Glossary AI & Vibecoding
Fundamental reference guide for the new era of software engineering by Andriy Orlov: autonomous agents, loop engineering, Model Context Protocol, context scaling, VPS infrastructure, and burnout prevention.
A
ENAgentic IDE (Environnement de développement intégré agentique)
Classe d'environnements de développement intégrés où le modèle agit en tant qu'opérateur autonome à part entière de l'espace de travail, avec un accès direct au système de fichiers, au terminal, à l'AST et aux tests.
Agents autonomes de navigation web (Browser Use / Web Agents)
Technologie de pilotage autonome du navigateur web (Browser Use, Playwright AI, Puppeteer). L'agent ouvre les sites de manière autonome, interagit avec les éléments de l'arbre DOM, fait défiler les pages, extrait des données dynamiques et exécute des tâches multi-étapes sans API officielles.
Agents IA (Agents autonomes)
Système autonome basé sur un grand modèle de langage qui ne se contente pas de répondre aux messages, mais planifie indépendamment une séquence d'actions, utilise des outils externes (navigateur, terminal, bases de données) et exécute des tâches complexes sans supervision humaine constante.
Agents IA (Agents autonomes)
Systèmes logiciels basés sur des LLM, capables de percevoir de manière autonome l'état de leur environnement, de décomposer des objectifs complexes, d'appeler des outils externes et de corriger itérativement leurs propres erreurs.
Agents IA terminaux (Gestion de projet via console)
Catégorie d'outils d'intelligence artificielle en ligne de commande (Claude Code, Aider, OpenCode, ShellGPT). Ils fonctionnent directement dans le terminal Linux ou macOS : recherche autonome de fichiers, modification des dépôts, exécution de tests et création de commits Git.
Agrégateur OpenRouter (Une clé pour plus de 200 modèles)
Principal agrégateur d'API et passerelle d'intelligence artificielle (AI Gateway) à l'échelle mondiale. Il fournit une interface standardisée unique, compatible avec OpenAI, permettant d'appeler plus de 200 modèles commerciaux et open source (Claude, GPT-4, Llama, DeepSeek, Mistral) via un solde commun et une seule clé API.
AI Slop (Dégradation du code par l'IA)
Phénomène systémique de dégradation de la base de code résultant de l'ajout massif de code généré par des modèles de langage sans supervision architecturale, caractérisé par une faible qualité, une verbosité excessive, une complexité superflue ou des doublons.
Aiguille dans une botte de foin & Récupération en contexte long
Problème de dégradation de l'attention des modèles linguistiques au sein d'immenses fenêtres contextuelles (1 à 2 millions de tokens), lorsque le modèle ignore les instructions enfouies au milieu du texte, et méthodes d'ingénierie pour y remédier.
Algorithmes d'alignement modernes : GRPO et DPO
Algorithmes avancés d'optimisation de la politique des modèles (Direct Preference Optimization et Group Relative Policy Optimization) qui éliminent le besoin de modèles critiques séparés et lourds lors de l'apprentissage du raisonnement.
Alibaba Qwen (Leader in Open-Source Coding and Mathematics)
A series of high-performance open-source models from Alibaba's cloud division (Qwen 2.5, Qwen Coder). Recognized as a leader among open models for code generation, mathematics, and multilingual text processing.
Analyse de documents PDF complexes (Document Parsing)
Technologies d'extraction de texte structuré à partir de fichiers PDF complexes (LlamaParse, Unstructured.io, Marker, Nougat). Explique pourquoi la simple copie de texte rompt l'ordre de lecture dans les documents à deux colonnes et comment préserver les formules, les graphiques et les tableaux imbriqués pour les systèmes RAG.
Analyse des fichiers joints (icône trombone dans le chat)
Fonctionnalité de téléchargement de fichiers pour ChatGPT, Claude et Gemini (icône trombone ou plus). Permet de transmettre aux modèles des tableaux Excel, des rapports PDF, des documents texte et des photographies pour une analyse instantanée et des calculs.
Ancrage analogique pour ingénieurs
Un système de pratiques analogiques régulières (carnets papier, tableaux physiques, promenades sans gadgets et travail manuel) destiné à réduire la surcharge synthétique et à restaurer la plasticité cérébrale.
Ancrage des faits (Grounding et citation des sources)
Méthodologie d'association des affirmations générées par le réseau de neurones à des sources primaires vérifiées (Source Grounding). Permet d'éliminer les hallucinations et d'assurer la fiabilité juridique et scientifique des réponses grâce à des références précises et des citations.
Anxiété de déqualification des développeurs
État psychologique caractérisé par la peur et l'incertitude professionnelle du développeur face au risque que, en raison d'une délégation totale du codage à l'intelligence artificielle, il perde sa capacité à écrire seul le syntaxe, les algorithmes et l'architecture.
