Lexique de l'IA : les 50 mots à connaître absolument (Prompt, LLM, Token...)

Vous lisez un article sur ChatGPT. On parle de « prompt », de « token », de « LLM ». Vous regardez une vidéo : « fine-tuning », « hallucination », « embedding ». Vous avez l’impression de ne pas parler la même langue. Ce lexique est fait pour ça : vous donner les 50 mots qui reviennent le plus quand on parle d’IA en tant que débutant ou utilisateur au quotidien. Chaque entrée a une définition simple et, quand c’est utile, une analogie ou un exemple. Pas pour briller en soirée — pour comprendre ce que vous lisez et ce que vous faites quand vous tapez dans une zone de saisie. Pour mettre ces mots en pratique, voir formuler sa demande à l’IA et bon prompt du premier coup. Pour un premier pas concret, par où commencer et vocabulaire IA mots compliqués complètent ce lexique.

Les 50 mots : liste complète

Les termes sont regroupés par thème (ce que vous tapez, ce qui produit, ce qui peut mal tourner, l’écosystème, etc.). Vous pouvez lire dans l’ordre ou chercher un mot précis.

Ce que vous écrivez et ce que vous donnez

1. Prompt — Le texte que vous envoyez à l’IA. La phrase ou le paragraphe que vous tapez avant d’appuyer sur Entrée. En français courant : « la demande » ou « l’instruction ». Chaque message dans ChatGPT ou Gemini est un prompt.

2. Contexte — Les infos que vous donnez pour cadrer la réponse : rôle (« Tu es mon assistant »), destinataire, situation, contraintes (longueur, ton). Plus le contexte est précis, meilleure est la sortie.

3. Rôle (system prompt / instruction) — La « personnalité » ou la fonction que vous assignez à l’IA (« Tu es un expert en com pour PME »). Ça oriente le ton et le type de réponses.

4. Exemple (few-shot) — Donner un ou plusieurs exemples de ce que vous voulez dans le prompt. « Écris comme ceci : [exemple]. Maintenant fais la même chose pour [nouvelle demande]. » Ça affine beaucoup le résultat.

5. Contrainte — Limite que vous imposez : nombre de mots, format (liste, paragraphe), ton (formel, décontracté), interdictions (« pas de jargon »).

Le « moteur » et comment il fonctionne

6. Modèle — Le programme qui a été entraîné sur d’énormes données et qui génère les réponses. GPT, Gemini, Claude sont des modèles. Différentes versions = modèles plus ou moins récents ou puissants.

7. LLM (Large Language Model) — Grand modèle de langage. Le type de technologie derrière les assistants texte. Quand on dit « les LLM », on parle de ChatGPT, Gemini, Claude et apparentés.

8. Token — Unité de texte que le modèle utilise en interne (un mot ou une partie de mot). « Limite de tokens » = la conversation ou le message est trop long. Vous n’avez pas à les compter ; il suffit de savoir que plus c’est long, plus vous en consommez.

9. Entraînement (training) — La phase pendant laquelle le modèle a « appris » sur des milliards de textes (ou images, etc.). Vous n’entraînez pas le modèle en l’utilisant ; vous l’utilisez.

10. Données d’entraînement — Les textes, images ou sons sur lesquels le modèle a été entraîné. La qualité et la diversité de ces données influencent ce que le modèle « sait » et ses biais.

11. Paramètres — Les valeurs internes du modèle (souvent des milliards). Plus il y a de paramètres, plus le modèle peut être capable — et coûteux en calcul. Vous ne les réglez pas en tant qu’utilisateur.

12. Inférence — Le moment où le modèle calcule et produit une réponse à partir de votre prompt. « Lancer une inférence » = envoyer une requête et obtenir une sortie.

Ce qui peut mal tourner

13. Hallucination — Quand l’IA invente un fait, une date, une source. Elle a l’air sûre, mais c’est faux. Toujours vérifier les infos importantes.

14. Biais (bias) — Le modèle peut reproduire des stéréotypes ou des déséquilibres présents dans les données d’entraînement. Utile de rester critique sur les réponses (ton, exemples, généralisations).

15. Dérive (drift) — Quand les réponses deviennent moins bonnes ou moins cohérentes au fil du temps (changements du modèle, de l’interface, ou de votre façon de l’utiliser).

16. Réponse générique — Sortie vague, « passe-partout », qui pourrait s’appliquer à n’importe qui. Souvent causée par un manque de contexte ou de contraintes dans le prompt.

17. Boucle répétitive — Le modèle se répète (mêmes phrases, mêmes structures). Souvent lié à un prompt trop vague ou à une conversation très longue. Solution : raccourcir, reformuler, ou ouvrir une nouvelle conversation.

