MIXED
Glossaire
Glossaire IA et données pour les entreprises
Les termes que l'on rencontre en parlant d'intelligence artificielle, de données et de numérique, expliqués en quelques lignes pour ceux qui doivent décider, pas programmer. Chaque entrée comporte un exemple appliqué à une entreprise. Utilisez la recherche ou allez directement à une section.
53 termes
Intelligence artificielle 22 termes
Des notions de base aux termes qui apparaissent dans les devis des prestataires.
- Intelligence artificielle (IA) Artificial Intelligence
- Ensemble de techniques permettant à un logiciel d'accomplir des tâches qui demanderaient une intelligence humaine : comprendre un texte, reconnaître une image, faire une prévision, prendre une décision. Ce n'est pas « un programme » mais une famille d'approches, du simple au complexe.En entreprise : le système qui lit les e-mails des clients et les oriente vers le bon service utilise l'IA ; le fichier Excel avec des formules, non.
- Machine learning apprentissage automatique
- Branche de l'IA où le logiciel apprend les règles à partir de données d'exemple au lieu de les recevoir écrites par un programmeur. Plus il a d'exemples de qualité, mieux il fonctionne.En entreprise : avec trois ans de commandes, le système apprend à prévoir combien vous vendrez de chaque article le mois prochain.
- Deep learning apprentissage profond
- Machine learning fondé sur des réseaux de neurones à nombreuses couches. C'est la technique derrière la reconnaissance d'images et de la voix et derrière les modèles de langage. Elle demande beaucoup de données et de puissance de calcul.En entreprise : la caméra qui repère une pièce défectueuse sur la ligne utilise le deep learning.
- LLM Large Language Model
- Modèle d'IA entraîné sur d'énormes volumes de texte, capable de comprendre et générer du langage naturel : résumer, traduire, répondre, classer, rédiger. ChatGPT, Claude et Gemini sont des interfaces vers des LLM.En entreprise : un LLM lit une demande de devis mal rédigée et en extrait produit, quantité et urgence.
- IA générative Generative AI
- IA qui produit des contenus nouveaux — texte, images, code, audio — à partir d'une demande. Elle se distingue de l'IA « analytique », qui classe ou prévoit sans créer.En entreprise : le brouillon de réponse à une réclamation, généré à partir de l'historique du client, c'est de l'IA générative.
- Prompt
- L'instruction ou la question donnée à un modèle d'IA générative. La qualité de la réponse dépend beaucoup de la précision du prompt, de son contexte et des exemples fournis.En entreprise : « Résume ce contrat en 5 points en mettant en évidence pénalités et échéances » est un prompt ; « résume » en est un moins bon.
- Token
- Unité de texte (fragments de mots, environ 4 caractères) avec laquelle les modèles de langage lisent et écrivent. Les coûts d'utilisation des modèles se calculent en tokens, en entrée et en sortie.En entreprise : faire lire 1 000 factures PDF par mois à un modèle coûte en proportion des tokens contenus dans ces pages.
- Fenêtre de contexte context window
- Quantité maximale de texte qu'un modèle peut prendre en compte dans une seule requête (question + documents + réponse). Au-delà de la limite, le modèle « ne voit pas » le reste.En entreprise : pour analyser un cahier des charges de 300 pages, il faut le découper ou utiliser un système RAG, pas le coller en entier.
- RAG Retrieval-Augmented Generation
- Technique où le modèle, avant de répondre, récupère les documents pertinents de l'entreprise (procédures, contrats, manuels) et s'en sert comme source en les citant. Elle réduit les hallucinations et permet d'utiliser l'IA sur ses propres données sans la réentraîner.En entreprise : « quelle garantie avons-nous donnée au client X en 2023 ? » — le système trouve le contrat et répond avec la référence.
- Embedding
- Représentation numérique d'un texte (ou d'une image) qui en capture le sens : des textes proches ont des embeddings proches. C'est ce qui permet de chercher « par le sens » et pas seulement par mot exact.En entreprise : en cherchant « fuite d'eau », le système trouve aussi les tickets qui parlent d'« infiltration » ou de « tuyau cassé ».