Appels d'outils (Function Calling)
Mécanisme de bas niveau des modèles de langage permettant de générer de manière fiable des paramètres validés au format JSON pour l'exécution de fonctions dans un environnement logiciel externe.
Appels d'outils déterministes et échantillonnage grammatical
Technologie garantissant une validité syntaxique à 100 % des arguments des outils de l'agent grâce au masquage grammatical des logits (GBNF / Outlines) et à une validation stricte des schémas Pydantic/Zod.
Appels de fonctions (Function Calling / Tool Calling)
Protocole technique et standard d'interaction entre les LLM et les logiciels externes. Au lieu de générer du texte libre, le modèle retourne un JSON valide contenant le nom de la fonction et des arguments typés selon un schéma JSON Schema, permettant au backend d'exécuter des actions déterministes sur des API réelles.
Apple Silicon pour l'IA (Série M et mémoire unifiée)
L'architecture des processeurs Apple (M1/M2/M3/M4) avec mémoire unifiée (Unified Memory Architecture). Elle permet à l'ensemble de la RAM (jusqu'à 128-192 Go) d'être accessible au GPU comme VRAM, rendant possible l'exécution de très grands modèles de réseaux de neurones sans nécessiter de cartes graphiques serveur.
Apprentissage en contexte (In-Context Learning expliqué simplement)
Propriété émergente remarquable des grands modèles de langage : assimiler instantanément de nouvelles règles, des mots inconnus ou des formats uniques directement à partir du texte de la conversation en cours, sans modifier les poids du réseau de neurones ni nécessiter de programmation.
Apprentissage par renforcement à partir des retours humains (RLHF)
Méthode d'apprentissage (Reinforcement Learning from Human Feedback) qui utilise les évaluations comparatives humaines pour entraîner un modèle de récompense (Reward Model). C'est grâce au RLHF que les modèles linguistiques ont appris à être utiles, honnêtes et inoffensifs (Helpful, Honest, Harmless).
Arbre syntaxique abstrait (AST) Markdown pour les agents
Représentation hiérarchique en arbre du balisage Markdown (standard mdast / Unified.js), permettant aux systèmes logiciels et aux agents IA d'analyser, transformer et éditer de manière déterministe le contenu technique sans recourir à des expressions régulières fragiles.
Architecture et économie du Prompt Caching
Méthodologie de conception des prompts orientée vers la maximisation des taux de réussite du cache de préfixes (Prefix Caching) chez Anthropic, OpenAI et DeepSeek, permettant une réduction des coûts de 90 % et une accélération de 80 %.
Architecture Transformer
Une architecture de réseau neuronal présentée par les chercheurs de Google en 2017 dans l'article « Attention Is All You Need ». Fondement de tous les modèles linguistiques modernes (GPT, Claude, Gemini, Llama), elle a remplacé les réseaux récurrents lents et appris à traiter tout le texte simultanément en parallèle.
Architecture Zero-Trust pour serveurs IA
Paradigme de sécurité « Ne jamais faire confiance, toujours vérifier », qui exclut les mots de passe statiques, exige des certificats d'accès à durée limitée, un chiffrement mutuel mTLS et une isolation complète des secrets.
AST Chunking for Codebases
Méthodologie de découpage intelligent des fichiers de code pour la recherche vectorielle, basée exclusivement sur les limites syntaxiques du langage de programmation (Tree-sitter), plutôt que sur un découpage par nombre fixe de lignes ou de caractères.
Attaques d'extraction et d'inversion de prompts
Méthodologie d'analyse des cybermenaces visant le vol de prompts système secrets, de logique métier propriétaire et d'instructions cachées via des requêtes utilisateur manipulatoires.
Attention sous-quadratique & Mamba / Modèles d'espaces d'états
Architectures de réseaux de neurones de pointe à complexité linéaire O(N), permettant de traiter des millions de jetons de contexte avec une utilisation mémoire constante.
Auto-évaluation des résultats de recherche (Self-RAG & Corrective RAG)
Approche architecturale pour la recherche (Self-RAG et CRAG — Corrective RAG) où le modèle de langue ne génère pas aveuglément une réponse basée sur les premiers résultats trouvés, mais évalue d'abord leur pertinence et leur exhaustivité. Si les faits trouvés sont insuffisants ou douteux, le système reformule automatiquement la requête et effectue une nouvelle recherche, ou interroge le web ouvert.
AWQ & Activation-Aware GPU Quantization
Méthodes de compression des poids à 4 bits pour les modèles de langage, optimisées pour l'architecture des Tensor Cores NVIDIA afin de maximiser le débit et préserver les canaux d'activation critiques.
