Le lexique
Les 88 fiches publiées, rangées par étage : chacune donne une réponse en une phrase, puis ce que le terme n’est pas. Chaque étage s’ouvre sur les termes par lesquels on y entre ; les autres se déplient.
88 fiches publiées
- fenêtre de contexteNº 007La fenêtre de contexte est la quantité de texte qu’un modèle peut avoir sous les yeux à la fois : vos messages et les documents fournis. Comme un plan de travail, passé une certaine taille il faut retirer quelque chose pour poser autre chose.
- fine-tuningNº 014Le fine-tuning consiste à poursuivre l’entraînement d’un modèle existant sur vos propres exemples, pour changer sa façon de répondre : comme un professionnel expérimenté que vous formez quelques semaines à vos usages maison, jusqu’à ce qu’ils deviennent des réflexes.
- hallucinationNº 011Une hallucination, c’est une réponse fausse énoncée avec le même aplomb qu’une réponse juste : une date inventée, une citation qui n’existe pas. Comme quelqu’un qui, plutôt que d’avouer un trou de mémoire, comble par ce qui sonne juste.
- IA générativeNº 017L’IA générative désigne les systèmes qui produisent un contenu nouveau, texte, image, son ou code, plutôt que de classer ou de mesurer ce qui existe déjà. Comme un dessinateur qui compose une scène inédite là où un tampon reproduit toujours la même empreinte.
- intelligence artificielleNº 045L’intelligence artificielle est le nom d’un domaine entier, pas d’une technique : tout ce qui fait faire à une machine des tâches qu’on associait au jugement humain. Comme le mot « médecine », qui recouvre aussi bien un vaccin qu’une prothèse de hanche.
- modèleNº 004Un modèle est le résultat figé d’un long apprentissage sur des masses d’exemples : il en garde une façon de continuer ce qu’on lui donne. Comme un moteur sorti d’usine, il ne démarre pas tout seul et ne change plus après sa fabrication.
- modèle de langage (LLM)Nº 005Un modèle de langage est une machine à prédire la suite d’un texte : à partir de ce qui précède, il propose le fragment suivant, puis recommence. Comme quelqu’un qui aurait tout lu et complèterait vos phrases, sans vérifier ce qu’il avance.
- tokenNº 006Un token est le petit morceau de texte que le modèle manipule : ni une lettre, ni tout à fait un mot, plutôt un bout de mot courant. Ce que vous écrivez lui arrive découpé ainsi, comme un texte lu syllabe par syllabe.
Voir les 21 autres termes
- alignementNº 060L’alignement désigne le travail qui fait qu’un modèle se comporte comme on le souhaite : suivre une consigne, refuser certaines demandes, adopter un ton. Comme la formation qui suit l’embauche, et qui ne change pas ce qu’une personne sait mais ce qu’elle en fait.
- benchmarkNº 061Un benchmark est une épreuve standardisée qui note les modèles sur un jeu de questions communes, afin de les comparer entre eux. Comme un examen national : il classe les candidats, il ne dit pas lequel fera l’affaire dans votre équipe.
- biaisNº 062Un biais est un écart systématique et reproductible dans les sorties d’un modèle, hérité de ses données ou de son entraînement. Comme une balance mal étalonnée : elle ne se trompe pas au hasard, elle se trompe toujours dans le même sens.
- deep learning (apprentissage profond)Nº 047Le deep learning est la branche de l’apprentissage automatique qui empile de nombreuses couches de calcul, chacune décrivant les données un cran plus abstraitement que la précédente. Comme une chaîne de relecteurs où le premier voit des traits, le suivant des formes, le dernier un visage.
- déterminismeNº 089Un système est déterministe quand la même entrée donne toujours exactement la même sortie. Un modèle de langage ne l’est pas : comme un orchestre qui rejoue la même partition, la demande est identique et l’exécution ne l’est jamais tout à fait.
- distillationNº 063La distillation consiste à entraîner un petit modèle à imiter les réponses d’un grand, pour obtenir un objet bien plus léger qui garde l’essentiel du comportement. Comme un manuel d’atelier tiré de l’expérience d’un maître : plus court, suffisant pour la plupart des cas.