- Base de données vectorielle vector database
- Base optimisée pour trouver des contenus similaires via les embeddings. C'est le moteur de recherche derrière un système RAG.En entreprise : les 5 000 documents techniques du bureau, indexés dans une base vectorielle, deviennent interrogeables en langage naturel.
- Fine-tuning
- Entraînement complémentaire d'un modèle existant sur les données de l'entreprise pour le spécialiser (ton, terminologie, format). Plus coûteux et délicat que le RAG ; utile dans des cas précis, pas pour « faire connaître nos documents au modèle ».En entreprise : un modèle ajusté pour classer 50 types de réclamations avec votre vocabulaire interne.
- Agent IA AI agent
- Système d'IA qui, à partir d'un objectif, planifie et exécute une suite d'actions en utilisant des outils : lire des e-mails, interroger l'ERP, remplir des formulaires, envoyer des réponses. Il doit être conçu avec des limites claires et un contrôle humain.En entreprise : un agent reçoit une commande par e-mail, vérifie le stock, crée l'affaire et propose la confirmation à envoyer.
- Hallucination
- Réponse inventée mais plausible produite par un modèle d'IA générative : dates, chiffres, références juridiques qui n'existent pas. On la réduit avec le RAG, les garde-fous et le contrôle humain ; on ne l'élimine pas totalement.En entreprise : un assistant qui cite un article de loi inexistant dans une réponse au client. D'où la nécessité de vérifier.
- Garde-fou guardrail
- Règles et contrôles qui limitent ce qu'un système d'IA peut dire ou faire : sujets interdits, données à ne pas révéler, actions soumises à approbation.En entreprise : l'assistant client ne peut ni promettre de remises ni parler des concurrents, et passe la main à un humain si le client est mécontent.
- Human in the loop
- Approche où une personne vérifie ou approuve les propositions de l'IA avant qu'elles ne deviennent des actions. C'est la façon la plus sûre d'introduire l'IA dans un processus et d'en mesurer la fiabilité.En entreprise : l'IA prépare le brouillon, le collaborateur le lit et clique sur « envoyer ».
- Vision par ordinateur computer vision
- IA qui interprète images et vidéos : reconnaît objets, défauts, personnes, textes ; compte et mesure. Elle exige des photos réelles pour l'entraînement et une période de calibrage.En entreprise : vérification automatique du port des EPI sur chantier, ou comptage des colis sur une palette.
- OCR Optical Character Recognition
- Reconnaissance optique de caractères : transforme scans et photos de documents en texte lisible par le logiciel. Aujourd'hui souvent combinée à l'IA pour comprendre aussi la structure du document (tableaux, champs).En entreprise : les factures fournisseurs en PDF deviennent des lignes dans l'ERP sans rien ressaisir.
- NLP Natural Language Processing
- Techniques permettant au logiciel d'analyser et comprendre le langage humain : classer, extraire des informations, mesurer le ton. Les LLM sont l'évolution la plus récente du NLP.En entreprise : analyse automatique des avis pour savoir de quoi les clients se plaignent le plus.
- Inférence
- Phase où un modèle déjà entraîné est utilisé pour produire des réponses. C'est la partie payée à l'usage (par token ou par appel) qui détermine les coûts récurrents d'un projet.En entreprise : chaque e-mail classé par l'assistant est une inférence ; 3 000 e-mails par mois, ce sont 3 000 inférences.
- Modèle open source vs propriétaire
- Les modèles open source se téléchargent et s'installent sur vos serveurs (contrôle total des données, coûts d'infrastructure) ; les modèles propriétaires s'utilisent via le service du fournisseur (plus simples et souvent plus performants, données sortant de l'entreprise selon le contrat).En entreprise : pour analyser des dossiers médicaux ou des données couvertes par le secret industriel, on envisage un modèle installé sur site.