B
ENBases de données embarquées (SQLite & Turso / libSQL)
Technologie de bases de données relationnelles embarquées (In-Process) basée sur SQLite et le fork distribué libSQL (Turso), combinant l'absence de serveur réseau dédié avec une vitesse de lecture submilliseconde.
Bases de données vectorielles (Vector DBs & ANN Search)
SGBD spécialisées et extensions (Qdrant, pgvector, Milvus, Chroma, Turso), optimisées pour le stockage de millions de vecteurs multidimensionnels et la recherche approximative des plus proches voisins (Approximate Nearest Neighbors) ultra-rapide.
Batching continu / dynamique
Mécanisme de regroupement des requêtes entrantes vers le réseau neuronal au niveau des itérations individuelles de tokens (ordonnancement par itération), éliminant les temps morts du processeur graphique lors d'une charge parallèle.
Benchmarks pour agents : GAIA et SWE-bench
Nouvelle génération de benchmarks pratiques rigoureux pour évaluer l'autonomie de l'intelligence artificielle. GAIA teste des tâches multimodales sur le web ouvert avec fichiers et navigateur, tandis que SWE-bench vérifie la capacité des agents à trouver et corriger de vrais bugs dans de grands dépôts GitHub.
Biais d'automatisation
Biais cognitif (Automation Bias) qui pousse l'utilisateur à privilégier les conclusions d'un algorithme ou d'un modèle de langage par rapport à son propre jugement ou aux signaux évidents de la réalité, en considérant à tort la machine comme infaillible et objective.
Boucle autonome (mode /goal)
Modèle architectural de boucle fermée d'exécution des tâches, dans lequel l'agent alterne de manière autonome entre la génération de code, le lancement de commandes et la vérification des résultats jusqu'à l'atteinte complète de l'objectif défini.
Boucle d'action de l'agent (Pensée ➔ Action ➔ Observation / ReAct)
Modèle algorithmique fondamental pour le fonctionnement des agents autonomes (connu sous le nom de ReAct : Reasoning + Acting). Il consiste en une boucle infinie de trois étapes : 1) Pensée (Thought) — analyse de la situation ; 2) Action (Action) — appel d'un outil ; 3) Observation (Observation) — analyse du résultat et ajustement du plan.
Boucle d'Auto-Correction
Mécanisme d'autocorrection autonome du code par le modèle via la réception d'un retour déterministe des compilateurs, linters ou tests (Grounded Feedback Loop).
Boucles de dopamine du vibecoding
Dépendance neurophysiologique du développeur à l'excitation immédiate lors de la génération de prototypes fonctionnels, suivie d'un épuisement brutal face aux routines complexes de débogage.
Boucles infinies des agents et protection du budget (Infinite Loops)
État défaillant d'un agent autonome qui tombe dans une boucle récursive infinie d'actions en raison d'une erreur récurrente ou de l'impossibilité d'atteindre son objectif. Cet article examine les mécanismes de protection du portefeuille : limites strictes d'étapes (Max Steps), plafonds de dépenses (Spend Caps) et détection de cycles.
Bouton de validation humaine (Human-in-the-Loop / HITL)
Modèle architectural de sécurité pour les agents autonomes (Human-in-the-Loop), qui établit des points de contrôle (Approval Gates) avant l'exécution d'actions critiques. L'agent prépare l'opération (paiement, suppression de base de données, envoi d'e-mail au client), mais suspend son exécution jusqu'à l'approbation explicite d'un humain.
Brouillon de réflexion de l'agent (Scratchpad)
Zone temporaire de mémoire de travail dans la fenêtre contextuelle du modèle, où l'agent consigne ses réflexions intermédiaires, plans, doutes et conclusions avant d'appeler des outils. Masquée à l'utilisateur final pour préserver la clarté de l'interface.
Budget de réflexion (Thinking Budget dans les nouveaux modèles)
Nouveau paramètre des modèles à raisonnement hybride modernes (Claude 3.7 Sonnet, OpenAI o1/o3). Il permet à l'utilisateur de définir lui-même la limite de tokens ou de secondes que l'intelligence artificielle peut consacrer au processus de réflexion interne avant de fournir une réponse finale.
C
ENCaddy & Traefik : Proxies Ingress Modernes
La nouvelle génération de serveurs web et de proxies d'entrée (Ingress), qui automatise entièrement l'émission des certificats TLS/SSL, le routage via les étiquettes Docker et la prise en charge du protocole HTTP/3.
Capitalisation des connaissances (Intérêts composés de l'ingénierie)
Stratégie d'ingénierie visant la cristallisation continue de l'expérience en artefacts structurés (wikis Markdown, checklists, skills pour agents), assurant une croissance exponentielle de la productivité individuelle et collective.
Catastrophic Forgetting
A fundamental problem in artificial neural networks where updating weights for a new task or language overwrites previous connections, leading to the sudden and complete loss of previously acquired skills.