Interfaces et produits

18. Assistant conversationnel — Interface où vous dialoguez par messages (ChatGPT, Gemini, Claude). Vous envoyez un prompt ; le modèle répond ; vous pouvez enchaîner.

19. Chat — Même idée : une conversation en messages. « Ouvrir un chat » = démarrer une nouvelle conversation avec l’IA.

20. Thread / conversation — L’historique des messages dans une même session. Le modèle « voit » tout le thread pour produire sa réponse (d’où la notion de contexte conversationnel).

21. API — Interface technique qui permet à un logiciel d’envoyer des requêtes au modèle. En tant qu’utilisateur dans un navigateur, vous ne touchez pas à l’API ; c’est pour les développeurs ou les outils qui intègrent l’IA.

22. Plugin / extension — Module qui ajoute des fonctions à un assistant (recherche web, calcul, accès à un service). Selon l’outil, vous les activez ou non.

23. Intégration — Connexion de l’IA à un autre outil (Word, Gmail, Slack, etc.) pour l’utiliser sans quitter l’application.

Génération d’images et multimédia

24. Text-to-image — Génération d’image à partir d’un texte (prompt). DALL·E, Midjourney, Ideogram, Stable Diffusion font du text-to-image.

25. Image-to-image — Génération ou modification d’image à partir d’une image source + un prompt. Utile pour des variations ou des retouches pilotées par le texte.

26. Upscaling — Agrandissement d’une image en essayant de préserver ou d’améliorer les détails. Certains outils IA le font très bien ; voir par exemple nos articles sur les images floues ou les upscalers dédiés.

27. Seed — Valeur numérique qui influence le hasard dans la génération. Même prompt + même seed = même image (en théorie). Utile pour reproduire ou varier un résultat.

28. Style / modèle (pour l’image) — Réglage ou modèle spécifique (réaliste, cartoon, cinématique, etc.) dans un générateur d’images.

Avancé (pour comprendre les articles)

29. Fine-tuning — Réglage supplémentaire du modèle sur des données spécifiques. En général, vous n’en faites pas ; les entreprises ou les équipes techniques le font pour des usages très ciblés.

30. RAG (Retrieval-Augmented Generation) — Technique qui consiste à faire chercher des infos dans une base (documents, FAQ) avant de générer la réponse. Ça réduit les hallucinations sur des sujets précis.

31. Embedding — Représentation numérique d’un texte (ou d’une image) qui permet de comparer des contenus (similarité, recherche sémantique). Vous ne les manipulez pas directement ; ils sont utilisés en coulisse.

32. Contexte fenêtre (context window) — La quantité de texte (souvent mesurée en tokens) que le modèle peut « voir » en une fois (votre message + l’historique + sa réponse). Au-delà, il faut résumer ou ouvrir une nouvelle conversation.

33. Coût par requête — En mode payant, chaque envoi de prompt et chaque réponse consomment des ressources (tokens, calcul). Les offres gratuites ont des limites ; les abonnements en donnent plus.

34. Open source — Modèle ou outil dont le code (et parfois les poids du modèle) est public. Permet de l’installer chez soi ou de le modifier, avec des contraintes techniques et légales.

35. Propriétaire — Modèle ou outil détenu par une entreprise (OpenAI, Google, etc.). Vous l’utilisez via leur service ; vous ne contrôlez pas l’infrastructure.

Mots « métier » et écosystème

36. Génératif / generative — Qui produit du contenu nouveau (texte, image, son) à partir d’une consigne. Opposé à l’IA qui classe ou analyse sans « créer ».

37. Multimodal — Modèle qui gère plusieurs types d’entrées ou de sorties (texte + image, par exemple). Vous pouvez envoyer une image et demander une description, ou l’inverse.

38. Agent — Système IA qui peut effectuer des actions (recherche, envoi d’email, appel d’outil) en plus de répondre en texte. En 2026, les « agents » sont encore en développement ; les assistants classiques restent le quotidien.

39. Alignment — Alignement. Travail pour que le modèle réponde de façon sûre, utile et conforme aux intentions (éviter les réponses dangereuses ou hors-sujet). Vous ne faites pas l’alignment ; les éditeurs des modèles s’en occupent.

40. Jailbreak — Tentative de contourner les garde-fous d’un modèle pour lui faire produire des contenus interdits. Les plateformes cherchent à les bloquer ; en tant qu’utilisateur débutant, vous n’avez pas à vous en préoccuper.

Légale, éthique, pratique

41. CGU (conditions d’utilisation) — Les règles du service (qui possède les sorties, utilisation commerciale, données). À lire avant un usage pro.

