Méthode qui permet à un système d’apprendre à partir de données, sans qu’on lui écrive une règle explicite pour chaque cas. On lui montre en amont suffisamment de dossiers pour qu’il finisse par reconnaître des schémas, avec plus ou moins de bonheur selon la qualité des dossiers : garbage in, garbage out, toujours ce petit karma de la donnée.
Acronyme apparu mi-2026 pour regrouper les acteurs de l’IA générative : Meta, Anthropic, Nvidia, Google, OpenAI, SpaceX/xAI (et parfois Oracle).
À l’instar des GAFAM, ce n’est pas un club officiel mais plutôt une façon rapide de désigner ceux qui concentrent aujourd’hui l’attention et les capitaux. Selon les versions et les articles spécialisés, ils sont cinq, six, sept ou probablement douze d’ici la fin du trimestre si un fonds souverain éternue trop près d’un datacenter.
La capacité d’un système d’IA à se souvenir des échanges précédents dans une même conversation, pour répondre de façon cohérente sans qu’on ait à tout répéter à chaque fois… Tout l’inverse de votre petit neveu finalement.
Mais attention au mot « mémoire » : elle reste généralement limitée dans le temps ou dans le volume, rien n’est forcément permanent par défaut.
Les métadonnées sont des données qui décrivent d’autres données : la date de création d’un document, son auteur, sa langue, son type.
Simplement : c’est le badge visiteur du document. Pas toute sa vie intérieure mais déjà de quoi le reconnaître dans le couloir.
Un modèle d’IA entraîné à comprendre et générer du texte en repérant des régularités dans le langage puis en prédisant ce qui a le plus de chances de venir ensuite.
En très simplifié : il ne « pense » pas une phrase comme nous, il calcule la suite la plus probable. Un perroquet statistique, si vous nous accordez la métaphore.
Un LLM en est la version XXL : plus de données, plus de paramètres et plus de capacités.
Un modèle de langage qui ne sait pas seulement lire mais peut aussi regarder et écouter (le partenaire idéal ?) : il peut comprendre et/ou produire plusieurs types de contenus (texte, image, son, vidéo), au sein d’un seul et même système, plutôt que de nécessiter un modèle séparé pour chaque type de contenu.
Par Myfanwy Poissant, pour Ordalie · mis à jour le
