Glossaire IA : 20 mots et expressions à connaître pour un RH

• Intelligence Artificielle (IA) : Ensemble de techniques et de méthodes permettant à des machines d’imiter une forme d’intelligence humaine.

Pour aller plus loin sur les sujets IA :

– Les métiers de l’intelligence artificielle

– IA au travail : Création de valeurs, défis éthiques et régulation

– Big Data et Intelligence artificielle : où en est-on ?

 

• Apprentissage automatique (Machine Learning) : Sous-ensemble de l’IA qui donne aux machines la capacité d’apprendre et d’améliorer leurs performances à partir de données sans être explicitement programmées. ( En savoir plus sur le machine learning et ses cas d’utilisation ).

 

• Apprentissage profond (Deep Learning) : Type d’apprentissage automatique utilisant des réseaux de neurones artificiels pour traiter des données complexes. ( En savoir plus sur le deep learning et ses applications concrètes )

 

• Réseau de neurones : Système informatique conçu pour imiter la façon dont le cerveau humain analyse et traite les informations.

 

• Algorithmes : Ensemble de règles et instructions suivies par un ordinateur pour résoudre des problèmes ou effectuer des calculs.

 

• Big Data : Grandes ensembles de données complexes qui sont analysées par des ordinateurs pour révéler des tendances et des modèles.

 

• Traitement du langage naturel (NLP) : Technologie d’IA qui permet aux ordinateurs de comprendre, interpréter et répondre au langage humain. On retrouve le NLP dans les chat bots des sites e-commerce qui permettre de « converser » avec la machine. ( En savoir plus sur le NLP )

 

• Robotique : Branche de la technologie impliquant la conception, la construction et l’utilisation de robots.

 

• Computer Vision : Capacité des ordinateurs à interpréter et comprendre des images et des vidéos. ( Aller plus loin sur le fonctionnement du computer vision )

 

• Données structurées et non structurées : Données organisées (structurées), comme des chiffres d’un tableau excel, et données sous forme brute (non structurées) comme des images, de la vidéo…qui sont utilisées pour l’entraînement des modèles d’IA.

 

• Modèle prédictif : Modèle d’IA qui analyse les données passées pour prédire les résultats futurs.

 

• Apprentissage supervisé : Type d’apprentissage machine où le modèle est entraîné sur un ensemble de données étiquetées.

 

• Apprentissage non supervisé : Apprentissage automatique où le modèle travaille sur des données non étiquetées pour trouver des structures cachées.

 

• Apprentissage par renforcement : Type d’apprentissage machine où un agent apprend à prendre des décisions en effectuant des actions et en recevant des feedbacks.

 

• Éthique de l’IA : Réflexion sur les implications morales et éthiques de l’utilisation de l’IA.

Pour aller plus loin sur les sujets éthiques et IA :

– Article : La data éthique, nouvel enjeu de la tech ?

– Replay webinar : L’IA et ses implications éthiques pour les DPO

 

• IA responsable : Pratique de développement et d’application de l’IA de manière éthique, transparente et responsable.

 

• Sécurité de l’IA : Mesures et techniques utilisées pour protéger les systèmes d’IA contre les accès non autorisés ou les manipulations malveillantes.

 

• Biais algorithmique : Tendance d’un système d’IA à produire des résultats injustement préjudiciables ou favorables à certains groupes. ( En savoir plus sur les biais algorithmiques )

 

• Transparence de l’IA : Qualité d’un système d’IA dont les actions et décisions peuvent être comprises et expliquées aux utilisateurs.

 

• Interopérabilité : Capacité des systèmes d’IA à fonctionner et à communiquer efficacement avec d’autres systèmes ou composants.
  

 

NB : cette liste a été co-construite avec l’IA de ChatGpt. Vous trouverez des ressources complémentaires sur notre blog.