- Analyse prédictive
- Utilisation de données historiques et de modèles statistiques ou de machine learning pour estimer des événements futurs : demande, pannes, retards de paiement, départ de clients. Elle vaut ce que valent les données sur lesquelles elle repose.En entreprise : prévoir quels clients paieront en retard pour anticiper les relances.
Données 14 termes
Les termes de la stratégie data : comment les données se collectent, s'organisent et deviennent des décisions.
- Stratégie data data strategy
- Ensemble de décisions sur les données à collecter, où les conserver, qui en répond et comment les utiliser pour décider. Pour une PME, ce n'est pas un document : c'est une source unique par donnée, quelques KPI, un tableau de bord automatique et des règles minimales de qualité.En entreprise : décider que les présences naissent du pointage sur chantier et que personne ne les recopie ailleurs.
- Données structurées et non structurées
- Structurées : organisées en tableaux à champs définis (commandes, fiches clients, présences). Non structurées : e-mails, PDF, photos, enregistrements. Environ 80 % des données d'une entreprise sont non structurées, et c'est là que l'IA générative fait la différence.En entreprise : l'ERP contient des données structurées ; la boîte de réception, des données non structurées.
- Base de données database
- Système qui stocke les données de façon organisée, partagée et fiable, avec des règles sur ce qui peut y entrer et qui peut modifier. C'est la bonne alternative à Excel utilisé comme archive.En entreprise : fichier clients dans une base de données : une seule version, mise à jour par tous, sans copies divergentes.
- Data warehouse entrepôt de données
- Base centrale qui rassemble les données de plusieurs systèmes de l'entreprise (ERP, CRM, e-commerce, production), organisées pour l'analyse et le reporting. C'est la base des tableaux de bord de direction.En entreprise : ventes, coûts et heures travaillées au même endroit, pour calculer la marge par client.
- Data lake lac de données
- Stockage qui conserve des données brutes de tout type, y compris non structurées, pour des analyses futures. Adapté aux gros volumes ; pour la plupart des PME, un data warehouse bien conçu suffit.En entreprise : journaux des machines, photos de chantier et documents conservés « tels quels » pour des analyses ultérieures.
- ETL / ELT Extract, Transform, Load
- Processus qui extrait les données des sources, les transforme (nettoie, uniformise) et les charge là où elles seront analysées. C'est le travail « invisible » qui pèse le plus dans les projets data.En entreprise : chaque nuit, les commandes sont extraites de l'ERP, rapprochées des fiches clients et chargées dans le data warehouse.
- Pipeline de données data pipeline
- Chaîne automatique d'étapes qui amène les données de la source au tableau de bord ou au modèle, sans intervention manuelle. Si une étape exige « que quelqu'un exporte le fichier Excel », ce n'est pas un pipeline.En entreprise : pointage → heures par chantier → coût de main-d'œuvre → marge de l'affaire, mis à jour toutes les heures.
- Source unique de vérité single source of truth
- Principe selon lequel chaque donnée a une seule source officielle à laquelle tous se réfèrent. Le contraire, c'est le même chiffre avec trois valeurs différentes selon qui le calcule.En entreprise : le tarif officiel est dans l'ERP ; les copies Excel des commerciaux ne font pas foi.
- Données de référence master data
- Données fondamentales et relativement stables de l'entreprise — clients, fournisseurs, articles, salariés, chantiers — que tous les systèmes doivent partager. Si chaque système a ses propres fiches, les intégrations se cassent.En entreprise : le client « Rossi SARL » doit avoir le même code dans l'ERP, le CRM et la facturation.
- KPI Key Performance Indicator
- Indicateur clé de performance : un chiffre qui mesure si un objectif est atteint. Un bon KPI a une formule écrite et partagée, une source et une fréquence.En entreprise : « marge estimée par affaire » avec une formule définie, mise à jour chaque semaine par le système.
- Tableau de bord dashboard
- Écran qui affiche les KPI mis à jour automatiquement, avec graphiques et tableaux. Un tableau de bord que quelqu'un doit « préparer » chaque mois est un rapport, pas un tableau de bord.En entreprise : le dirigeant ouvre le tableau de bord le lundi matin et voit les affaires en retard, les échéances à risque et la trésorerie prévue.
