AI POWERS

Lexique de l’IA et de la vérification

Comprenez les mots qui reviennent dans les réponses et les guides : définitions courtes, exemples et ressources pour éviter les confusions.

Avant de citer une source
  1. Ouvrez le document original : un titre ou un extrait de recherche ne suffit pas.
  2. Comparez auteur, date, périmètre et passage exact avec l’affirmation à soutenir.
  3. Séparez la date du document de la date à laquelle vous l’avez consulté.
  4. Conservez les unités, exceptions et limites ; un portail fiable ne valide pas tous les raisonnements.
Accès direct aux notices

Consigne (prompt)

Demande transmise à une IA : objectif, contexte utile et contraintes.

Exemple : « Compare ces deux options selon coût, délai et entretien. »

Contexte

Informations disponibles pour comprendre la demande. Elles ne constituent pas automatiquement une mémoire durable.

Exemple : Répétez les détails utiles lors d’une nouvelle question sur AI POWERS.

Hallucination

Contenu généré plausible mais faux ou sans fondement vérifiable.

Exemple : Une référence bibliographique peut sembler complète sans correspondre à un document.

RAG

Méthode qui recherche des documents et en fournit des passages à la génération.

Exemple : Vérifiez que le passage retrouvé soutient réellement la réponse.

Pour passer de la définition au contrôle d’un assistant documentaire : évaluer la récupération, les citations et les réponses d’un système RAG. Ressource complémentaire du réseau de l’éditeur.

Biais

Tendance qui peut déformer une représentation, une mesure ou une décision.

Exemple : Comparez des variantes contrôlées sans généraliser à partir d’un seul résultat.

Provenance

Origine documentée et parcours d’un objet, document ou jeu de données.

Exemple : Gardez producteur, publication initiale, licence et transformations.

DOI

Identifiant persistant d’un objet ; il ne certifie pas sa qualité.

Exemple : Comparez titre et auteurs après avoir suivi l’identifiant.

Anonymisation

Transformation visant à rendre l’identification d’une personne impossible en pratique.

Exemple : Supprimer le nom seul ne suffit pas toujours.

Pseudonymisation

Remplacement d’identifiants directs, avec possibilité de rattachement par des informations supplémentaires.

Exemple : Un numéro client peut encore correspondre à une personne.

Texte alternatif

Équivalent textuel adapté à la fonction d’une image dans son contexte.

Exemple : Un graphique doit transmettre son information, pas seulement ses couleurs.

Intervalle de confiance

Intervalle associé à une estimation et à une méthode de couverture annoncée.

Exemple : Conservez le niveau indiqué ; ce n’est pas une plage de toutes les valeurs individuelles.

Version

État identifié d’un logiciel, document ou ensemble de règles.

Exemple : Notez la version testée pour reproduire une comparaison.

Grand modèle de langage (LLM)

Modèle entraîné sur des données linguistiques avec de nombreux paramètres.

Exemple : Il peut produire un texte fluide sans garantir la vérité.

Donnée personnelle

Information liée à une personne identifiable, directement ou par recoupement.

Exemple : Des détails combinés peuvent identifier quelqu’un sans indiquer son nom.

Source primaire

Document directement lié à l’objet étudié ; son statut dépend de la question.

Exemple : Un journal d’époque est un témoignage à examiner, pas une vérité neutre.

Point de pourcentage

Écart arithmétique entre deux valeurs exprimées en pourcentage.

Exemple : De 20 % à 25 % : +5 points, mais +25 % relativement.

Injection d’instructions

Tentative de détourner un système d’IA au moyen d’instructions malveillantes, directement ou dans un contenu qu’il doit lire.

Exemple : Un document à résumer demande d’ignorer la tâche et d’envoyer des données : traitez ce passage comme du contenu suspect, pas comme une autorisation.

Repérer les instructions malveillantes dans un document

Évaluation d’un système IA

Examen documenté d’un système sur des tâches et des critères définis. La qualité dépend du contexte d’utilisation et ne se réduit pas à la fluidité du texte.

Exemple : Testez des demandes ordinaires, ambiguës et sans réponse disponible ; notez les erreurs et rejouez les mêmes cas après un changement.

Contrôler un livrable produit avec l’IA