique.


== Compléments ==
Cet effet est présent dans les domaines d'application suivants: les '''[[laser|lasers]]''' et les '''[[télécommunications par fibres optiques]]'''.

== Français ==
''' effet acousto-optique'''

''' effet acoustooptique'''

== Anglais ==
''' acousto-optic effect'''

''' acoustooptic effect'''

''' acousto-optic deviation'''

''Interaction between light and an acoustic wave in a material. The acoustic wave creates a periodic '''[[Indice de réfraction|refractive-index]]''' modulation that can diffract, shift, or modulate an optical beam.''

== Sources ==

[https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/2081554/effet-acousto-optique Source : GDT, OQLF]

[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=EFFET+ACOUSTO-OPTIQUE&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]

[https://fr.wikipedia.org/wiki/Acousto-optique#Effet_acousto-optique Source : Wikipédia]

{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Effet Pockels

2026-07-29T18:37:13Z

Arianne : Page créée avec « == '''PHOTONIQUE'''== == en construction == == Définition == Changement linéaire de l’'''indice de réfraction''' d’un matériau causé par l’application d’un '''champ électrique'''. Cet effet est utilisé pour moduler la phase, la '''polarisation''' ou l’intensité de la lumière. == Français == ''' effet Pockels''' == Anglais... »

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Changement linéaire de l’'''[[indice de réfraction]]''' d’un matériau causé par l’application d’un '''[[champ électrique]]'''. Cet effet est utilisé pour moduler la phase, la '''[[Polarisation de la lumière|polarisation]]''' ou l’intensité de la lumière.

== Français ==
''' effet Pockels'''

== Anglais ==
''' Pockels effect'''

''Linear change in the '''[[Indice de réfraction|refractive index]]''' of a material caused by an applied '''[[Champ électrique|electric field]]'''. It is used to modulate the phase, '''[[Polarisation de la lumière|polarization]]''', or intensity of light.''

== Sources ==


{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Milieu actif

2026-07-29T18:30:22Z

Arianne :

== en construction ==

== Définition ==
Matériau qui peut amplifier la lumière lorsqu’on lui fournit de l’énergie provenant d’une source externe. Dans un '''[[laser]]''', le milieu actif offre un gain optique par '''[[émission stimulée]]'''.



== Français ==
''' milieu actif'''

== Anglais ==
''' active medium'''

''' gain medium'''

''Material that can amplify light when supplied with external energy. In a '''[[laser]]''', the active medium provides optical gain through '''[[Émission stimulée|stimulated emission]]'''.''

== Sources ==

[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=MILIEU+ACTIF&index=alt&codom2nd_wet=1#resultrecs Source : TERMIUM Plus]

{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Démultiplexeur en longueur d’onde

2026-07-29T18:25:20Z

Arianne : Page créée avec « == '''PHOTONIQUE'''== == en construction == == Définition == Dispositif optique qui sépare un signal en entrée contenant plusieurs '''longueurs d’onde''' en canaux de sortie distincts. Il est couramment utilisé dans les systèmes de '''multiplexage en longueur d’onde'''. == Français == ''' démultip... »

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Dispositif optique qui sépare un signal en entrée contenant plusieurs '''[[Longueur d'onde|longueurs d’onde]]''' en canaux de sortie distincts. Il est couramment utilisé dans les systèmes de '''[[Multiplexage par répartition en longueur d’onde|multiplexage en longueur d’onde]]'''.

== Français ==
''' démultiplexeur en longueur d'onde'''

== Anglais ==
''' wavelength demultiplexer'''

''Optical device that separates an input signal containing multiple '''[[Longueur d'onde|wavelengths]]''' into distinct output channels. It is commonly used in '''[[Multiplexage par répartition en longueur d’onde|wavelength-division multiplexing]]''' systems.''

== Sources ==


{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Effet Vernier

2026-07-29T18:17:45Z

Arianne : Page créée avec « == '''PHOTONIQUE'''== == en construction == == Définition == Phénomène dans lequel deux réponses périodiques ayant des périodes légèrement différentes se combinent pour produit un décalage apparent amplifié ou une période effective plus grande. En '''photonique''', ce phénomène est utilisé afin d’augmenter la sensibilité ou pour élargir l’étendue spectral... »

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Phénomène dans lequel deux réponses périodiques ayant des périodes légèrement différentes se combinent pour produit un décalage apparent amplifié ou une période effective plus grande.

En '''[[photonique]]''', ce phénomène est utilisé afin d’augmenter la sensibilité ou pour élargir l’étendue spectrale apparente des dispositifs résonants.

== Français ==
''' effet Vernier'''

== Anglais ==
''' Vernier effect'''

''A phenomenon in which two periodic responses with slightly different periods combine to produce an amplified apparent shift or a larger effective period. ''

''In '''[[Photonique|photonics]]''', it is used to enhance sensitivity or extend the apparent spectral range of resonant devices.''

== Sources ==


{{Modèle:Photonique}}

[[Catégorie:vocabulaire]]

Facteur de qualité→1

2026-07-29T18:11:39Z

Arianne : Page créée avec « == '''PHOTONIQUE'''== == en construction == == Définition == Paramètre sans dimension qui décrit la précision d’une résonance et la capacité d’un résonateur à emmagasiner de l’énergie. Un facteur de qualité élevé correspond à une résonance plus étroite et à une durée d’emmagasinage d’énergie plus longue. Voir aussi '''résonateur optique''' == Fran... »

==[[:Catégorie:Photonique| '''PHOTONIQUE''']]==

== en construction ==

== Définition ==
Paramètre sans dimension qui décrit la précision d’une résonance et la capacité d’un résonateur à emmagasiner de l’énergie. Un facteur de qualité élevé correspond à une résonance plus étroite et à une durée d’emmagasinage d’énergie plus longue.

Voir aussi '''[[résonateur optique]]'''

== Français ==
''' facteur de qualité'''

== Anglais ==
''' quality factor'''

''Dimensionless parameter that describes the sharpness of a resonance and the ability of a resonator to store energy. A higher quality factor corresponds to a narrower resonance and longer energy storage time.''

'' See also '''[[Résonateur optique|optical resonator]]'''

== Sources ==


{{Modèle:photonique}}

[[Catégorie:vocabulaire]]

Facteur de qualité→2

2026-07-29T18:05:56Z

Arianne : Arianne a déplacé la page Facteur de qualité vers Facteur de qualité→2 sans laisser de redirection

==[[:Catégorie:Spatiologie| '''SPATIOLOGIE''']]==

== Définition ==
Quotient M, généralement exprimé en unités logarithmiques, du gain isotrope G d’une antenne par la température de bruit T de l'ensemble d'un récepteur et de l'antenne, rapportée aux bornes de celle-ci, dans des conditions d'emploi et à une fréquence spécifiée.

Si la température de bruit est exprimée en kelvins et le gain en rapport de puissance, la quantité M = 10 log G/T s'exprime en décibels. On trouve parfois le symbole dB(K-1).

== Français ==
'''facteur de qualité '''

== Anglais ==
'''figure of merit '''

==Sources==
[https://datafranca.org/images/Dictionnaire-de-Spatiologie-2025 Sources : Dictionnaire de Spatiologie]

{{Modèle:Spatiologie}}
[[Catégorie:spatiologie]]

[[Catégorie:Radiocommunication ]]