LE PETIT GLOSSAIRE DE L'IA POUR LES DÉBUTANTS

LE PETIT GLOSSAIRE DE L'IA POUR LES DÉBUTANTS

Vous vous sentez perdus lorsque vous entendez parler de l’intelligence artificielle aujourd’hui ? C’est normal ! Comme tout secteur d’activité, l’intelligence artificielle possède ses propres codes et son propre vocabulaire.

On a décidé de vous faciliter la tâche ! Afin que ce soit moins complexe pour vous, nous avons recensé tous les mots importants à connaître, dans notre petit glossaire de l’IA pour les débutants, volume 1. Alors, prenez une bonne tasse de café et découvrez sans plus attendre tout ce qui constitue le domaine de l’intelligence artificielle.


INTELLIGENCE ARTIFICIELLE

L’intelligence artificielle est une technologie qui permet aux machines d’apprendre à partir de données et de prendre des décisions ou des actions en conséquence. L’objectif est d’imiter (verbe très important !) les capacités humaines, telles que la reconnaissance d’objets, la compréhension du langage naturel, la prise de décisions et même la créativité.


ALGORITHME

Un algorithme est une série d’étapes logiques, qui permettent de résoudre un problème, d’accomplir une tâche donnée ou d’obtenir un résultat ; le tout à partir d’éléments fournis en entrée.

Pour mieux comprendre : c’est comme une recette de cuisine ! Vous devez suivre une série d’instructions pour préparer un plat, à partir d’ingrédients qui vous sont communiqués.


APPRENTISSAGE AUTOMATIQUE

L’apprentissage automatique, aussi appelé Machine Learning en anglais, est une branche de l’intelligence artificielle, qui vise à donner aux machines la capacité d’apprendre à partir de données, sans être explicitement programmé pour chaque tâche spécifique.

En d’autres termes, l’algorithme est capable de s’adapter à de nouvelles données et d’améliorer sa performance avec l’expérience, et tout cela est possible grâce à un entraînement.

Pour mieux comprendre : imaginez que vous ayez un grand nombre de recettes de cuisine sous forme de textes. Vous voulez trouver une façon plus rapide et plus facile de les trier et de les classer en fonction des ingrédients principaux. Pour ça, une seule solution… L’apprentissage automatique !


APPRENTISSAGE PROFOND

L’apprentissage profond, aussi appelé Deep Learning en anglais, est une branche de l’intelligence artificielle qui utilise des réseaux de neurones artificiels pour apprendre à partir de données.

Les réseaux de neurones sont des algorithmes inspirés du fonctionnement du cerveau humain et qui sont capables d’apprendre à reconnaître des motifs dans des données, puis d’utiliser ces motifs pour effectuer des prédictions sur de nouvelles données. Ces algorithmes possédant de très nombreux paramètres, ils demandent un nombre très important de données afin d’être entraînés.


CLASSIFICATION

La classification est une méthode de catégorisation qui consiste à diviser des données en groupes distincts, en fonction de leurs caractéristiques communes. En d’autres termes, il s’agit d’identifier les caractéristiques communes entre les différents éléments d’un ensemble de données et de les utiliser pour les trier en groupes.

Pour mieux comprendre : en cuisine, vous pourriez classer vos recettes en fonction des ingrédients qu’elles contiennent, comme les recettes à base de viandes ou les recettes végétariennes.


DONNÉE BRUTE

Dans le domaine de l’intelligence artificielle, une donnée brute est une information non traitée ou non structurée, qui doit être analysée pour en extraire des connaissances utiles.

Pour mieux comprendre : en cuisine, vos données brutes, ce sont vos ingrédients avant que vous les mélangiez pour préparer votre recette.


ENTRAÎNEMENT

L’entraînement est le processus de l’apprentissage automatique pendant lequel le système d’intelligence artificielle construit un modèle à partir de données. C’est le processus au cours duquel l’algorithme s’ajuste progressivement à mesure qu’il est exposé à plus d’exemples.

Pour mieux comprendre : en cuisine, avant de réussir votre omelette parfaite, vous allez vous y reprendre à plusieurs reprises, en analysant à chaque fois les étapes réussies et celles loupées.


EXPLICABILITÉ

Dans le domaine de l’intelligence artificielle, l’explicabilité fait référence à la capacité de comprendre comment une décision a été prise par un système d’IA. En d’autres termes, c’est la capacité à comprendre les raisons qui ont conduit à une décision donnée prise par une machine.


MODÈLE

Un modèle d’intelligence artificielle est un algorithme informatique qui est conçu pour effectuer une tâche spécifique en apprenant à partir de données. Plus précisément, un modèle d’IA est formé à l’aide de données d’entraînement, qui sont des exemples de la tâche que le modèle doit effectuer. En utilisant ces exemples, le modèle ajuste ses paramètres pour produire des résultats précis pour la tâche donnée.

Pour mieux comprendre : si on cherchait à prédire un temps de cuisson pour un plat au four, le modèle devrait être entraîné à l’aide de données comme : les temps de cuisson pour différents types de plats, selon leur taille initiale et la température du four. Une fois le modèle entraîné sur ces informations-là, il pourrait donc prédire simplement le temps de cuisson optimal pour de nouveaux plats !


COMPUTER VISION

La vision par ordinateur, appelée en anglais Computer Vision, est une branche de l’intelligence artificielle qui permet aux ordinateurs de “voir” et d’interpréter les images et les vidéos comme le ferait un être humain. Cela implique de nombreuses techniques, notamment la reconnaissance d’objets, la détection de mouvements, la segmentation d’images et bien plus encore.

Pour mieux comprendre : en cuisine, un robot culinaire pourrait utiliser la Computer Vision pour reconnaître des ingrédients dans une cuisine, en prenant des photos et des vidéos pour ensuite les classer en fonction de leur taille, de leur couleur, de leur forme…