DataFranca - Modifications récentes [fr]

Hard prompt

Arianne — Tue, 15 Sep 2026 17:26:12 GMT

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’''... »

Nouvelle page

== 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

Arianne — Tue, 15 Sep 2026 17:10:23 GMT

← Version précédente		Version du 15 septembre 2026 à 13:10
Ligne 1 :		Ligne 1 :
	== Définition ==		== 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 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.		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 ==		== Compléments ==

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

	== Français ==		== Français ==

Réglage

Arianne — Tue, 15 Sep 2026 17:08:14 GMT

← Version précédente		Version du 15 septembre 2026 à 13:08
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	Le réglage des 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 paramètres de modèle ajustables (hyperparamètres) peuvent affecter considérablement la précision du modèle.		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 '''[[~~Réglage fin~~]]'''		Voir aussi '''[[peaufinage]]'''

	== Français ==		== Français ==
	'''~~Réglage~~'''		'''réglage'''

	== Anglais ==		== Anglais ==
	''' ~~Tuning~~ '''		''' tuning '''

	==Sources==		==Sources==

Soft prompt

Arianne — Tue, 15 Sep 2026 17:07:47 GMT

← Version précédente		Version du 15 septembre 2026 à 13:07
Ligne 2 :		Ligne 2 :

	== Définition ==		== 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]]'''.		'''[[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.		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.

Soft prompt

Arianne — Tue, 15 Sep 2026 17:02:35 GMT

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... »

Nouvelle page

== 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

Arianne — Tue, 15 Sep 2026 16:44:16 GMT

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 '''[... »

Nouvelle page

== 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

Arianne — Mon, 14 Sep 2026 16:59:38 GMT

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... »

Nouvelle page

== 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

Arianne — Mon, 14 Sep 2026 16:50:06 GMT

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... »

Nouvelle page

== 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

Arianne — Mon, 14 Sep 2026 16:45:41 GMT

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... »

Nouvelle page

== 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

Arianne — Mon, 14 Sep 2026 16:39:52 GMT

← Version précédente		Version du 14 septembre 2026 à 12:39
Ligne 4 :		Ligne 4 :
	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.		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]]'''		Voir aussi '''[[Licence_en_paramètres_ouverts\|modèle en paramètres ouverts]]''' et '''[[open-source model]]'''

	== Compléments ==		== Compléments ==

Open-source model

Arianne — Mon, 14 Sep 2026 16:39:10 GMT

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... »

Nouvelle page

== 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

Arianne — Mon, 14 Sep 2026 16:21:58 GMT

← Version précédente		Version du 14 septembre 2026 à 12:21
Ligne 4 :		Ligne 4 :
	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]]'''.		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]]'''		Voir aussi '''[[multi-hop reasoning]]''' et '''[[réseau neuronal de graphes]]'''

	== Compléments ==		== Compléments ==

Multi-hop reasoning

Arianne — Mon, 14 Sep 2026 16:21:20 GMT

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... »

Nouvelle page

== 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

Arianne — Sun, 13 Sep 2026 17:11:12 GMT

← Version précédente		Version du 13 septembre 2026 à 13:11
Ligne 1 :		Ligne 1 :
	==Définition==		==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.		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==		==Français==
Ligne 9 :		Ligne 9 :
	==Anglais==		==Anglais==
	'''Monte Carlo tree search '''<small>		'''Monte Carlo tree search '''<small>


	==Sources==		==Sources==

Multi-hop question answering

Arianne — Sun, 13 Sep 2026 17:08:47 GMT

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... »

Nouvelle page

== 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

Arianne — Sun, 13 Sep 2026 16:58:46 GMT

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’'... »

Nouvelle page

== 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

Arianne — Sun, 13 Sep 2026 16:47:31 GMT

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 == '''... »

Nouvelle page

== 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

Arianne — Sun, 13 Sep 2026 16:40:47 GMT

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... »

Nouvelle page

== 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]]

Gras trans

Pitpitt — Sun, 13 Sep 2026 00:06:02 GMT

← Version précédente		Version du 12 septembre 2026 à 20:06
(Une version intermédiaire par le même utilisateur non affichée)
Ligne 6 :		Ligne 6 :
	== Français ==		== Français ==
	'''graisses trans '''		'''graisses trans '''

			'''gras trans '''

	== Anglais ==		== Anglais ==
	'''~~xxxxx~~ '''		'''Trans fat'''

	==Sources==		==Sources==
Ligne 14 :		Ligne 16 :

	[[Catégorie:Biologie moléculaire]]		[[Catégorie:Biologie moléculaire]]

