Glossaire IA et automatisation
Tous les termes rencontrés dans un projet d'IA ou d'automatisation, définis simplement et replacés dans le contexte opérationnel. Citation libre avec un lien vers la source.
Fondamentaux
Agents et modèles d'IA
Agent IA
Un agent IA est un programme qui poursuit un objectif de manière autonome : il décide des étapes à suivre, appelle des outils ou des API pour les exécuter, vérifie le résultat et recommence jusqu'à atteindre l'objectif ou transmettre la main. Contrairement à un chatbot, il agit au lieu de simplement répondre.
Fine-tuning
Le fine-tuning poursuit l'entraînement d'un modèle existant sur des exemples propres à l'entreprise afin qu'il adopte un style, un format ou un comportement de classification donné. Il change la façon dont un modèle répond, pas les faits actuels qu'il connaît, et reste généralement la dernière option après le prompt et la récupération.
Génération augmentée par récupération (RAG)
La génération augmentée par récupération est une méthode où les documents pertinents de l'entreprise sont d'abord recherchés, puis les passages retrouvés sont fournis au modèle de langage comme contexte. Le modèle répond à partir de ces passages, ce qui rend les réponses actuelles, sourcées et vérifiables.
Grand modèle de langage (LLM)
Un grand modèle de langage est un modèle statistique entraîné sur de très vastes corpus de texte, qui prédit les suites probables d'un texte. Il peut classer, résumer, traduire et rédiger, et constitue le composant de raisonnement de la plupart des agents IA — mais il ne détient à lui seul aucune donnée d'entreprise en temps réel.
IA agentique
L'IA agentique est l'approche de conception dans laquelle des systèmes d'IA planifient et exécutent de manière autonome des tâches à plusieurs étapes, en utilisant des outils et des retours d'information, plutôt que de générer une seule réponse. Elle déplace l'unité d'automatisation d'une réponse vers une tâche accomplie.
Ingénierie de prompt
L'ingénierie de prompt consiste à spécifier par écrit ce qu'un modèle doit faire : la tâche, les règles, le format d'entrée et la structure de sortie exigée. Dans les systèmes en production, les prompts sont des artefacts versionnés, testés sur des cas réels comme tout autre code.
Automatisation des processus
Audit de processus
Un audit de processus est un examen structuré des flux de travail récurrents : quelles étapes existent, quels systèmes et personnes sont impliqués, combien de temps prend chaque étape, à quelle fréquence elle échoue, et ce que coûte un dossier. Il produit la base factuelle de toute décision d'automatisation.
Automatisation des flux de travail
L'automatisation des flux de travail achemine automatiquement une tâche à travers ses étapes, responsables et conditions définis : qui la reçoit, ce qui doit être vérifié, ce qui se passe en cas d'approbation ou de rejet, et ce qui est enregistré. Elle supprime le travail de coordination plutôt que d'exécuter la tâche elle-même.
Automatisation des processus métier (BPA)
L'automatisation des processus métier est l'exécution systématique par un logiciel d'un processus métier récurrent, du déclenchement au résultat, y compris les données, règles et transferts impliqués. Contrairement aux outils monotâches, elle cible toute la chaîne : réception, décision, exécution et archivage.
Automatisation robotisée des processus (RPA)
L'automatisation robotisée des processus utilise des robots logiciels qui pilotent des applications existantes via leur interface utilisateur — cliquer, saisir, copier entre écrans. Elle automatise un travail routinier fondé sur des règles sans modifier les systèmes sous-jacents, et se rompt dès que ces interfaces changent.
Exploration de processus (process mining)
L'exploration de processus reconstitue le déroulement réel d'un processus en analysant les horodatages et journaux d'événements des systèmes existants. Elle révèle les variantes réelles, boucles, temps d'attente et reprises — souvent très différents du processus documenté.
Hyperautomatisation
L'hyperautomatisation décrit l'utilisation combinée de l'analyse de processus, de l'automatisation des flux de travail, des intégrations et des agents IA pour automatiser autant que possible d'une chaîne de processus de bout en bout, dans la mesure où cela reste économiquement pertinent — plutôt que d'automatiser des tâches isolées.
Traitement automatisé de bout en bout (STP)
Le traitement automatisé de bout en bout est la part des dossiers qui passent de la réception à l'achèvement sans aucune intervention manuelle. C'est l'indicateur opérationnel central d'un programme d'automatisation, car il se traduit directement en coût et en délai de traitement par dossier.
Traitement intelligent des documents (IDP)
Le traitement intelligent des documents extrait des données structurées des factures, bons de livraison, contrats ou formulaires, les valide par rapport aux données de référence et les enregistre dans le système cible. Il combine l'OCR pour la lecture, des modèles pour l'interprétation et des règles pour la vérification.
Systèmes et ingénierie
Base de données vectorielle
Une base de données vectorielle stocke des textes, images ou fiches sous forme d'embeddings numériques et retrouve les entrées les plus proches en sens d'une requête. C'est la couche de recherche derrière la génération augmentée par récupération, permettant une recherche sémantique là où la recherche par mots-clés échoue.