Chaînage de prompts (Prompt Chaining pour débutants)
Méthodologie consistant à décomposer une tâche complexe en une séquence de petits prompts ciblés (Prompt Chaining). Le résultat de la première étape est transmis comme entrée à la suivante, garantissant ainsi une haute qualité pour chaque bloc.
Chaîne de raisonnement (Chain of Thought - CoT)
Méthodologie consistant à inciter un modèle linguistique à générer des étapes intermédiaires séquentielles de raisonnement avant de formuler une réponse finale, convertissant ainsi les tokens supplémentaires (Test-Time Compute) en qualité et précision du résultat.
Chaînes de bascule de modèles (Model Fallback)
Modèle architectural de haute disponibilité pour les systèmes d'intelligence artificielle. Si le fournisseur principal du modèle renvoie une erreur de délai, dépasse la limite de débit (Erreur 429) ou tombe en panne (Erreur 500), le système redirige la requête vers un modèle de secours sans que l'utilisateur ne s'en aperçoive.
ChatGPT Canvas (Toile de travail interactive)
Interface à deux panneaux de ChatGPT pour un travail itératif sur le code et les textes. Permet de sélectionner des paragraphes spécifiques, d'ajuster la longueur, de modifier le niveau de lisibilité et de déboguer le code sans réécrire l'intégralité du document.
Chunking hiérarchique et récupération parent-enfant
Modèle architectural de recherche où la correspondance vectorielle s'effectue sur des fragments enfants courts et précis (Child Chunks), tandis que le bloc parent complet (Parent Document) est injecté dans le contexte du modèle.
Claude Artifacts (Applications interactives en direct dans le chat)
Fonctionnalité révolutionnaire de l'interface Claude d'Anthropic. Elle isole le code généré, les schémas, les diagrammes et les applications React interactives dans une fenêtre dédiée à droite, les exécute instantanément et permet aux utilisateurs de les utiliser sans installer d'environnement.
Claude Code
Agent de développement terminal officiel d'Anthropic, fonctionnant directement en ligne de commande via Claude 3.7 Sonnet avec une prise en charge native de Bash, Git, du système de fichiers et du protocole MCP.
Claude Haiku (Modèles compacts et rapides d'Anthropic)
Le modèle le plus compact et le plus rapide de la gamme Anthropic. Conçu pour des réponses ultra-rapides, la classification massive de textes, l'extraction de données et le routage agentique à un coût minimal.
Claude Opus (Modèle d'intelligence phare d'Anthropic)
Le modèle le plus puissant de la famille Anthropic. Conçu pour l'analyse philosophique et scientifique complexe, la rédaction de textes multicouches et une compréhension approfondie du contexte.
Claude Projects (Espaces de travail avec base de connaissances dédiée)
Outil d'organisation du travail dans Claude par Anthropic. Permet de créer des espaces de travail distincts pour chaque tâche, de charger jusqu'à 200 000 tokens de documentation interne et de les partager avec ses collègues.
Claude Sonnet (Claude 3.7 / 3.5 Sonnet)
Modèle d'ingénierie de référence d'Anthropic, optimisé pour la programmation complexe, le travail sur de grandes bases de code, le raisonnement hybride (Extended Thinking) et les cycles autonomes d'agents.
Clés API pour débutants (Mot de passe d'accès à l'intelligence du modèle)
Jeton secret d'accès numérique (commençant par sk-...), permettant aux applications tierces (Cursor, plugins, bots Telegram) d'interroger l'intelligence artificielle sans passer par un navigateur web. Règles fondamentales de cybersécurité.
Clés SSH (clés cryptographiques SSH)
Paire asymétrique de clés cryptographiques (publique et privée) utilisée par le protocole Secure Shell (SSH) pour l'authentification sans transmission de secrets sur un réseau non sécurisé.
Client MCP
Environnement logiciel (Claude Code, Cursor, Cline, agents SDK) qui gère le cycle de vie des connexions aux serveurs MCP, agrège les manifestes d'outils et contrôle les droits d'accès du modèle.
Cline (anciennement Claude Dev)
Agent de développement autonome open source pour VS Code, prenant en charge les clés API personnalisées (BYOK), l'intégration directe avec le protocole MCP, le terminal et un navigateur intégré.
Clonage vocal et éthique audio (Voice Cloning)
Technologie de génération d'une réplique numérique de la voix d'une personne spécifique à partir d'un court échantillon audio (de 5 secondes à quelques minutes). Elle permet le doublage vidéo dans d'autres langues avec sa propre voix, mais engendre des risques sérieux de fraude téléphonique et nécessite une vérification éthique rigoureuse.