- données d’entraînementNº 050Les données d’entraînement sont les exemples à partir desquels un modèle a été formé : c’est de leur contenu que dépendent ce qu’il sait dire et ce qu’il ignore. Comme la bibliothèque où quelqu’un a tout appris, et dont les manques deviennent les siens.
- embedding (plongement)Nº 053Un embedding est la traduction d’un texte en une longue liste de nombres, arrangée de sorte que deux textes de sens voisin donnent des listes voisines. Comme des coordonnées sur une carte, où les villes proches parlent de choses proches.
- inférenceNº 051L’inférence est le moment où un modèle déjà entraîné produit une réponse : il lit ce qu’on lui donne et écrit la suite, sans rien apprendre au passage. Comme un musicien qui joue un morceau, par opposition aux années passées à travailler son instrument.
- machine learning (apprentissage automatique)Nº 046Le machine learning, ou apprentissage automatique, consiste à ne plus écrire les règles d’un programme mais à lui donner des exemples pour qu’il les dérive lui-même. Comme apprendre à reconnaître un champignon comestible en en voyant mille, plutôt qu’en lisant leur description.
- modèle de raisonnementNº 059Un modèle de raisonnement produit d’abord, pour lui-même, une longue suite d’étapes intermédiaires, puis rédige sa réponse à partir d’elles. Comme quelqu’un qui couvre un brouillon de calculs avant d’écrire la ligne de résultat.
- modèle frontièreNº 087Un modèle frontière est l’un des modèles les plus capables qui existent à un moment donné : la catégorie se définit par rapport à ce que la technique sait faire, jamais par une taille ni par un chiffre. Comme un record du monde : ce n’est pas une performance fixée une fois pour toutes, c’est celle que personne n’a encore dépassée.
- multimodalNº 058Un modèle multimodal traite plusieurs natures d’entrée dans le même calcul : du texte, des images, du son, sans les convertir d’abord dans un format unique. Comme une personne qui regarde un graphique en écoutant son commentaire, plutôt que d’en lire la description écrite.
- open sourceNº 056L’open source désigne un régime de licence qui accorde quatre libertés : utiliser, étudier, modifier et redistribuer, sans discrimination d’usage ni de personne. Comme une recette publiée avec sa liste d’ingrédients, que chacun peut refaire, changer et republier.
- open weight (poids ouverts)Nº 055Un modèle à poids ouverts est un modèle dont les paramètres sont téléchargeables : on peut l’exécuter chez soi, l’adapter, l’intégrer. Comme un moteur qu’on vous livre et que vous montez où vous voulez, sans les plans de l’usine qui l’a fabriqué.
- paramètre (poids)Nº 049Un paramètre est l’un des coefficients numériques ajustés pendant l’entraînement : leur ensemble constitue tout ce que le modèle a retenu. Comme un instrument qu’on accorde : les réglages restent, les morceaux joués pour l’accorder ne sont nulle part dedans.
- pré-entraînementNº 052Le pré-entraînement est la première phase, la plus longue et la plus coûteuse : le modèle lit d’immenses quantités de texte en apprenant seulement à en prédire la suite. Comme des années de lecture qui donnent une culture, avant qu’on apprenne à répondre poliment à une question.
- réseau de neuronesNº 048Un réseau de neurones est une longue suite de multiplications et d’additions, organisée en couches, dont les coefficients sont ajustés jusqu’à ce que les sorties collent aux exemples. Comme une table de mixage à des milliards de curseurs, réglés automatiquement à l’oreille.
- températureNº 054La température règle le degré de hasard au moment où le modèle choisit le fragment suivant : basse, il prend presque toujours le plus probable ; haute, il s’autorise des choix moins attendus. Comme un cuisinier qui suit la recette à la lettre ou s’écarte un peu à chaque geste.
- tokenisationNº 088La tokenisation est l’opération qui réécrit tout texte entrant en une suite de fragments pris dans un vocabulaire fixe, le seul que le modèle sache lire. Comme la casse d’un imprimeur : quel que soit le mot à composer, il faut le faire avec les caractères qui s’y trouvent, et un mot rare demande plus de pièces qu’un mot courant.
- transformeurNº 057Le transformeur est l’architecture de réseau qui équipe presque tous les modèles actuels : à chaque étape, chaque fragment de texte regarde tous les autres et retient ceux qui l’éclairent. Comme un lecteur qui, sur chaque mot, revient à ceux qui en fixent le sens.