	~~[[Catégorie:vocabulaire]]~~

Graisses trans

Pitpitt — Sun, 13 Sep 2026 00:04:58 GMT

Pitpitt a déplacé la page Graisses trans vers Gras trans

Nouvelle page

== EN CONSTRUCTION ==

== Définition ==
graisse formée artificiellement par hydrogénation des huiles, ce qui entraîne une disposition des doubles liaisons différente de celle des lipides naturels

== Français ==
'''graisses trans '''

== Anglais ==
'''xxxxx '''

==Sources==
[https://www-helix.inrialpes.fr/old/IMG/pdf/termesbiomol.pdf Source : inrialpes.fr ]

[[Catégorie:Biologie moléculaire]]

[[Catégorie:vocabulaire]]

Adaptative knowledge graph memory

Arianne — Fri, 11 Sep 2026 20:48:22 GMT

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... »

Nouvelle page

== 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]]

Apprentissage par renforcement vérifiable

Claude COULOMBE — Fri, 11 Sep 2026 03:53:54 GMT

← Version précédente		Version du 10 septembre 2026 à 23:53
Ligne 15 :		Ligne 15 :
	'''apprentissage par renforcement à partir de résultats vérifiables'''		'''apprentissage par renforcement à partir de résultats vérifiables'''

	'''apprentissage par renforcement ~~à partir de~~ récompenses vérifiables''' (traduction littérale à éviter).		'''apprentissage par renforcement avec récompenses vérifiables''' (traduction littérale à éviter).

	== Anglais ==		== Anglais ==

Jeton textuel / jeton génératif

Pitpitt — Wed, 09 Sep 2026 16:44:19 GMT

Pitpitt a déplacé la page Jeton textuel / jeton génératif vers Jeton textuel par-dessus une redirection

Nouvelle page

==Définition==
En '''[[traitement automatique de la langue naturelle]]''', le jeton est l'unité de base pour l'analyse de textes produite par un '''[[segmenteur]]''' (en anglais ''tokenizer'').

En [[IA générative]], le jeton génératif (token) est l'unité de base pour mesure le travail d'un [[robot conversationnel génératif]].

==Compléments==
Un jeton textuel ou jeton génératif peut correspondre à un mot, à une partie de mot, une suite de caractères ou même parfois à une seule lettre ou symbole.

Traditionnellement, en '''[[Traitement automatique de la langue naturelle|TALN]]''', les algorithmes travaillaient au niveau du mot ou des unités lexicales, mais depuis l'arrivée des techniques d'apprentissage profond, la segmentation s'effectue plutôt au niveau sous-lexical. Un atout important du traitement sous-lexical est d'éviter les mots ''hors-vocabulaire'', puisqu'on peut plus facilement créer de nouvelles unités lexicales à partir d'éléments sous-lexicaux.

<hr/>
Attention, on appelle les unités résultant de la segmentation des '''jetons''', mais le terme '''jeton''' est aussi utilisé en cybersécurité et dans les réseaux de communication.

<hr/>
Pour la suite du traitement, le jeton résultant est souvent converti en un nombre entier. On dit alors que le jeton est encodé. Le processus inverse, le décodage part de la représentation par un nombre entier vers un jeton.

==Français==
'''jeton textuel'''

'''jeton génératif'''

'''jeton'''

'''segment textuel'''

'''segment de texte'''

'''symbole'''

'''unité sous-lexicale'''

'''unité lexicale'''

'''partie de mot'''

==Anglais==
'''token'''

==Sources==

[https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&i=1&srchtxt=tokenizer&index=alt&codom2nd_wet=1#resultrecs ''Termium - Tokenizer'']

[https://www.culture.gouv.fr/content/download/365680/pdf_file/50_termes_cl%C3%A9s_de_l%27IA-2025.pdf?inLanguage=fre-FR&version=2 ''50 termes clés de l'intelligence artificielle'', Ministère de la culture, Commission d'enrichissement de la langue française (2025). - Jeton textuel]

[https://fr.wikipedia.org/wiki/Analyse_lexicale Wikipedia - ''Analyse lexicale'']

[https://www.sciencedirect.com/science/article/pii/S0167865518303271 ''A unified multilingual handwriting recognition system using multigrams sub-lexical units'', Swaileh et al. 2019]

[https://link.springer.com/chapter/10.1007/978-3-319-77113-7_1, ''Overview of Character-Based Models for Natural Language Processing'', Adel et al. 2018]

[https://en.wikipedia.org/wiki/Lexical_analysis Wikipedia - Lexical Analysis]

[[Catégorie:GRAND LEXIQUE FRANÇAIS]]

Jeton textuel

Pitpitt — Wed, 09 Sep 2026 16:44:18 GMT

Pitpitt a supprimé la redirection vers Jeton textuel par écrasement Page supprimée pour permettre le renommage depuis « Jeton textuel / jeton génératif »