Code auto-réparant et boucles d'exécution
Cycle d'ingénierie autonome où un agent IA modifie le code, analyse les retours du compilateur et les logs d'exécution, puis corrige itérativement ses propres erreurs jusqu'à atteindre une fonctionnalité à 100 %.
Cognitive Overload (Когнітивне перевантаження інженера)
Психофізіологічний стан вичерпання ємності робочої пам'яті (Working Memory) розробника внаслідок надлишкової кількості одночасно утримуваних змінних, абстракцій або безперервного рев'ю згенерованого коду.
ColBERT & Late Interaction Retrieval
Architecture de recherche par réseau neuronal qui compare les embeddings contextuels de chaque token individuel d'une requête avec les tokens du document (Late Interaction), surpassant la précision des vecteurs denses classiques.
Commits atomiques (Git Atomique avec IA)
Discipline consistant à sauvegarder fréquemment et de manière isolée les modifications dans le système de contrôle de version Git lors du travail avec des générateurs de code par IA. Chaque micro-fonctionnalité réussie est enregistrée dans un commit distinct, garantissant la possibilité de revenir instantanément sur les expérimentations ratées du modèle sans perdre le progrès fonctionnel.
Compétences d'agent (Agent Skills & Custom Workflows)
Modèle architectural de chargement dynamique à la demande (On-Demand Loading) de procédures spécialisées, de scripts et de modèles (SKILL.md) dans la fenêtre contextuelle de l'agent.
Connexion des bases de connaissances (Google Drive, Notion, Confluence)
Technologie d'intégration des sources de données d'entreprise avec les modèles de langage via des connecteurs prêts à l'emploi (Connectors / ETL). Synchronise automatiquement les documents mis à jour depuis Google Drive, Notion, Confluence et Slack vers une base vectorielle, sans téléchargement manuel de fichiers.
Constitutional AI (RLAIF)
Une méthode d'alignement des modèles développée par le laboratoire Anthropic (créateurs de Claude). Au lieu de recourir à des millions d'heures de travail humain, le modèle critique et corrige ses propres réponses en s'appuyant sur un ensemble clair de principes éthiques (« la Constitution »).
Contamination des benchmarks (Data Contamination)
Problème d'objectivité dans l'évaluation de l'intelligence artificielle, lorsque les questions et réponses issues de jeux de données de test standard (MMLU, HumanEval, GSM8K) sont accidentellement ou intentionnellement incluses dans les données d'entraînement du modèle, entraînant des scores artificiellement gonflés lors des présentations.
Contentieux sur le droit d'auteur (Copyright & Entraînement des IA)
Confrontation mondiale entre auteurs, artistes et médias (tels que The New York Times) et les entreprises d'IA (OpenAI, Anthropic, Meta). Analyse du concept juridique de « Fair Use » (usage loyal) et de l'avenir du licensing de contenus pour l'entraînement des modèles.
Context Switching (Coût de commutation de contexte)
Phénomène psychologique de dégradation de la productivité et d'épuisement attentionnel de l'ingénieur dû aux changements fréquents de focus entre différentes tâches, messageries, outils et chats d'agents.
Contraintes négatives et prompts anti-patterns
Méthodologie de formulation des interdictions et d'exclusion explicite des patterns d'ingénierie indésirables (Anti-Goals) dans les instructions système, afin de prévenir le code générique et superflu (AI Slop).
Contrôle de l'ordinateur par IA (Computer Use)
Technologie développée par Anthropic (introduite dans les modèles Claude 3.5 Sonnet) qui permet à un réseau neuronal de contrôler le système d'exploitation comme un humain : prendre des captures d'écran, analyser les coordonnées des fenêtres, déplacer le curseur de la souris, cliquer sur des boutons et saisir du texte sans utiliser d'API spécifiques.
ControlNet : contrôle de la pose et de la géométrie
Extension neuronale pour les modèles de diffusion (Stable Diffusion) permettant de contrôler la composition spatiale des générations via des cartes de profondeur, des contours linéaires (Canny edge) et des « squelettes » de poses humaines (OpenPose). Transforme une génération chaotique en un outil de design précis.
Coolify (PaaS auto-hébergé)
Plateforme de gestion d'infrastructure open source (PaaS auto-hébergé, alternative ouverte à Vercel, Heroku et Render) qui automatise le déploiement d'applications depuis Git, la génération de certificats SSL, la gestion des bases de données et les sauvegardes sur votre propre VPS.
Création d'un MVP à partir d'une description (Prompt-to-App)
Méthodologie de prototypage rapide d'un produit minimum viable (MVP) à l'aide d'outils d'IA (Cursor, v0.dev, Bolt.new, Lovable). Permet aux fondateurs non techniques ou aux développeurs de transformer une description d'idée commerciale en une interface web entièrement fonctionnelle avec base de données en quelques minutes.