Étage 2 · Le Harnaisle bloc et ses plaques rapportées : ce qu’on lui ajoute
Étage 2 · Le Harnais
22 fiches- assistantNº 002Un assistant est un produit qui attend votre message, vous répond, puis s’arrête. Comme un guichet : vous posez une question, on vous répond, et rien ne se passe tant que vous ne demandez rien. C’est vous qui menez l’échange, à chaque tour.
- chatbotNº 015Un chatbot est un programme avec lequel on échange par messages, comme au guichet : vous posez une question, il répond, et tout se passe dans le fil. C’est une manière de présenter un service, pas une technologie particulière.
- contexteNº 008Le contexte est l’ensemble du texte que le modèle a sous les yeux au moment où il répond : votre question, l’historique, les documents ajoutés. Comme le dossier posé devant quelqu’un avant un entretien : ce qui n’y figure pas n’existe pas pour lui.
- harnaisNº 003Le harnais est tout ce qu’on construit autour d’un modèle pour le rendre utile : instructions, documents, outils, garde-fous. Comme une voiture autour d’un moteur : sans carrosserie, sièges ni volant, la mécanique tourne, mais personne ne va nulle part.
- mémoireNº 009La mémoire est ce qu’un produit décide de conserver entre vos échanges, puis de redonner à lire au modèle quand c’est utile. Comme un carnet tenu par un collègue : lui ne se souvient de rien, mais il relit ses notes avant chaque rendez-vous.
- outilNº 012Un outil est une action que le modèle peut réclamer à un logiciel : chercher sur le web, lire un fichier, envoyer un message. Comme un client au restaurant : il commande, il ne va pas en cuisine, et on lui rapporte le plat.
- promptNº 010Le prompt est le texte que vous adressez au modèle : votre demande, avec ce qu’il faut savoir pour y répondre. Comme une consigne laissée à quelqu’un qui arrive sans connaître ni vous ni le dossier : plus elle est précise, moins il improvise.
- RAGNº 013Le RAG consiste à chercher les documents utiles à votre question, puis à les donner à lire au modèle avant qu’il réponde : comme un collègue qui, avant de vous répondre, va sortir le bon classeur et le relit devant vous.
Voir les 14 autres termes
- APINº 040Une API est une porte d’entrée prévue pour les logiciels : un programme demande, un autre répond, dans un format convenu. Comme un distributeur automatique : on n’explique rien à un vendeur, on introduit ce qu’il attend et on reçoit ce qu’il rend.
- appel d’outilsNº 038L’appel d’outils est le moment où le modèle réclame une action au lieu de rédiger : chercher un fichier, envoyer un message. Comme un client qui remplit un bon de commande : il inscrit ce qu’il veut, quelqu’un d’autre va le chercher et le lui rapporte.
- base vectorielleNº 042Une base vectorielle range des textes selon leur sens plutôt que selon leurs mots, pour retrouver ceux qui ressemblent à votre question. Comme un rayon de magasin où les articles voisins servent au même usage : on trouve sans connaître le nom exact.
- cache de promptNº 066Le cache de prompt conserve le travail déjà fait sur le début d’une entrée, de sorte qu’une requête qui commence par le même texte n’a pas à le refaire. Comme une machine déjà préchauffée : on ne recommence pas la montée en température à chaque fournée.
- découpage (chunking)Nº 065Le découpage consiste à trancher vos documents en fragments avant de les indexer, puisque c’est un fragment, et non un document entier, que la recherche remontera. Comme découper un manuel en fiches : la coupe décide de ce qu’on retrouvera, et de ce qui restera incompréhensible.
- few-shotNº 081Le few-shot consiste à placer dans la demande deux ou trois exemples de ce qu’on attend, entrée et sortie, au lieu de le décrire. Comme tendre à quelqu’un trois formulaires déjà remplis plutôt que de lui expliquer comment remplir le formulaire.
- garde-fousNº 041Les garde-fous sont les limites posées autour d’un système d’IA pour que ses erreurs restent sans gravité : ce qu’il ne peut pas déclencher seul, ce qu’une personne doit valider. Comme la rambarde d’un balcon : elle n’empêche pas de se pencher, elle empêche la chute.