Résolution de problème par auto-apprentissage

Pitpitt — Wed, 09 Sep 2026 16:43:30 GMT

← Version précédente		Version du 9 septembre 2026 à 12:43
Ligne 26 :		Ligne 26 :
	[https://medium.com/@ferreradaniel/the-absolute-zero-reasoner-ai-how-self-taught-machines-are-changing-everything-054333c37d2a Source : Medium]		[https://medium.com/@ferreradaniel/the-absolute-zero-reasoner-ai-how-self-taught-machines-are-changing-everything-054333c37d2a Source : Medium]

	[[Catégorie:~~Publication~~]]		[[Catégorie:Intelligence artificielle]]

Règlement européen sur l'IA

Pitpitt — Wed, 09 Sep 2026 16:43:15 GMT

← Version précédente		Version du 9 septembre 2026 à 12:43
Ligne 30 :		Ligne 30 :
	[https://www.entreprises.gouv.fr/decryptages-de-nos-experts/le-reglement-europeen-sur-lintelligence-artificielle-publics-concernes Source : Direction générale des Entreprises, 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]]~~		[[Catégorie:Intelligence artificielle]]
	~~[[Catégorie:Publication~~]]

Raisonnement

Pitpitt — Wed, 09 Sep 2026 16:42:34 GMT

← Version précédente		Version du 9 septembre 2026 à 12:42
Ligne 41 :		Ligne 41 :
	[[Category:GRAND LEXIQUE FRANÇAIS]]		[[Category:GRAND LEXIQUE FRANÇAIS]]
	[[Catégorie:101]]		[[Catégorie:101]]
	~~[[Catégorie:Publication]]~~

Modèle fermé

Pitpitt — Wed, 09 Sep 2026 16:42:14 GMT

← Version précédente		Version du 9 septembre 2026 à 12:42
Ligne 36 :		Ligne 36 :

	[[Catégorie:vocabulary]]		[[Catégorie:vocabulary]]
	~~[[Catégorie:publication]]~~

Modèle de pointe

Pitpitt — Wed, 09 Sep 2026 16:42:04 GMT

← Version précédente		Version du 9 septembre 2026 à 12:42
Ligne 38 :		Ligne 38 :
	[https://www.nvidia.com/en-us/glossary/frontier-models/ Nvidia - Frontier model]		[https://www.nvidia.com/en-us/glossary/frontier-models/ Nvidia - Frontier model]

	[[Catégorie:~~vocabulary]]~~		[[Catégorie:Intelligence artificielle]]

	~~[[Catégorie:Publication~~]]

Jeton textuel / jeton génératif

Pitpitt — Wed, 09 Sep 2026 16:41:22 GMT

← Version précédente		Version du 9 septembre 2026 à 12:41
Ligne 52 :		Ligne 52 :

	[[Catégorie:GRAND LEXIQUE FRANÇAIS]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	~~[[Catégorie:Publication]]~~

Étalon

Pitpitt — Wed, 09 Sep 2026 16:41:12 GMT

← Version précédente		Version du 9 septembre 2026 à 12:41
Ligne 17 :		Ligne 17 :
	[[Category:GRAND LEXIQUE FRANÇAIS]]		[[Category:GRAND LEXIQUE FRANÇAIS]]
	[[Category:Apprentissage profond]]		[[Category:Apprentissage profond]]
	~~[[Catégorie:Publication]]~~

Effondrement gravitationnel

Pitpitt — Wed, 09 Sep 2026 16:40:51 GMT

← Version précédente		Version du 9 septembre 2026 à 12:40
Ligne 22 :		Ligne 22 :
	[[Catégorie:Astrophysique]]		[[Catégorie:Astrophysique]]
	[[Catégorie:101Astrophysique]]		[[Catégorie:101Astrophysique]]
	~~[[Catégorie:Publication]]~~

Effondrement de l'entropie

Pitpitt — Wed, 09 Sep 2026 16:40:41 GMT

← Version précédente		Version du 9 septembre 2026 à 12:40
Ligne 18 :		Ligne 18 :
	[https://arxiv.org/html/2512.12381v1. Khan et Hoa (2025) - entropy collapse]		[https://arxiv.org/html/2512.12381v1. Khan et Hoa (2025) - entropy collapse]

	[[Catégorie:~~Publication~~]]		[[Catégorie:Intelligence artificielle]]

Dorsale de prétraitement

Pitpitt — Wed, 09 Sep 2026 16:40:10 GMT

← Version précédente		Version du 9 septembre 2026 à 12:40
Ligne 23 :		Ligne 23 :

	[[Catégorie:vocabulary]]		[[Catégorie:vocabulary]]
	~~[[Catégorie:Publication]]~~