CrewAI
L'un des frameworks Python les plus populaires pour la création d'équipes autonomes d'agents, basé sur la répartition des rôles, l'utilisation d'outils et la délégation de tâches.
Crise d'auteur : « Qui a écrit ce code ? »
État psychologique du développeur et nouvelle variante du syndrome de l'imposteur. Il survient lorsque la majeure partie de la base de code est générée par des modèles linguistiques, entraînant une perte du lien émotionnel avec le projet, un déclin de la fierté professionnelle et des doutes sur la valeur d'ingénierie personnelle.
Curation du contexte et hygiène des règles
Pratique d'ingénierie consistant à concevoir, auditer régulièrement et nettoyer les fichiers de configuration du comportement de l'agent (.cursorrules, .clinerules, AGENTS.md) pour prévenir la dégradation de l'attention du modèle.
Cursor Composer (Édition agentique multi-fichiers)
Mode d'édition agentique phare de l'éditeur de code Cursor (Ctrl+I / Cmd+I). Permet à l'intelligence artificielle de créer, modifier et relier simultanément des dizaines de fichiers du projet, d'exécuter des commandes dans le terminal et de vérifier les erreurs.
Cursor IDE
Environnement de développement (IDE) primé, conçu autour de l'IA et basé sur le noyau VS Code, intégrant le générateur multi-fichiers Composer, l'autocomplétion prédictive Cursor Tab et l'indexation vectorielle de la base de code.
D
ENDe la note vocale au cahier des charges prêt à l'emploi (Voice to Spec)
Un workflow moderne permettant de transformer un flux de conscience vocal en une spécification technique structurée (PRD / Spec). Il combine une transcription audio locale rapide avec des modèles de structuration, évitant ainsi aux développeurs de passer des heures devant un document vierge.
Déchargement et compression du KV-Cache
Méthodes matérielles et algorithmiques permettant de décharger temporairement le cache des clés et des valeurs (KV-Cache) de la mémoire vidéo GPU coûteuse vers la mémoire vive système (RAM) ou des SSD NVMe rapides.
Déclenchement de l'IA par événements via Webhooks (Event-Driven AI)
Approche architecturale d'une intelligence artificielle pilotée par les événements (Event-Driven AI). Utilise le mécanisme des Webhooks pour réveiller instantanément un modèle linguistique en réponse à des déclencheurs externes : nouveau paiement sur Stripe, commentaire Instagram, e-mail ou message Telegram.
Décodage contraint et sorties structurées
Contraintes matérielles et algorithmiques appliquées à la génération de tokens par le modèle de langage au niveau de l'inférence, garantissant mathématiquement une conformité à 100 % aux schémas JSON ou aux types Zod.
Décodage spéculatif et modèles de brouillon
Technologie d'accélération matérielle de l'inférence des grands modèles de langage, offrant un gain de vitesse de 2 à 3 fois sans perte de qualité grâce à la vérification parallèle des prédictions d'un modèle de brouillon rapide.
Découpage de documents en chunks (Chunking pour débutants)
Technique consistant à diviser de grands documents (PDF, livres, articles longs) en petits blocs textuels logiques (chunks de 300 à 500 tokens) avec chevauchement (Overlap). Assure une haute précision de recherche et évite la perte de contexte aux interfaces.
Découpage GPU et Multi-Instance GPU (MIG)
Technologie de partitionnement matériel et logiciel d'une carte graphique haute performance (NVIDIA H100 / A100 / RTX 6000) en plusieurs instances totalement isolées, optimisant ainsi le coût d'hébergement de l'inférence.
Deepfakes (audio et vidéo)
Technologie de création de contenus audio et vidéo synthétiques hautement réalistes à l'aide de réseaux neuronaux. Elle permet de substituer les visages des personnes dans les vidéos, de cloner une voix à partir d'un échantillon de 3 secondes ou de générer de faux discours de personnalités publiques.
DeepSeek (La percée chinoise dans l'IA ouverte)
Série de modèles ouverts révolutionnaires issus du laboratoire chinois DeepSeek (V3, R1). Elle démontre un niveau d'excellence inégalé en codage et en raisonnement, à un coût 10 à 20 fois inférieur aux équivalents commerciaux occidentaux.
DeepSeek-R1 (Modèle de raisonnement DeepSeek)
Un modèle de raisonnement à poids ouverts (Open Weights Reasoning Model) révolutionnaire, basé sur une architecture MoE de 671B paramètres, qui a démontré la capacité de former une pensée logique extrêmement complexe grâce à un apprentissage par renforcement pur (GRPO).
Défense contre l'injection de prompt indirecte
Ensemble de méthodes architecturales et logicielles visant à protéger les agents IA autonomes contre les instructions cachées de l'attaquant, placées dans des pages web tierces, des documents ou des API.
