Un LLM n'est pas un agent IA. Un prompt n'est pas un algorithme. Le RAG n'a rien à voir avec le fine-tuning. Ces confusions de vocabulaire freinent l'adoption de l'IA presque autant que le manque d'outils : quand les termes se mélangent, les décisions se prennent mal. Ce glossaire réunit les définitions essentielles, classées par catégorie, chacune en une à deux phrases.

Comment utiliser ce glossaire

  • 4 catégories : fondamentaux, technique & interaction, agents & automatisation, métiers & gouvernance
  • Chaque terme en une définition courte et autonome, sans jargon superflu
  • Une section dédiée aux termes qu'on confond le plus souvent
54 %
des Français utilisent ChatGPT, avec une notoriété de marque de 94 %
(OpinionWay pour SEO.fr, février 2026)
12 %
seulement des salariés français ont reçu une formation IA de leur entreprise
(CRÉDOC, 2026)
40+
termes clés identifiés comme essentiels pour comprendre l'IA en entreprise
(Bpifrance, lexique IA, 2026)

L'écart entre ces deux premiers chiffres résume le problème : une adoption massive (54 % d'utilisateurs ChatGPT) mais une formation quasi inexistante (12 % seulement formés par leur entreprise). Résultat, la majorité des professionnels utilisent l'IA sans jamais avoir appris le vocabulaire qui permettrait d'en discuter avec précision — ni de repérer un abus marketing quand un outil se prétend "doté d'agents IA" alors qu'il s'agit d'un simple chatbot.

Fondamentaux

Intelligence artificielle (IA)

Ensemble de techniques informatiques permettant à une machine de réaliser des tâches qui nécessitent normalement une forme d'intelligence humaine : comprendre un texte, reconnaître une image, prendre une décision.

IA générative

Sous-catégorie de l'IA capable de créer du contenu nouveau — texte, image, code, audio — à partir d'une instruction, plutôt que de simplement analyser ou classer des données existantes. ChatGPT et Claude en sont des exemples.

LLM (Large Language Model / grand modèle de langage)

Modèle d'IA entraîné sur d'immenses volumes de texte, capable de comprendre et générer du langage naturel. C'est le moteur technique derrière ChatGPT, Claude, Gemini ou Mistral.

Algorithme

Suite d'instructions précises qu'un ordinateur suit pour résoudre un problème ou accomplir une tâche. Tous les systèmes IA reposent sur des algorithmes, mais tous les algorithmes ne sont pas de l'IA.

Machine learning (apprentissage automatique)

Méthode d'IA où le système apprend à partir de données plutôt que d'être programmé avec des règles fixes — il améliore ses performances au fur et à mesure qu'il traite davantage d'exemples.

Deep learning (apprentissage profond)

Sous-catégorie du machine learning utilisant des réseaux de neurones à plusieurs couches, à l'origine des avancées récentes en reconnaissance d'image, de la parole et en génération de texte.

Token

Unité de base qu'un LLM manipule pour lire ou générer du texte — approximativement un mot ou une partie de mot. C'est ce qui détermine la longueur maximale d'un échange (la "fenêtre de contexte") et le coût d'usage via une API.

Hallucination

Réponse générée par une IA qui semble crédible et bien formulée mais qui est factuellement fausse ou inventée. C'est la raison pour laquelle toute sortie IA utilisée professionnellement doit être vérifiée.

Technique & interaction

Prompt (instruction générative)

Texte que l'on soumet à une IA générative pour obtenir une réponse. La Commission d'enrichissement de la langue française recommande officiellement "instruction générative" comme équivalent français, même si "prompt" reste largement utilisé en pratique.

Prompt engineering

Pratique consistant à formuler ses instructions à une IA de façon structurée et méthodique pour obtenir des résultats fiables et reproductibles, plutôt que d'improviser à chaque demande.

Fenêtre de contexte

Quantité maximale de texte (mesurée en tokens) qu'un LLM peut prendre en compte simultanément dans une conversation, incluant l'historique des échanges précédents et les documents fournis.

Fine-tuning (affinage)

Processus consistant à ré-entraîner un modèle IA existant sur un jeu de données spécifique pour le spécialiser dans un domaine ou un style précis — coûteux et réservé à des usages avancés.

RAG (Retrieval-Augmented Generation)

Technique qui permet à une IA d'aller chercher des informations dans une base de documents spécifique avant de générer sa réponse, pour la rendre plus précise et actualisée qu'avec ses seules connaissances d'entraînement.

Multimodal

Capacité d'une IA à traiter et combiner plusieurs types de contenus — texte, image, audio, vidéo — dans une même conversation, plutôt que de se limiter au texte seul.

Température

Paramètre technique qui contrôle le degré de créativité ou de prévisibilité des réponses d'un modèle IA — une température basse produit des réponses plus factuelles, une température élevée des réponses plus créatives.

Agents & automatisation

Agent IA

Système IA capable d'exécuter une suite d'actions de façon autonome pour atteindre un objectif — pas seulement répondre à une question, mais aussi consulter des outils, prendre des décisions intermédiaires et agir.

Workflow (flux de travail automatisé)

Enchaînement d'étapes automatisées, souvent construit avec des outils no-code comme Make ou n8n, qui connecte une IA à d'autres applications (email, CRM, tableur) sans intervention manuelle.

