LexiqueFrontières
Les pages frontières
Souvent confondus
Un lexique ordinaire définit des termes. Lexigraph démonte des confusions : chaque page répond en deux phrases, compare point par point, propose des situations concrètes et donne le test qui tranche. Une frontière naît d’une confusion réellement observée, jamais d’une envie de volume.
Publiées
19 frontières- 01Étage 3 · L’Agentle bloc pris dans une boucle : il recommence jusqu’au résultatAgentouÉtage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteAssistantUn assistant attend votre message, répond, puis s’arrête : vous restez le moteur de l’échange. Un agent reçoit un objectif et enchaîne lui-même les étapes jusqu’à l’atteindre, en décidant à chaque tour de ce qu’il fait ensuite.
- 02Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireFine-tuningouÉtage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteRAGLe fine-tuning modifie le modèle lui-même, en poursuivant son entraînement sur vos exemples : il change sa manière de répondre. Le RAG ne touche pas au modèle : il va chercher les bons documents et les place dans le contexte au moment de la question.
- 03Étage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteContexteouÉtage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteMémoireLe contexte est ce que le modèle a sous les yeux pendant qu’il répond, et il disparaît ensuite. La mémoire est ce qu’on a décidé de conserver entre deux échanges, puis de replacer dans le contexte quand c’est utile.
- 04Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireLLMouÉtage 3 · L’Agentle bloc pris dans une boucle : il recommence jusqu’au résultatAgentUn modèle de langage est une pièce : on l’appelle, il produit du texte, et il s’arrête là. Un agent est le système qui appelle cette pièce en boucle, exécute ce qu’elle propose et la relance avec le résultat, jusqu’à ce que l’objectif soit atteint.
- 05Étage 3 · L’Agentle bloc pris dans une boucle : il recommence jusqu’au résultatWorkflowouÉtage 3 · L’Agentle bloc pris dans une boucle : il recommence jusqu’au résultatAgentDans un workflow, la séquence des étapes est écrite à l’avance par une personne : un modèle peut occuper une case, il ne choisit pas la case suivante. Dans un agent, le plan n’existe pas avant l’exécution, car c’est le modèle qui observe l’état du travail et décide, tour après tour, de ce qu’il fait ensuite.
- 06Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireIAouÉtage 1 · Le Modèleun bloc plein, seul : la machine à prédireIA générativeL’intelligence artificielle est le nom d’un domaine entier, qui contient des systèmes qui classent, prédisent ou trient sans rien produire. L’IA générative en est une branche récente, celle qui fabrique du contenu nouveau, texte, image ou son.
- 07Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireModèleouÉtage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteProduitLe modèle est la pièce figée qui prédit, et personne ne s’en sert directement. Le produit est ce qu’on utilise réellement : le même modèle, plus des instructions, une mémoire, des documents, des outils et une interface, tous choisis par quelqu’un.
- 08Étage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteChatbotouÉtage 3 · L’Agentle bloc pris dans une boucle : il recommence jusqu’au résultatAgentUn chatbot est une interface : une fenêtre de conversation, qui peut être branchée sur n’importe quoi, y compris sur des règles écrites à la main. Un agent est une architecture : un système qui poursuit un objectif en boucle, et qui n’a pas besoin d’une fenêtre de conversation pour exister.
- 09Étage 4 · L’Organisationune mosaïque : l’IA n’y est qu’une case parmi d’autresCopiloteouÉtage 3 · L’Agentle bloc pris dans une boucle : il recommence jusqu’au résultatAgentUn copilote assiste une personne pendant qu’elle travaille : elle garde la main, chaque proposition passe par elle. Un agent poursuit un objectif à sa place : elle définit le but et retrouve un résultat, sans valider chaque étape.
- 10Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireOpen sourceouÉtage 1 · Le Modèleun bloc plein, seul : la machine à prédireOpen weightL’open source est un régime de licence : il accorde le droit d’utiliser, d’étudier, de modifier et de redistribuer, sans discrimination d’usage. L’open weight décrit seulement un fait : les paramètres sont téléchargeables, sous des conditions qui restent à lire.
- 11Étage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteRAGouÉtage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteRecherche webLe RAG interroge un corpus que vous avez choisi, découpé et indexé, et dont vous répondez. La recherche web interroge un index public, où vous ne maîtrisez ni ce qui existe, ni ce qui remonte, ni ce qui a changé depuis hier.
- 12Étage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajoutePromptouÉtage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajoutePrompt systèmeLe prompt est ce que vous écrivez à chaque échange, et il change à chaque fois. Le prompt système est l’instruction permanente placée avant tout par celui qui a construit le service, et que vous ne voyez jamais.
- 13Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireTokenouMotLe token est l’unité que le modèle manipule et que vous payez : un fragment de texte fréquent, qui ne suit pas la grammaire. Le mot est une unité de sens, qui n’a aucune existence pour le modèle.
- 14Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireParamètresouÉtage 1 · Le Modèleun bloc plein, seul : la machine à prédireDonnées d’entraînementLes paramètres sont ce qui reste du modèle après l’entraînement : des coefficients numériques. Les données d’entraînement sont ce qui a servi à les régler, puis a disparu du modèle.
- 15Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireHallucinationouErreurUne erreur est une panne : quelque chose n’a pas fonctionné comme prévu, et cela se corrige. Une hallucination est le fonctionnement normal du modèle : il produit une continuation plausible, et rien dans sa mécanique ne distingue le vrai du vraisemblable.
- 16Étage 4 · L’Organisationune mosaïque : l’IA n’y est qu’une case parmi d’autresAutomatisationouÉtage 4 · L’Organisationune mosaïque : l’IA n’y est qu’une case parmi d’autresAugmentationL’automatisation retire la tâche à la personne : le système la fait, du début à la fin. L’augmentation outille la personne : elle continue de décider, mais plus vite et sur une matière déjà préparée.
- 17Étage 4 · L’Organisationune mosaïque : l’IA n’y est qu’une case parmi d’autresCloudouÉtage 4 · L’Organisationune mosaïque : l’IA n’y est qu’une case parmi d’autresOn-premiseLe cloud fait tourner le système sur les machines d’un tiers, facturées à l’usage. L’on-premise le fait tourner sur des machines que vous possédez et exploitez. Le choix se joue sur la circulation des données et l’accès aux modèles, rarement sur le prix.
- 18Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireMachine learningouÉtage 1 · Le Modèleun bloc plein, seul : la machine à prédireDeep learningLe machine learning est l’ensemble des méthodes qui dérivent leur comportement d’exemples plutôt que de règles écrites. Le deep learning en est une famille, celle qui empile de nombreuses couches de calcul, et l’IA générative en est un sous-ensemble encore plus étroit.
- 19Étage 1 · Le Modèleun bloc plein, seul : la machine à prédireFenêtre de contexteouÉtage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajouteContexteLa fenêtre de contexte est une capacité du modèle : la quantité maximale de texte qu’il peut avoir sous les yeux, mesurée en tokens. Le contexte est ce que le harnais y a effectivement placé pour cette requête, et c’est un choix.