- ingénierie de promptNº 067L’ingénierie de prompt est le travail consistant à formuler ce qu’on demande au modèle, avec ses exemples et son format de sortie, puis à vérifier que la formulation tient sur des cas réels. Comme rédiger une consigne pour un intérimaire compétent qui ne connaît ni la maison ni le dossier.
- injection de promptNº 096L’injection de prompt consiste à glisser dans un texte lu par le système une consigne qui prend le pas sur celle du concepteur, parce que le modèle reçoit les deux comme un seul texte et ne sait pas laquelle fait autorité. Comme une note anonyme glissée dans un dossier remis à un employé : il la lit avec le reste, et rien, sur le papier, ne dit qu’elle ne vient pas de sa direction.
- MCPNº 039MCP est une prise standard entre le logiciel qui pilote un modèle et les outils ou documents auxquels il doit accéder. Comme une prise électrique normalisée : chaque appareil se branche sans câble sur mesure, et en changer ne demande pas de refaire l’installation.
- modérationNº 044La modération est le tri des contenus qui entrent et sortent d’un système d’IA : ce qu’on refuse de traiter, ce qu’on refuse de laisser passer. Comme le contrôle à l’entrée d’une salle : on regarde ce qui franchit la porte, dans les deux sens.
- prompt systèmeNº 037Le prompt système, ce sont les consignes permanentes qu’un produit place devant chaque demande : le ton, le rôle, les interdits. Comme le règlement affiché à l’entrée d’une piscine : il vaut pour tout le monde, avant même que vous ayez dit un mot.
- recherche webNº 064La recherche web est l’outil qui permet à un modèle d’aller chercher des pages en ligne et de les lire avant de répondre, au lieu de s’en tenir à ce qu’il a appris. Comme un bibliothécaire qui sort consulter la presse du jour plutôt que de citer ses souvenirs.
- sortie structuréeNº 043Une sortie structurée est une réponse contrainte à respecter une forme précise, pour qu’un autre logiciel puisse la lire directement. Comme un formulaire plutôt qu’une lettre libre : les cases sont imposées, ce qui ne dit rien de la justesse de ce qu’on y écrit.
Étage 3 · L’Agentle bloc pris dans une boucle : il recommence jusqu’au résultat
Étage 3 · L’Agent
19 fiches- agentNº 001Un agent est un système qui fait travailler un modèle en boucle pour atteindre un objectif : il planifie, agit, constate le résultat et recommence, comme une personne qui suit une recette en goûtant et en ajustant à chaque étape.
- autonomieNº 021L’autonomie est la part des décisions qu’un système prend sans vous demander. Ce n’est pas un interrupteur mais un curseur, réglé geste par geste : comme prêter sa voiture, où l’on s’entend sur le trajet permis avant de tendre les clés.
- boucle agentiqueNº 020La boucle agentique est le cycle que répète un agent : il regarde où il en est, choisit une action, l’exécute, constate le résultat, puis recommence. Comme quelqu’un qui cherche une adresse : il avance, lève les yeux, corrige sa direction.
- évaluation (evals)Nº 024Une évaluation est une série de cas d’épreuve rejoués à chaque changement, pour voir si le système répond toujours correctement. Comme repasser le même parcours de conduite après chaque réglage : cela ne prouve pas qu’on conduit bien partout, seulement qu’on n’a rien cassé.
- human in the loopNº 027Human in the loop désigne les points où un système s’arrête pour demander l’accord d’une personne avant d’agir. Comme un virement bancaire qui attend votre confirmation : la machine a tout préparé, elle ne franchit pas la dernière étape seule.
- traceNº 025Une trace est l’enregistrement de ce qu’un système a fait, tour par tour : ce qu’il a lu, ce qu’il a décidé, ce qu’il a exécuté. Comme la boîte noire d’un avion : personne ne la consulte tant que tout va bien.
- workflowNº 016Un workflow est une suite d’étapes écrite à l’avance par une personne, puis exécutée automatiquement : comme une recette que l’on suit à la lettre, où l’ordre des gestes est fixé avant même d’entrer dans la cuisine.
Voir les 12 autres termes
- bac à sable (sandbox)Nº 070Un bac à sable est l’environnement fermé dans lequel un agent exécute ses actions : il y a accès à ce qu’on y a mis, et à rien d’autre. Comme un atelier dont on a retiré ce qui ne doit pas être touché, plutôt qu’une consigne demandant de ne pas y toucher.