Intégration API
Une intégration API relie deux systèmes via leurs interfaces de programmation afin que les données circulent automatiquement et de façon fiable. C'est l'alternative stable à la ressaisie manuelle, à l'échange de fichiers CSV et aux robots d'interface, et c'est l'ossature de toute automatisation sérieuse.
Intégration ERP
L'intégration ERP relie les logiciels opérationnels et les agents IA au système de référence des commandes, articles, clients, stocks et comptabilité, afin que l'automatisation lise des données actuelles et écrive ses résultats dans les livres comptables plutôt que dans un tableur parallèle.
Logiciel sur mesure
Un logiciel sur mesure est construit autour des processus propres à une entreprise plutôt que de les forcer dans un produit standard. Il se justifie lorsque le processus est un facteur de différenciation, lorsque la profondeur d'intégration compte, ou lorsque le coût des licences et des contournements dépasse celui du développement.
Model Context Protocol (MCP)
Le Model Context Protocol est un standard ouvert permettant de connecter des assistants IA à des outils et sources de données externes via une interface uniforme, de sorte que la même intégration puisse être réutilisée entre modèles et applications au lieu d'être reconstruite pour chacun.
OCR (reconnaissance optique de caractères)
L'OCR convertit des scans, photos et PDF en texte exploitable par une machine. C'est l'étape d'entrée de l'automatisation documentaire et elle ne livre que des caractères — le sens, la validation et la logique d'enregistrement sont ajoutés par les couches supérieures.
Orchestration
L'orchestration est la couche de coordination qui décide quel agent, modèle ou service traite quelle étape, dans quel ordre, avec quelles données, et ce qui se passe en cas d'échec. C'est ce qui transforme des agents isolés en un système opérationnel fiable.
Système hérité (legacy)
Un système hérité est un logiciel critique pour l'activité, techniquement dépassé mais qui fait toujours tourner les opérations essentielles. Il manque généralement d'interfaces modernes, ce qui en fait la principale contrainte — et souvent le principal poste de coût — des projets d'automatisation.
Sécurité et gouvernance
Garde-fous
Les garde-fous sont les limites techniques encadrant un système d'IA : outils autorisés, plages de valeurs, plafonds de dépense et de volume, actions interdites et validations obligatoires. Ils transforment un modèle imprévisible en un système qui échoue de façon sûre et visible.
Gouvernance de l'IA
La gouvernance de l'IA est l'ensemble des règles définissant quels systèmes d'IA une entreprise exploite, sur quelles données, avec quelles autorisations, sous la responsabilité de qui, et comment les résultats sont contrôlés. Elle rend l'usage de l'IA auditable vis-à-vis de la direction, des auditeurs et des régulateurs.
Hallucination
Une hallucination est une réponse d'un modèle de langage énoncée avec assurance mais fausse — un chiffre, une clause ou une référence inventés. C'est une propriété de la génération de texte statistique, raison pour laquelle les systèmes en production vérifient les sorties par rapport aux données sources au lieu de leur faire confiance.
Localisation des données
La localisation des données définit dans quelle juridiction les données de l'entreprise sont stockées et traitées. Pour les systèmes d'IA, cela couvre la région d'hébergement de l'application, de la base de données, du point d'accès au modèle et des journaux, ainsi que la possibilité ou non d'utiliser les prompts pour entraîner le fournisseur.
Règlement européen sur l'IA (AI Act)
Le règlement européen sur l'IA (AI Act) est la réglementation européenne qui classe les systèmes d'IA par niveau de risque et leur attache des obligations en conséquence — des devoirs de transparence pour les applications métier ordinaires jusqu'à des exigences strictes pour les usages à haut risque comme les décisions d'embauche ou de solvabilité.
Supervision humaine (human in the loop)
La supervision humaine désigne un point défini où une personne examine, approuve ou corrige le travail du système d'IA. Le transfert est conçu à l'avance pour des déclencheurs précis — seuils de valeur, faible confiance, tiers inconnus — plutôt que laissé au hasard.
Coûts et exploitation
Coût par dossier
Le coût par dossier est le coût total du traitement d'une unité de travail — une facture, un devis, une demande — incluant la main-d'œuvre, le logiciel, l'usage du modèle et la correction d'erreurs. C'est l'indicateur le plus clair pour comparer un traitement manuel à un traitement automatisé.
Coût total de possession (TCO)
Le coût total de possession est le coût complet d'un système sur toute sa durée de vie : développement ou licence, intégration, hébergement, usage du modèle, support, évolutions et effort interne. Pour les systèmes d'IA, le coût d'usage du modèle et la maintenance des intégrations sont les postes les plus souvent sous-estimés.
Indicateurs d'automatisation (KPI)
Les indicateurs d'automatisation sont les chiffres qui prouvent si un processus automatisé fonctionne : taux d'achèvement sans intervention, délai de traitement, taux d'erreur et de reprise, coût par dossier, et volume traité par période. Ils sont définis avant la construction, pas après.