Lexique

L'IA et la conformité, en mots simples.

37 définitions pour comprendre l'IA générative, ses risques et les règles qui l'encadrent, sans jargon.

A

Abstention: Capacité d'un système d'IA à ne pas répondre lorsqu'il ne trouve pas de source fiable, plutôt que de produire une réponse inventée. En savoir plus
AI Act: Règlement (UE) 2024/1689 sur l'intelligence artificielle. Il classe les systèmes d'IA selon leur niveau de risque et s'applique par étapes depuis le 2 février 2025. En savoir plus
Anonymisation: Traitement qui rend impossible, de façon irréversible, l'identification d'une personne. Des données anonymisées ne sont plus des données personnelles au sens du RGPD. En savoir plus
API: Interface qui permet à deux logiciels d'échanger des données. 4ct en propose une pour être appelé depuis vos applications. En savoir plus

Base vectorielle: Base de données qui stocke des représentations numériques du sens des textes (embeddings) pour retrouver des passages proches d'une question. En savoir plus

Chiffrement au repos: Chiffrement des données stockées sur les disques : en cas de vol du matériel, leur contenu reste illisible sans la clé. En savoir plus
CLOUD Act: Loi américaine de 2018 qui permet aux autorités des États-Unis d'exiger de fournisseurs américains la communication de données, y compris hébergées hors des États-Unis. En savoir plus
Contrôle humain: Principe selon lequel une personne vérifie et valide les résultats d'un système d'IA avant qu'ils ne produisent des effets. Obligatoire pour les systèmes à haut risque de l'AI Act. En savoir plus

Déployeur: Dans l'AI Act, organisation qui utilise un système d'IA dans le cadre de son activité professionnelle. Un cabinet qui utilise un assistant d'IA est un déployeur. En savoir plus

Embedding: Représentation d'un texte sous forme d'une liste de nombres qui traduit son sens. Deux textes proches ont des embeddings proches, ce qui permet la recherche par le sens. En savoir plus

Fenêtre de contexte: Quantité de texte qu'un modèle peut prendre en compte en une seule fois, mesurée en tokens. Elle détermine la longueur des documents traités d'un bloc. En savoir plus
Fine-tuning: Ajustement d'un modèle existant sur des données spécifiques pour l'adapter à un vocabulaire ou à une tâche. Distinct de la recherche dans vos documents, qui ne modifie pas le modèle. En savoir plus

GPU: Processeur graphique. Ses milliers de cœurs de calcul en parallèle en font le composant clé pour faire tourner les modèles d'IA. En savoir plus

Hallucination: Réponse fausse produite par une IA et présentée comme vraie : référence inventée, chiffre erroné, citation mal attribuée. En savoir plus
HDS: Hébergeur de données de santé. Certification obligatoire pour qui héberge des données de santé pour le compte d'un tiers (article L1111-8 du Code de la santé publique). En savoir plus

IA fantôme: Usage d'outils d'IA par les salariés sans validation ni encadrement de l'organisation, souvent avec des comptes personnels. En anglais : shadow AI. En savoir plus
IA générative: IA capable de produire du contenu nouveau (texte, image, son) à partir d'une consigne, en s'appuyant sur ce qu'elle a appris. En savoir plus
Inférence: Utilisation d'un modèle déjà entraîné pour produire une réponse. C'est ce que fait le serveur 4ct à chaque question. En savoir plus

Journal d'audit: Registre horodaté des actions effectuées dans un système : qui a demandé quoi, quand, sur quel document. En savoir plus

LLM: Large Language Model, grand modèle de langage. Modèle d'IA entraîné sur de grands volumes de texte pour comprendre et produire du langage. En savoir plus

Maîtrise de l'IA: Obligation de l'article 4 de l'AI Act : former les personnes qui utilisent des systèmes d'IA à leurs usages, limites et risques. Applicable depuis le 2 février 2025. En savoir plus
Modèle à poids ouverts: Modèle d'IA dont les paramètres sont publiés et peuvent être installés sur ses propres serveurs. Souvent appelé « open source », sous des licences qui varient d'un modèle à l'autre. En savoir plus

OCR: Reconnaissance optique de caractères : transformation d'une image ou d'un document scanné en texte exploitable. En savoir plus

Paramètres: Valeurs internes d'un modèle, ajustées pendant l'entraînement. On exprime la taille d'un modèle en milliards de paramètres (par exemple 70 B). En savoir plus
Prompt: Consigne donnée à une IA. En français : requête ou consigne. En savoir plus
Pseudonymisation: Remplacement des données identifiantes par des alias. Contrairement à l'anonymisation, elle est réversible : les données restent personnelles au sens du RGPD. En savoir plus

Quantification: Technique qui réduit la précision des paramètres d'un modèle pour diminuer la mémoire nécessaire, avec une perte de qualité généralement faible. En savoir plus

RAG: Génération augmentée par recherche : avant de répondre, le système recherche les passages pertinents dans des documents, puis demande au modèle de répondre à partir de ces passages. En savoir plus
RGPD: Règlement général sur la protection des données (UE) 2016/679. Il encadre le traitement des données personnelles ; les sanctions peuvent atteindre 20 M€ ou 4 % du chiffre d'affaires mondial. En savoir plus

SecNumCloud: Qualification délivrée par l'ANSSI aux offres de cloud qui répondent à des exigences élevées de sécurité et de protection contre les lois extraterritoriales. En savoir plus
Secret professionnel: Obligation de ne pas révéler les informations confiées dans l'exercice d'une profession (avocats, médecins, notaires, experts-comptables…). Sa violation est punie par l'article 226-13 du Code pénal. En savoir plus
Sous-traitant: Au sens du RGPD (article 28), organisation qui traite des données personnelles pour le compte d'un responsable de traitement, sur ses instructions et avec un contrat. En savoir plus
SSO: Authentification unique : les utilisateurs se connectent avec leur compte habituel (Microsoft, Google) sans nouveau mot de passe. En savoir plus
Sur site: Déploiement d'un logiciel sur un serveur installé dans les locaux de l'organisation, par opposition à un service en ligne. En anglais : on-premise. En savoir plus

Token: Unité de texte manipulée par un modèle, souvent un morceau de mot. Un mot français représente en moyenne un à deux tokens. En savoir plus
Transcription: Conversion automatique de la parole en texte. Avec 4ct, elle est réalisée sur le serveur, sans envoi des enregistrements. En savoir plus

VRAM: Mémoire des cartes graphiques. Elle détermine la taille des modèles utilisables et le nombre d'utilisateurs simultanés. En savoir plus

Démonstration gratuite

30 minutes, dans vos locaux ou en visio. Nous venons avec un serveur et des documents de votre métier.

Ou écrivez-nous : contact@4ct.ai