Le jargon de l’IA a une particularité pénible : il mélange des mots techniques, des noms de produits et des métaphores, sans prévenir de ce qui est quoi. Voici les dix termes que vous croiserez le plus souvent, traduits chacun en une phrase, avec ce qu’ils impliquent concrètement pour une entreprise.
IA générative : une IA qui produit du contenu au lieu de classer
L’expression distingue les systèmes qui fabriquent quelque chose (un texte, une image, un tableau, du code) de ceux qui se contentent de trier ou de prédire. Un filtre anti-spam classe. Un outil qui rédige un brouillon de réponse génère. C’est cette famille-là qui a tout changé depuis 2023, parce qu’elle produit un livrable et non plus seulement un verdict.
Chez vous : générer, c’est obtenir le compte rendu de réunion rédigé, pas la simple indication que la réunion a eu lieu.
LLM : le moteur qui lit et qui écrit du texte
LLM signifie « large language model », grand modèle de langage. C’est le composant qui fait le travail de langage : il a appris, sur d’immenses volumes de texte, quels mots suivent quels mots dans quels contextes. De là vient sa capacité à résumer, reformuler, traduire, classer, rédiger.
Retenez surtout ce qu’il n’est pas : ce n’est ni une base de données, ni un moteur de recherche. Il ne consulte rien quand il répond, sauf si on l’a explicitement branché sur une source. Il produit la suite la plus plausible, à partir de ce qu’il a appris.
Chez vous : c’est la pièce qui lit un email de client et en extrait la demande réelle, même mal formulée.
GPT, Claude, Gemini, Mistral : des marques, pas des catégories
Ce sont des noms commerciaux de modèles, comme Clio ou Golf sont des noms de voitures. GPT est la famille de modèles d’OpenAI, Claude celle d’Anthropic, Gemini celle de Google, Mistral celle de l’éditeur français du même nom. ChatGPT, lui, est l’application grand public qui donne accès aux modèles GPT : l’application et le moteur portent des noms différents, et c’est une source de confusion permanente.
Conséquence pratique : quand quelqu’un vous dit « on utilise ChatGPT », il vous parle d’un abonnement, pas d’une installation. Ce sont deux mondes différents, et seul le second travaille pendant que vous dormez.
Prompt : la consigne que vous donnez, écrite en français
Le prompt est simplement ce que vous écrivez au modèle. Pas de syntaxe, pas de code : une consigne, comme à un nouveau collaborateur. Sa qualité fait la qualité du résultat, et pour une raison précise : un modèle ne demande pas de précisions, il comble les vides tout seul.
Un bon prompt professionnel contient presque toujours quatre choses : le rôle attendu, le contexte utile, la tâche exacte, et le format de sortie voulu. Les trois quarts des déceptions viennent de l’absence du quatrième.
Chez vous : « Résume ce compte rendu » donne un texte quelconque. « Résume ce compte rendu en cinq puces, une par décision prise, avec le responsable et la date » donne un document utilisable.
Token : l’unité de découpage du texte, et l’unité de facturation
Les modèles ne lisent pas des mots mais des tokens, des fragments de mots. En français, comptez très grossièrement un token pour trois quarts de mot. Cette unité sert aussi de compteur : les outils professionnels facturent au volume de tokens lus et écrits.
C’est ce qui rend le coût d’une automatisation prévisible. Une tâche qui traite chaque jour cent emails courts ne coûte pas la même chose que celle qui analyse chaque semaine dix contrats de cinquante pages, et vous pouvez le calculer à l’avance, contrairement à un abonnement forfaitaire.
Hallucination : une erreur énoncée avec l’assurance d’une réponse juste
C’est le défaut à connaître avant de déléguer quoi que ce soit. Un modèle peut inventer une date, une référence, un article de loi, un chiffre, sans le moindre signe d’hésitation. Il n’écrit pas « je ne suis pas sûr » : il énonce.
Ce n’est pas un bug qu’on corrigera un jour, c’est une conséquence directe de la façon dont ces systèmes fonctionnent, expliquée plus longuement dans l’article sur ce qu’est l’IA. La parade est organisationnelle : un contrôle humain sur tout ce qui sort de l’entreprise, et le branchement du modèle sur vos vraies sources plutôt que sur sa mémoire, ce qui nous amène au terme suivant.
Vous vous demandez ce que ça donnerait chez vous ? Le diagnostic gratuit chiffre votre situation en 6 minutes.
RAG : brancher le modèle sur vos propres documents
RAG veut dire « retrieval augmented generation ». Traduction : au lieu de laisser le modèle répondre de mémoire, on va d’abord chercher les passages pertinents dans vos documents, puis on les lui donne avec la question. Il répond à partir de ces extraits.
C’est le procédé qui transforme un assistant généraliste en assistant qui connaît votre maison. Il réduit fortement les inventions, puisque la réponse s’appuie sur un texte fourni, et il permet de citer la source, donc de vérifier.
Chez vous : un collaborateur demande « quelle est notre procédure quand un client conteste une facture », et le système répond en citant votre procédure interne, pas une pratique moyenne du secteur.
Agent IA : un moteur, des outils, une mission
Un agent, c’est un modèle auquel on a donné trois choses : une mission énoncée une fois pour toutes, des outils pour agir (lire une boîte email, écrire dans un tableur, envoyer un message, appeler un logiciel), et l’autorisation d’enchaîner plusieurs étapes tout seul.
La différence avec une conversation est celle qui sépare répondre et faire. Vous ne demandez plus « rédige-moi une relance » : vous décidez une fois que les impayés à plus de trente jours sont relancés, et ça se produit sans vous. C’est cette bascule, de la réponse à l’action, qui sépare aujourd’hui les entreprises équipées des autres.
Automatisation ou agent : règles figées contre jugement
Une automatisation classique applique des règles écrites d’avance : quand ceci arrive, fais cela. C’est fiable, prévisible, et parfaitement incapable de gérer un cas non prévu. Un agent tranche des situations qui n’ont pas été anticipées, au prix d’une régularité moindre.
Le bon système mélange les deux, et le partage se décide tâche par tâche : ce qui se compte et se vérifie reste dans les règles, ce qui demande de comprendre une phrase passe par le modèle.
Chez vous : la règle décide quand relancer (trente jours, montant supérieur à tant). Le modèle décide comment écrire à ce client-là, selon l’historique de la relation.
API : la prise électrique entre deux logiciels
Une API est la porte par laquelle deux logiciels se parlent sans humain au milieu. C’est ce qui permet à votre outil de facturation, à votre boîte email et à votre modèle d’échanger des informations automatiquement.
Pourquoi ça vous concerne alors que c’est un mot d’informaticien : parce que la question « est-ce que cet outil a une API » décide de ce qui est automatisable chez vous. Un logiciel fermé oblige à recopier à la main, quelle que soit l’intelligence branchée à côté. C’est souvent la vraie limite d’un projet, bien avant le choix du modèle.