42. Droits d’auteur / licence — Selon l’outil et le pays, les contenus générés peuvent être considérés comme vous appartenant ou avec des restrictions. Pour un usage commercial, vérifiez les CGU et le droit local.

43. Données personnelles — Ce que vous envoyez (emails, documents) peut être traité par les serveurs du fournisseur. Ne mettez pas de données sensibles sans vérifier la politique de confidentialité.

44. Vérification (fact-checking) — Contrôler les faits, chiffres et sources dans les réponses de l’IA. Indispensable pour tout usage pro ou public.

45. Itération — Le fait de répéter : envoyer un prompt, regarder la réponse, reformuler, renvoyer. C’est le geste de base pour améliorer les résultats.

Derniers termes utiles

46. Sortie (output) — Ce que l’IA produit : le texte, l’image, le fichier audio. « La sortie » = la réponse.

47. Entrée (input) — Ce que vous donnez : le prompt, le fichier, le contexte. « L’entrée » = votre demande.

48. Version (du modèle) — GPT-4, Gemini Pro, Claude 3, etc. Les versions évoluent ; les plus récentes sont souvent plus capables mais parfois plus chères ou plus lentes.

49. Limite (rate limit) — Nombre maximal de requêtes par minute ou par jour. Les offres gratuites ont des limites plus basses.

50. Quota — Quantité de requêtes ou de tokens inclus dans votre abonnement. Une fois le quota dépassé, vous devez attendre ou payer plus.

Tableau récapitulatif : quand vous voyez ce mot, pensez à…

Pro tip : Vous n’avez pas besoin de réciter ces 50 mots. Gardez ce lexique sous la main quand vous lisez un article ou un tuto ; en quelques semaines, les termes les plus utiles (prompt, contexte, hallucination, token) deviendront naturels.

Comment utiliser ce lexique au quotidien

Quand vous tombez sur un mot inconnu dans un article ou une interface, cherchez-le dans la liste ci-dessus. Si vous débutez, concentrez-vous d’abord sur : prompt, contexte, modèle, token, hallucination, LLM. Ces six termes couvrent 80 % de ce que vous rencontrerez. Les autres servent à approfondir ou à comprendre des comparaisons d’outils (API, fine-tuning, RAG, etc.). Pour mettre en pratique, voir formuler sa demande à l’IA et premiers pas sur ordinateur.

Pour une mise en contexte visuelle (écrans, formulation des prompts), cherchez sur YouTube « lexique IA débutant » ou « comprendre les mots de l’IA » ; vous trouverez des vidéos qui illustrent ces termes. Nos autres guides complètent ce lexique pour l’usage concret.

Frequently Asked Questions (FAQ)

Dois-je vraiment connaître les 50 mots pour commencer ?
Non. Pour commencer, une dizaine suffisent : prompt, contexte, modèle, token, hallucination, LLM, itération, thread, sortie, entrée. Le reste vient en lisant des articles ou en utilisant les outils.

C’est quoi la différence entre « prompt » et « contexte » ?
Le prompt, c’est tout ce que vous écrivez dans un message (y compris le rôle et les infos). Le contexte désigne plus spécifiquement les infos qui cadrent la situation (pour qui, pour quoi, quelles contraintes). En pratique, un bon prompt contient du contexte.

Pourquoi « token » et pas « mot » ?
Les modèles découpent le texte en unités (souvent des morceaux de mots ou des mots courts). Un token ≈ un mot en moyenne, mais pas toujours. Vous n’avez pas à les compter ; il suffit de savoir que « limite de tokens » = limite de longueur.

Qu’est-ce qu’une hallucination en pratique ?
L’IA invente un fait, une date, un nom, une source. Elle peut avoir l’air très sûre. Pour tout usage pro ou public, vérifiez les faits importants.

Où trouver des exemples de bons prompts ?
Dans nos articles formuler sa demande à l’IA pas à pas et bon prompt du premier coup. Vous y verrez des formulations concrètes avec rôle, contexte et contraintes.

API, fine-tuning, RAG : est-ce que j’en ai besoin pour utiliser ChatGPT ?
Non. Ces termes concernent les développeurs ou les usages avancés. En tant qu’utilisateur dans un navigateur, vous utilisez l’interface ; l’API et le fine-tuning sont « sous le capot ».

Comment éviter les réponses génériques ?
En donnant du contexte (rôle, destinataire, objectif) et des contraintes (longueur, ton, format). Plus votre prompt est précis, moins la sortie sera vague. Itérez si besoin (« plus court », « ton plus direct »).