- condition d’arrêtNº 072La condition d’arrêt est ce qui met fin à la boucle d’un agent : soit l’objectif est atteint et vérifié, soit une limite est franchie. Comme une minuterie de four doublée d’un thermomètre : l’un dit que c’est cuit, l’autre que ça a assez duré.
- fiabilité composéeNº 069La fiabilité composée est le fait qu’un système à plusieurs étapes ne réussit que si toutes réussissent : les taux se multiplient au lieu de s’additionner. Comme une chaîne dont chaque maillon tient à quatre-vingt-quinze pour cent, et qui casse presque une fois sur deux à dix maillons.
- juge automatiqueNº 105Un juge automatique est un modèle chargé de noter les réponses d’un autre système, selon des critères écrits, là où aucune comparaison mécanique ne peut le faire. Comme un correcteur à qui vous tendez une copie de dissertation avec la grille de notation : il va vite et il ne se lasse jamais, mais sa note ne vaut que ce que vaut la grille.
- objectifNº 068L’objectif est le résultat qu’un agent doit atteindre, énoncé une fois et tenu pendant toute la boucle, quelles que soient les étapes qu’il faudra pour y arriver. Comme une commande passée à un artisan : on dit ce qu’on veut obtenir, pas la suite des gestes.
- observabilitéNº 026L’observabilité est la capacité de comprendre ce que fait un système à partir de ce qu’il enregistre, sans avoir à le rouvrir. Comme le tableau de bord d’une voiture : les aiguilles ne réparent rien, elles vous disent où regarder.
- orchestrationNº 028L’orchestration est l’organisation du travail entre plusieurs pièces qui n’agissent pas en même temps : qui appelle qui, dans quel ordre, et que faire quand l’une échoue. Comme un chef de service qui répartit les dossiers et récupère ceux qui coincent.
- planificationNº 022La planification est le moment où un système découpe un objectif en étapes avant d’agir. Comme faire une liste de courses avant d’entrer dans le magasin : la liste ne garantit rien, mais elle évite d’errer dans les rayons.
- reprise sur échecNº 073La reprise sur échec est ce qu’un agent fait quand une action rate : constater, comprendre pourquoi, et changer de manière plutôt que répéter. Comme un serrurier qui, la clé ne tournant pas, essaie une autre prise avant de forcer trente fois la même.
- skillsNº 103Les skills sont des ensembles de consignes et de ressources rangés à part, que le système ne charge dans son contexte que lorsque la tâche s’y prête. Comme les classeurs d’une étagère de bureau : leurs dos restent visibles en permanence, mais on n’en ouvre un que le jour où l’on en a besoin.
- sous-agentNº 023Un sous-agent est un agent lancé par un autre agent pour traiter une partie du travail, puis rendre son résultat. Comme déléguer une course à quelqu’un : vous donnez la consigne, il part, il revient avec le sac, pas avec le trajet.
- système multi-agentsNº 071Un système multi-agents fait travailler ensemble plusieurs agents dotés chacun d’un rôle, d’outils propres et d’un contexte séparé. Comme une équipe où chacun tient son poste, avec les frais de coordination que toute équipe implique.
Étage 4 · L’Organisationune mosaïque : l’IA n’y est qu’une case parmi d’autres
Étage 4 · L’Organisation
18 fiches- AI ActNº 029L’AI Act est le règlement européen qui encadre l’intelligence artificielle selon le risque de chaque usage : comme les règles de sécurité d’un bâtiment, plus strictes pour un ascenseur que pour une sonnette. Ce qu’il regarde, c’est l’usage, pas la technologie.
- augmentationNº 018L’augmentation consiste à outiller la personne qui fait le travail plutôt qu’à lui retirer la tâche : comme une perceuse électrique, qui ne monte pas le meuble à votre place mais vous permet d’en monter davantage, mieux, et sans vous épuiser.
- automatisationNº 034L’automatisation consiste à retirer une tâche des mains humaines : la machine l’exécute d’un bout à l’autre, comme un lave-vaisselle que l’on remplit et que l’on vide, mais qui lave sans vous. La personne décide avant et vérifie après, plus pendant.
- copiloteNº 035Un copilote est un assistant intégré à l’outil de travail, qui propose pendant que la personne garde les commandes : comme le copilote d’un rallye, qui annonce le virage à voix haute mais ne tient jamais le volant.
