Nous avons employé quelques termes un peu techniques dans la section précédente et nous allons en employer encore un peu dans le chapitre à venir (après promis on arrête les mots techniques).

Aussi il me semble important de vous proposer un petit lexique de l’IA qui vous permettra de bien comprendre ce qu’il se cache derrière ces noms qui peuvent parfois faire peur.

Surtout n’hésitez pas à revenir ici de temps en temps si tu vous avez oublié un terme !

Les 12 termes techniques à retenir

1. Machine Learning (Apprentissage Automatique)

• Définition: Un sous-domaine de l’IA où les ordinateurs apprennent à partir de données pour faire des prédictions ou prendre des décisions sans être explicitement programmés pour chaque tâche.
• Exemple: Un modèle de machine learning peut apprendre à identifier des images de chats après avoir été entraîné sur des milliers d’images étiquetées de chats et d’autres animaux.

2. Réseau de Neurones

• Définition: Un modèle d’IA inspiré du cerveau humain, composé de neurones artificiels organisés en couches. Les réseaux de neurones sont utilisés pour reconnaître des motifs complexes et faire des prédictions.
• Exemple: Un réseau de neurones peut être utilisé pour reconnaître des visages sur des photos en apprenant à partir de nombreuses images de visages.

3. Deep Learning (Apprentissage Profond)

• Définition: Une sous-catégorie du machine learning utilisant des réseaux de neurones profonds, c’est-à-dire avec de nombreuses couches de neurones, pour analyser des données complexes comme des images, des sons ou des textes.
• Exemple: Les voitures autonomes utilisent le deep learning pour analyser les images des caméras et comprendre l’environnement autour d’elles.

4. Apprentissage (Learning)

• Définition: Le processus par lequel une IA améliore ses performances en analysant des données et en ajustant ses modèles pour mieux accomplir une tâche donnée.
• Exemple: Une IA qui joue aux échecs apprend de chaque partie qu’elle joue, en ajustant sa stratégie pour devenir plus efficace.

5. Heuristique

• Définition: Une méthode de résolution de problèmes basée sur des règles pratiques et des raccourcis pour trouver des solutions approximatives rapidement, plutôt que des solutions exactes.
• Exemple: En jouant aux échecs, une heuristique pourrait être de toujours protéger son roi, même si ce n’est pas toujours le meilleur coup possible.

6. Traitement du Langage Naturel (NLP)

• Définition: Un domaine de l’IA qui se concentre sur l’interaction entre les ordinateurs et les humains en utilisant le langage naturel.
• Exemple: Les assistants vocaux comme Siri et Alexa utilisent le NLP pour comprendre et répondre aux commandes vocales des utilisateurs.

7. Vision par Ordinateur

• Définition: Un domaine de l’IA qui permet aux ordinateurs de comprendre et d’interpréter les informations visuelles du monde, comme les images et les vidéos.
• Exemple: Les systèmes de surveillance de sécurité utilisent la vision par ordinateur pour détecter des mouvements suspects dans des vidéos en temps réel.

8. Apprentissage par Renforcement

• Définition: Un type de machine learning où un agent apprend à prendre des décisions en recevant des récompenses ou des punitions pour ses actions.
• Exemple: AlphaGo, une IA qui joue au jeu de Go, utilise l’apprentissage par renforcement pour améliorer sa stratégie en jouant des millions de parties contre elle-même et en ajustant ses actions pour maximiser les récompenses.

9. Données Structurées

• Définition: Données organisées dans un format fixe et facilement analysable, comme des tables dans une base de données.
• Exemple: Les feuilles de calcul Excel avec des colonnes et des lignes bien définies sont des données structurées.

10. Données Non Structurées

• Définition: Données qui n’ont pas de format fixe, comme des textes, des images ou des vidéos, et qui nécessitent des techniques avancées pour être analysées.
• Exemple: Les messages sur les réseaux sociaux ou les vidéos YouTube sont des données non structurées.

11. Algorithme

• Définition: Une série d’instructions ou d’étapes que les ordinateurs suivent pour accomplir une tâche ou résoudre un problème.
• Exemple: Un algorithme de tri peut organiser une liste de nombres du plus petit au plus grand.

12. Big Data

• Définition: Des ensembles de données extrêmement vastes et complexes qui nécessitent des technologies avancées pour être stockées, analysées et interprétées.
• Exemple: Les données générées par les réseaux sociaux, les transactions en ligne et les capteurs IoT représentent des exemples de big data.