Dégradation du contexte (Context Rot & Attention Decay)
Baisse systémique de la précision, du respect des instructions et de la cohérence logique des LLM à mesure que le bruit dialogique, les brouillons de code obsolètes et les sorties du compilateur s'accumulent dans la fenêtre contextuelle.
Délégation aux sous-agents (Architecture multi-agents)
Modèle architectural hiérarchique pour la conception de systèmes d'IA complexes. Au lieu de tenter de tout résoudre avec un seul modèle de langage universel, on met en place un agent principal orchestrateur (Router/Manager) qui décompose les tâches et les délègue à des sous-agents spécialisés (Chercheur, Codeur, Critique).
Délégation durable des tâches (Sustainable AI Delegation)
Méthodologie pour une collaboration humaine-IA à long terme et psychologiquement saine. Elle définit les règles de répartition des tâches qui évitent deux extrêmes : la transformation du spécialiste en observateur passif ou en « nounou » épuisée d'agents autonomes instables.
Dense Embeddings
Projection mathématique de texte, de code ou de données multimodales dans un vecteur numérique dense multidimensionnel, où l'angle et la géométrie entre les coordonnées reflètent leur proximité sémantique.
Dépassement de la fenêtre de contexte et compression
Modèles d'ingénierie pour prévenir les défaillances critiques lors de l'épuisement de la limite de contexte : résumés glissants (Rolling Summaries), agrégation d'états et éviction sélective des historiques obsolètes.
Dépendance épistémique aux modèles d'IA
Incapacité psychologique et cognitive du développeur à prendre même une simple décision d'ingénierie, choisir un nom de variable ou une approche architecturale sans requête préalable et validation par l'IA.
Déploiement sans interruption de service
Méthodologie et mécanismes d'ingénierie pour mettre à jour les services de production sans interrompre le service aux utilisateurs, sans rompre les connexions TCP existantes et sans générer d'erreurs HTTP 502/503.
Dérive et dégradation du prompt système
Phénomène de perte progressive des instructions initiales, du style de réponse et des contraintes de sécurité par le modèle linguistique à mesure que l'historique de la conversation s'allonge, ainsi que les méthodes de réinjection périodique des règles.
Dette technique liée à l'IA (Dette technique du code génératif)
Accumulation exponentielle d'entropie architecturale, de défauts cachés et de dépendances non maintenables dans la base de code due à l'intégration ultra-rapide de code généré sans refactoring systémique.
Développement Humain-IA à Double Voie
Modèle organisationnel et d'ingénierie de la répartition des tâches où l'humain se concentre sur la recherche du problème, l'architecture et l'UX, tandis qu'une flotte parallèle d'agents IA implémente les modules techniques, les tests et les migrations.
Développement piloté par les spécifications (SDD)
Une méthodologie d'ingénierie logicielle de l'ère de l'IA où la création, l'alignement et la fixation d'une spécification structurée et lisible par machine précèdent obligatoirement la génération de code.
Digital Detox (Détox numérique et hygiène informationnelle)
Protocole systématique de déconnexion périodique des canaux d'information numériques, des écrans et des flux algorithmiques, visant à rétablir l'équilibre dopaminergique, consolider la mémoire et prévenir l'épuisement professionnel.
Discipline de délégation durable aux agents
Un système de règles d'ingénierie, de protocoles et de limites psychologiques permettant de coexister productivement avec des agents IA fonctionnant en continu, sans tomber dans un service de garde permanent ni l'épuisement professionnel.
Discipline de vérification du code généré
Principe d'ingénierie fondamental selon lequel tout résultat généré par une intelligence artificielle est considéré comme une hypothèse non vérifiée, nécessitant une confirmation empirique obligatoire avant son adoption.
Distillation de contexte et compression des jetons
Méthodes d'élimination automatique des mots superflus, du bruit syntaxique, des espaces de mise en forme et des messages obsolètes avant l'envoi du prompt au modèle, afin d'économiser le budget et d'accélérer l'inférence.
Distillation de modèles et transfert du raisonnement
Méthodologie de transfert des connaissances et des chaînes de raisonnement d'un modèle enseignant géant (Teacher Model) vers un modèle étudiant compact (Student Model), permettant une inférence rapide et économique.
Docker pour les agents et bots (Sandboxing de conteneurs)
Méthodologie d'isolation des agents IA autonomes, interpréteurs de code et services en arrière-plan dans des sandboxes Docker légères, utilisant cgroups et Namespaces pour prévenir la corruption du système d'exploitation hôte.
Droit d'auteur et licences à l'ère de l'IA
Statut juridique de la propriété intellectuelle pour le contenu généré par des réseaux de neurones. Précédents du Bureau du droit d'auteur américain (USCO) et de l'UE : absence de copyright sur les résultats bruts de génération, statut de l'apprentissage sur des œuvres tierces (Fair Use) et licences des modèles ouverts.