Augmentation de la puissance de calcul à l'inférence

Pitpitt — Wed, 09 Sep 2026 16:40:00 GMT

← Version précédente		Version du 9 septembre 2026 à 12:40
Ligne 22 :		Ligne 22 :

	[[Catégorie:GRAND LEXIQUE FRANÇAIS]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	~~[[Catégorie:Publication]]~~

Apprentissage profond

Pitpitt — Wed, 09 Sep 2026 16:39:49 GMT

← Version précédente		Version du 9 septembre 2026 à 12:39
Ligne 123 :		Ligne 123 :
	[[Catégorie:GRAND LEXIQUE FRANÇAIS]]		[[Catégorie:GRAND LEXIQUE FRANÇAIS]]
	[[Catégorie:101]]		[[Catégorie:101]]
	~~[[[[Catégorie:Publication]]~~

Closed source model

Claude COULOMBE — Tue, 08 Sep 2026 19:47:48 GMT

Page redirigée vers Modèle fermé

Nouvelle page

#REDIRECTION [[Modèle fermé]]

AI Backbone

Claude COULOMBE — Tue, 08 Sep 2026 19:43:24 GMT

Page redirigée vers Dorsale de prétraitement

Nouvelle page

#REDIRECTION [[Dorsale de prétraitement]]

AI Act

Claude COULOMBE — Tue, 08 Sep 2026 19:40:46 GMT

Page redirigée vers Règlement européen sur l'IA

Nouvelle page

#REDIRECTION [[Règlement européen sur l'IA]]

Absolute zero reasoner

Claude COULOMBE — Tue, 08 Sep 2026 19:39:11 GMT

Destination de redirection modifiée de Système de résolution de problème par auto-apprentissage en Résolution de problème par auto-apprentissage

← Version précédente		Version du 8 septembre 2026 à 15:39
Ligne 1 :		Ligne 1 :
	#REDIRECTION [[~~Système de résolution~~ de problème par auto-apprentissage]]		#REDIRECTION [[Résolution de problème par auto-apprentissage]]

Système de résolution de problème par auto-apprentissage

Claude COULOMBE — Tue, 08 Sep 2026 19:38:33 GMT

Claude COULOMBE a déplacé la page Système de résolution de problème par auto-apprentissage vers Résolution de problème par auto-apprentissage

← Version précédente		Version du 8 septembre 2026 à 15:38
(Une version intermédiaire par le même utilisateur non affichée)
Ligne 9 :		Ligne 9 :
	== Français ==		== Français ==
	'''système de résolution de problème par auto-apprentissage'''		'''système de résolution de problème par auto-apprentissage'''

			'''résolution de problème par auto-apprentissage'''

	'''système de raisonnement par auto-apprentissage'''		'''système de raisonnement par auto-apprentissage'''

			'''raisonnement par auto-apprentissage'''

	== Anglais ==		== Anglais ==

Modèle fermé

Patrickdrouin — Tue, 08 Sep 2026 19:36:10 GMT

← Version précédente		Version du 8 septembre 2026 à 15:36
Ligne 26 :		Ligne 26 :
	== Sources ==		== 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/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://arxiv.org/abs/2412.12004v3 Source : Arxiv]

Modèle fermé

Claude COULOMBE — Tue, 08 Sep 2026 19:35:25 GMT

← Version précédente		Version du 8 septembre 2026 à 15:35
(2 versions intermédiaires par le même utilisateur non affichées)
Ligne 1 :		Ligne 1 :
	== Définition ==		== Définition ==
	Paradigme dans lequel 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.		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.		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 '''[[apprentissage par renforcement avec rétroaction humaine]]''', '''[[apprentissage par curriculum]]''', '''[[ChatGPT]]''', '''[[Claude]]''', '''[[entraînement]]''', '''[[Gemini]]''' et '''[[mixture d'experts]]'''		Voir aussi '''[[Licence_en_paramètres_ouverts\|modèle en paramètres ouverts]]'''

	== Compléments ==		== Compléments ==
Ligne 14 :		Ligne 14 :

	'''modèle propriétaire'''		'''modèle propriétaire'''

			'''modèle à code-source fermé'''

	== Anglais ==		== Anglais ==

Modèle fermé

Patrickdrouin — Tue, 08 Sep 2026 19:30:49 GMT

← Version précédente		Version du 8 septembre 2026 à 15:30
(Une version intermédiaire par le même utilisateur non affichée)
Ligne 23 :		Ligne 23 :

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

Modèle fermé

Claude COULOMBE — Tue, 08 Sep 2026 19:29:49 GMT

← Version précédente		Version du 8 septembre 2026 à 15:29
Ligne 16 :		Ligne 16 :

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

			'''closed model'''

	'''proprietary model'''		'''proprietary model'''