- Business intelligence (BI)
- Outils et pratiques pour transformer les données de l'entreprise en rapports, analyses et tableaux de bord d'aide à la décision (Power BI, Looker, Metabase sont des outils de BI).En entreprise : analyser quels articles ont une marge négative après remises.
- Qualité des données data quality
- Degré de complétude, d'exactitude, de cohérence et d'actualisation des données. Mauvaise qualité = mauvaises décisions et projets IA ratés. On la maintient avec des champs obligatoires, des contrôles et un responsable par source.En entreprise : 30 % des clients sans numéro de TVA dans le CRM, c'est un problème de qualité des données.
- Gouvernance des données data governance
- Règles et responsabilités sur qui peut créer, modifier et utiliser les données, et comment. Dans les grandes entreprises, c'est une fonction ; dans une PME, une checklist avec un nom à côté de chaque source.En entreprise : seul le service achats crée de nouveaux fournisseurs ; le commercial peut les proposer, pas les saisir.
Logiciels et automatisation 11 termes
Les termes que l'on trouve dans les devis et les fiches des dispositifs d'aide.
- API Application Programming Interface
- Interface par laquelle deux logiciels échangent des données automatiquement, sans export manuel. « A-t-il une API ? » est la première question à poser avant d'acheter un logiciel qui devra dialoguer avec d'autres.En entreprise : la boutique en ligne crée la commande dans l'ERP via API, sans que personne ne la ressaisisse.
- Intégration
- Liaison entre systèmes différents (ERP, CRM, e-commerce, paie) pour qu'ils partagent des données sans ressaisie. C'est le poste qui fait le plus souvent grimper délais et coûts d'un projet.En entreprise : les heures pointées sur chantier arrivent automatiquement dans le logiciel du gestionnaire de paie.
- Cloud et SaaS Software as a Service
- Logiciels et infrastructures utilisés via internet, payés par abonnement, sans serveur dans l'entreprise ; mises à jour et sauvegardes à la charge du fournisseur. À vérifier : où résident les données et comment les exporter.En entreprise : un logiciel de gestion SaaS s'utilise depuis le navigateur et l'application, au bureau comme sur le chantier.
- On-premise
- Logiciels et données installés sur des serveurs appartenant à l'entreprise, dans ses locaux. Contrôle maximal, mais coûts de matériel, de maintenance et de sécurité à votre charge.En entreprise : choix typique pour des données particulièrement sensibles ou des contraintes contractuelles avec certains clients.
- ERP / Logiciel de gestion
- Logiciel qui gère les processus centraux de l'entreprise : commandes, stocks, comptabilité, production, personnel, affaires. « Logiciel de gestion » est le terme courant ; ERP désigne en général des systèmes plus étendus.En entreprise : V-Site est le logiciel de gestion des entreprises de chantier : présences, échéances, véhicules, coûts.
- CRM Customer Relationship Management
- Logiciel pour gérer clients, contacts, affaires, devis et service client. Si les commerciaux gardent leurs clients « dans leur téléphone », le CRM est la première étape de tout projet data ou IA sur les ventes.En entreprise : l'historique complet de chaque client, consultable avant une visite.
- RPA Robotic Process Automation
- Logiciel qui répète des actions sur d'autres programmes à la place d'une personne : ouvrir un fichier, copier des champs, cliquer. Utile avec des systèmes anciens sans API ; fragile si les écrans changent.En entreprise : un « robot » qui télécharge chaque matin les relevés bancaires sur le portail de la banque et les charge en comptabilité.
- Workflow
- Suite définie d'étapes et de responsables selon laquelle un processus est exécuté — qui fait quoi, après quoi, avec quelles validations. Numériser un workflow, c'est laisser le système le faire avancer seul. Voir comment automatiser un processus.En entreprise : demande de congés → validation du responsable → mise à jour du calendrier des présences, sans e-mail.