No-code

Approche permettant de construire des automatisations ou des applications sans écrire de code, via des interfaces visuelles — c'est le principe des outils comme Make et n8n utilisés pour connecter l'IA aux outils métier.

Orchestration

Coordination de plusieurs modèles IA ou outils entre eux au sein d'un même processus, pour que chacun traite la partie de la tâche pour laquelle il est le plus adapté.

Métiers & gouvernance

Référent IA

Collaborateur formé en profondeur sur l'IA, chargé de la veille, du support de premier niveau et de la diffusion des bonnes pratiques auprès de ses collègues au sein de son équipe ou de son entreprise.

Shadow IA

Usage d'outils IA par les salariés en dehors de tout cadre validé par l'entreprise — sans autorisation ni contrôle, souvent avec des risques de fuite de données confidentielles.

Charte IA

Document interne qui formalise les règles d'usage de l'IA dans une entreprise : quels outils sont autorisés, quelles données ne jamais transmettre, et quelles vérifications sont obligatoires avant usage professionnel.

AI Act

Règlement européen encadrant l'usage de l'IA selon son niveau de risque, applicable en France depuis 2025, avec des obligations de maîtrise de l'IA pour le personnel contrôlées à partir d'août 2026.

Biais algorithmique

Distorsion systématique dans les résultats d'une IA, généralement héritée des données utilisées pour son entraînement, pouvant conduire à des décisions injustes ou discriminantes si elle n'est pas corrigée.

Prompt injection

Technique malveillante consistant à manipuler une IA via des instructions cachées dans un document ou un message pour lui faire ignorer ses consignes initiales — un risque de sécurité à connaître avant de déployer un agent IA connecté à des données sensibles.

Commerçante utilisant l'IA générative via une conversation sur son téléphone dans sa boutique
L'IA générative n'est pas réservée aux métiers techniques — le vocabulaire ne devrait pas l'être non plus. Illustration : Nerolia Formation

Les confusions les plus fréquentes

LLM vs Agent IA

Un LLM répond à une question. Un agent IA agit : il peut consulter un outil, exécuter une tâche, puis décider de l'étape suivante sans intervention humaine à chaque fois.

IA générative vs Automatisation

L'IA générative crée du contenu. L'automatisation (Make, n8n) connecte des outils entre eux. Les deux se combinent souvent, mais ne désignent pas la même chose.

Fine-tuning vs Prompt engineering

Le fine-tuning modifie le modèle lui-même, de façon coûteuse et technique. Le prompt engineering optimise la façon de lui parler, sans le modifier — accessible à tous.

Hallucination vs Erreur

Une hallucination est une invention formulée avec la même assurance qu'une réponse correcte — c'est ce qui la rend dangereuse, contrairement à une erreur évidente.

"La confusion de vocabulaire n'est pas un détail — elle a un coût réel. J'ai vu des dirigeants refuser un budget IA parce qu'ils confondaient 'agent autonome' avec 'intelligence artificielle générale', deux choses qui n'ont rien à voir. Un vocabulaire clair permet de prendre de meilleures décisions, plus vite, et d'éviter de se faire vendre du vent par certains prestataires qui surfent sur le flou des mots." — Bilal Ramadan, fondateur de Nerolia Formation, formateur IA certifié Qualiopi (2026)

Aller au-delà du vocabulaire

Nerolia Formation transforme ce vocabulaire en compétences concrètes et opérationnelles, avec une formation certifiée Qualiopi finançable à 100 % via le CPF ou l'OPCO. Voir nos formations →

En résumé

Un LLM génère du texte, un agent IA agit de façon autonome, le RAG interroge une base documentaire, le fine-tuning modifie un modèle tandis que le prompt engineering optimise la façon de lui parler. Confondre ces termes conduit à de mauvaises décisions IA en entreprise — ce glossaire sert de référence à consulter chaque fois qu'un doute apparaît.

Questions fréquentes

Quelle est la différence entre l'IA et l'IA générative ?

L'IA est un domaine large regroupant toutes les techniques permettant à une machine de réaliser des tâches intelligentes. L'IA générative est une sous-catégorie spécifique capable de créer du contenu nouveau (texte, image, code) plutôt que de seulement analyser des données existantes.

Doit-on dire "prompt" ou "instruction générative" ?

La Commission d'enrichissement de la langue française recommande officiellement "instruction générative", mais "prompt" reste le terme le plus utilisé en pratique dans les entreprises françaises. Les deux sont compris et acceptés.

Qu'est-ce qui différencie un chatbot d'un agent IA ?

Un chatbot répond à des questions dans une conversation. Un agent IA va plus loin : il peut consulter des outils externes, exécuter des actions concrètes (envoyer un email, mettre à jour un tableur) et enchaîner plusieurs étapes de façon autonome.

Pourquoi le vocabulaire IA change-t-il aussi vite ?

Le secteur évolue très rapidement, avec de nouvelles techniques (agents, RAG, multimodal) qui deviennent courantes en quelques mois. Ce glossaire est mis à jour régulièrement pour refléter le vocabulaire réellement utilisé en entreprise en 2026.

Faut-il maîtriser tout ce vocabulaire pour utiliser l'IA au travail ?

Non. Les termes fondamentaux (prompt, LLM, hallucination) suffisent pour un usage quotidien. Les termes techniques (fine-tuning, RAG, orchestration) deviennent utiles surtout pour les référents IA ou les décideurs qui évaluent des projets plus avancés.

Articles liés