- Données: sans données, pas de matière première pour entraîner un système.
- Modèle: la structure mathématique qui apprend des régularités.
- Entraînement: la phase où le modèle ajuste ses paramètres.
- Inférence: le moment où le modèle produit une réponse.
- Prompt: l'instruction ou le contexte donné au modèle.
- Biais: les distorsions que les données et les choix de conception transportent.
- Hallucination: une réponse plausible mais fausse ou inventée.
- Agent: un système qui enchaîne plusieurs actions avec une autonomie partielle.
- Automatisation: le transfert d'une tâche humaine vers un système.
- Évaluation: la façon de mesurer ce que le système fait bien ou mal.
Si ces notions restent floues, tout le reste devient flou aussi. C'est pour cela qu'un livre pour comprendre l'IA garde de la valeur.
Le Super Pouvoir de l'IA reprend ces bases, puis montre comment elles touchent le travail, le code et la distribution du pouvoir. C'est ce qui en fait un bon livre intelligence artificielle pour un lecteur qui veut plus qu'un glossaire.
Si vous cherchez un livre IA vulgarisation en français, c'est souvent ce mélange qui manque: des concepts simples, mais pas simplistes, puis un vrai cadre pour voir où ils s'appliquent.