- Low-code / No-code
- Outils pour créer des applications et des automatisations avec peu ou pas de programmation. Parfaits pour les prototypes et les processus simples ; pour les systèmes centraux, attention aux coûts de licence et aux contraintes de sortie.En entreprise : un formulaire pour remonter les signalements de pannes du terrain, construit en un après-midi.
- Interconnexion 4.0
- Condition des aides italiennes Transizione 4.0 et 5.0 : le bien ou le logiciel doit échanger des données avec les systèmes de l'entreprise de façon documentée (expertise ou rapport technique). Sans cela, le crédit d'impôt n'est pas accordé.En entreprise : le logiciel de collecte des données de production est éligible s'il est relié à l'ERP et à la machine.
- MVP / Pilote Minimum Viable Product
- Version minimale d'un projet réalisée pour vérifier rapidement s'il fonctionne, avant d'investir davantage. La meilleure façon de réduire le risque d'un projet IA ou data.En entreprise : un mois d'assistant IA sur une seule boîte e-mail, en mesurant les heures gagnées, avant de l'étendre.
Sécurité et réglementation 6 termes
Ce qu'il faut savoir avant de confier des données à un logiciel ou à une IA.
- RGPD GDPR
- Règlement européen sur la protection des données personnelles : ce qu'on peut collecter, à quelles fins, pendant combien de temps, avec quelles garanties et quels droits pour les personnes. Il s'applique aux données des clients, salariés et fournisseurs, y compris quand une IA les traite.En entreprise : avant de faire analyser les e-mails des clients par un service d'IA, il faut une base légale et un fournisseur au contrat conforme.
- Anonymisation et pseudonymisation
- Techniques pour supprimer ou masquer les données identifiantes des personnes avant de les analyser ou de les confier à une IA. Anonymisé = plus rattachable ; pseudonymisé = rattachable seulement avec une clé séparée.En entreprise : analyser les réclamations en remplaçant noms et identifiants fiscaux par des codes neutres.
- AI Act
- Règlement européen sur l'intelligence artificielle, en application progressive, qui classe les systèmes par niveau de risque et impose des obligations croissantes (transparence, supervision, documentation). La plupart des usages en PME sont à risque minimal ou limité ; les usages portant sur des personnes (recrutement, évaluation des salariés) sont à haut risque.En entreprise : un assistant qui trie les e-mails a des obligations minimales ; un système qui évalue les candidats en a beaucoup.
- Sauvegarde et reprise après sinistre
- Copies de sécurité des données, conservées séparément, et plan pour rétablir l'activité après une panne, une erreur ou une attaque. La bonne question n'est pas « faisons-nous des sauvegardes ? » mais « en combien de temps redémarrons-nous, et que perdons-nous ? ».En entreprise : un rançongiciel chiffre le serveur le vendredi ; avec des sauvegardes testées, on travaille le lundi.
- MFA authentification multifacteur
- Connexion qui exige, en plus du mot de passe, un second élément (code sur le téléphone, application, clé physique). C'est la mesure de sécurité au meilleur rapport coût/bénéfice.En entreprise : même si le mot de passe du dirigeant est volé, personne n'accède à sa messagerie sans son téléphone.
- Hameçonnage phishing
- Escroquerie par e-mail ou message qui imite des expéditeurs de confiance (banque, fournisseur, le patron) pour voler des identifiants ou faire exécuter des paiements. Avec l'IA générative, les messages sont devenus bien plus crédibles.En entreprise : un « changement d'IBAN » d'un vrai fournisseur, parfaitement rédigé : on vérifie toujours par téléphone.
Aucun terme trouvé. Il manque une entrée ? Écrivez-nous et nous l'ajouterons.
Un terme introuvable ? Le glossaire s'enrichit des questions de nos clients. Signalez-le-nous et nous l'ajouterons lors de la prochaine révision.
Vous voulez savoir lesquels de ces outils sont utiles à votre entreprise ?
Échange gratuit de 30 minutes : nous partons de votre processus, pas de la technologie.
Pour aller plus loin