- donnée personnelleNº 031Une donnée personnelle est toute information qui permet de remonter à une personne, directement ou en recoupant plusieurs éléments : ce n’est pas seulement le nom sur la boîte aux lettres, c’est aussi l’étage, l’horaire et la voiture, qui ensemble désignent quelqu’un tout aussi sûrement.
- gouvernance IANº 033La gouvernance IA, c’est l’ensemble des décisions qu’une organisation prend pour savoir qui peut utiliser quoi, sur quelles données, et qui répond du résultat : comme les délégations de signature, qui ne servent pas à se méfier mais à savoir qui engage la maison.
- RGPD et IANº 030Le RGPD est le règlement européen qui protège les données des personnes, y compris quand c’est une IA qui les traite : comme un carnet d’adresses, où l’on note un numéro pour une raison précise, et où l’on ne garde rien au cas où.
- shadow AINº 019On appelle shadow AI l’usage d’outils d’IA par les salariés en dehors de tout cadre officiel : comme un tableur personnel qui finit par piloter un service entier, sans que personne n’ait jamais décidé qu’il devait exister.
Voir les 10 autres termes
- adoptionNº 036L’adoption, c’est le moment où un outil entre réellement dans le travail : pas quand il est installé, mais quand on s’en sert sans y penser. Comme un abonnement à la salle de sport : payer l’inscription n’est pas s’entraîner.
- cloudNº 076Le cloud désigne l’exécution d’un service sur les machines d’un tiers, facturée à l’usage, sans matériel à acheter ni à exploiter. Comme prendre le train plutôt que d’acheter une voiture : on paie le trajet, pas le garage.
- conduite du changementNº 075La conduite du changement est le travail d’accompagnement qui fait qu’un outil entre réellement dans les pratiques : former, réécrire les procédures, arbitrer les résistances. Comme installer une cuisine neuve dans un restaurant sans arrêter le service.
- coût par tokenNº 074Le coût par token est le prix unitaire de ce que le modèle lit et écrit : il transforme un usage en facture, et il se paie à chaque appel, indéfiniment. Comme un compteur d’eau plutôt qu’un abonnement : ce n’est pas l’installation qui coûte, c’est l’ouverture du robinet.
- on-premiseNº 077L’on-premise désigne l’exécution d’un système sur des machines que l’organisation possède et exploite, dans ses murs ou dans un centre de données qu’elle loue. Comme avoir sa propre chaudière : plus de maîtrise, et l’entretien à sa charge.
- politique d’usageNº 078Une politique d’usage est le document court qui dit à qui, sur quelles données et pour quelles tâches l’IA est autorisée dans l’organisation, et ce qui est interdit. Comme le règlement affiché à l’entrée d’un atelier : peu de lignes, connues de tous.
- propriété intellectuelle et IANº 080La propriété intellectuelle appliquée à l’IA pose deux questions distinctes : ce qu’on a le droit de donner à lire à un modèle, et ce que vaut juridiquement ce qui en sort. Comme un atelier de copie : ce qu’on y apporte et ce qu’on en ressort relèvent de règles différentes.
- retour sur investissementNº 079Le retour sur investissement rapporte ce qu’un usage rapporte à ce qu’il coûte, tout compris : licences, appels, intégration, relecture et accompagnement. Comme le calcul d’une machine-outil, où le prix d’achat est rarement le poste décisif.
- souveraineté numériqueNº 032La souveraineté numérique, c’est la capacité à garder la main sur ses données et ses outils : comme un local loué dont le propriétaire garde un double des clés et peut réviser le loyer, on y travaille sans en fixer les règles.
- usage à haut risqueNº 107Un usage à haut risque est un emploi d’un système d’IA que le droit européen tient pour susceptible de peser lourd sur les droits ou la sécurité d’une personne, et qu’il soumet pour cette raison à des obligations renforcées. Comme un même véhicule qui n’obéit pas aux mêmes règles selon qu’il transporte des colis ou des enfants : c’est l’emploi qui commande le régime, pas la mécanique.
Un terme absent n’est pas un oubli : le corpus s’écrit semaine après semaine, et une fiche n’est publiée que lorsqu’elle tient devant les deux lectures. Les frontières et les parcours sont les deux autres façons d’entrer dans le corpus.