Durcissement VPS (Durcissement et sécurité Linux VPS)
Processus système de configuration et de réduction de la surface d'attaque (Attack Surface Reduction) du système d'exploitation Linux sur un serveur virtuel, via la restriction des privilèges, l'isolation cryptographique et l'audit réseau.
E
ENEffet « Perdu au milieu » (Lost in the Middle)
Asymétrie cognitive bien documentée des grands modèles de langage, identifiée dans une étude menée par l'Université Stanford. Elle démontre que la précision d'extraction de l'information est maximale au début et à la fin du contexte d'entrée, mais chute considérablement au milieu des documents longs.
ElevenLabs (Leader mondial de l'audio et de la voix génératifs)
Plateforme technologique de pointe pour la synthèse vocale (TTS) et l'intelligence artificielle vocale. Permet de transformer du texte en parole humaine vivante et émotionnelle, de cloner des voix et de doubler automatiquement des vidéos dans plus de 30 langues.
Embeddings expliqués (Comment le texte devient des nombres)
Technologie fondamentale de transformation de mots, phrases ou images en listes multidimensionnelles de nombres (vecteurs). Permet à l'ordinateur de mesurer mathématiquement la proximité sémantique entre différentes idées et concepts.
Embeddings multimodaux (Multimodal Embeddings / CLIP)
Technologie permettant de projeter différents types de médias (texte, images, audio) dans un espace vectoriel multidimensionnel commun à l'aide d'architectures telles que OpenAI CLIP ou Google SigLIP. Elle permet de rechercher des photographies par descriptions textuelles ou de trouver une musique similaire à partir d'une image.
Empêcher l'IA d'inventer : Prompts contre les hallucinations
Un ensemble de techniques d'ingénierie et de constructions verbales éprouvées qui bloquent la génération de faits fictifs, de lois inexistantes et de citations erronées. Force l'intelligence artificielle à s'appuyer strictement sur les sources fournies.
Empoisonnement du contexte dans les bases de connaissances (Context Poisoning)
Cybermenace visant les systèmes RAG, où un attaquant injecte des documents falsifiés, des instructions erronées ou des injections de prompt cachées dans une base de connaissances partagée (Notion, Confluence, Google Drive). Lors de la récupération, le système intègre ce contexte empoisonné, poussant le bot à fournir des conseils malveillants ou à divulguer des informations sensibles.
Environnements de développement éphémères pour agents IA
Des conteneurs isolés et à durée de vie courte (Devcontainers, Daytona, E2B), créés en quelques secondes uniquement pour l'exécution d'une tâche d'ingénierie par un agent, puis détruits sans laisser de traces après le commit.
Espace de travail fantôme et Git Worktrees
Méthodologie d'isolation physique complète des processus agentiques dans des arbres de travail parallèles (Git Worktrees), éliminant les blocages mutuels et permettant à l'IA de modifier et tester le code sans risque pour la branche active du développeur.
Espace latent
Un espace vectoriel mathématique multidimensionnel créé par un réseau de neurones pour représenter en interne des concepts, des styles et des images. Il permet d'effectuer des opérations arithmétiques remarquables sur les notions : par exemple, « Roi » moins « Homme » plus « Femme » égale « Reine ».
Essaims d'agents et vote par consensus
Coordination décentralisée d'un grand nombre d'agents IA homogènes ou hétérogènes, où les décisions finales sont prises via un vote majoritaire, des débats ou des algorithmes de consensus.
Exécution d'agents sans interface (Programmation nocturne)
Lancement autonome d'agents IA en arrière-plan (CLI/Docker/Cloud) sans interface graphique IDE ouverte, pour la résolution de tâches d'ingénierie longues, le refactoring et les tests.
Explique-moi le code (L'IA comme tuteur personnel de programmation)
Méthodologie d'utilisation de l'intelligence artificielle pour apprendre la programmation et comprendre le code existant. Permet de décomposer n'importe quel script complexe en analogies simples, commentaires explicatifs et analyses étape par étape.
Extension de la requête (Query Expansion & HyDE)
Technique de préparation des requêtes dans les systèmes RAG. Avant d'interroger la base vectorielle, le modèle de langage génère automatiquement des synonymes, des mots-clés ou une réponse hypothétique fictive (HyDE — Hypothetical Document Embeddings), ce qui améliore considérablement la qualité des documents récupérés.
Externalisation cognitive intelligente (Cognitive Offloading)
Stratégie psychologique consistant à déléguer les tâches mentales routinières (mémorisation de dates, mise en forme de texte, structuration initiale des idées) à des outils externes et à l'intelligence artificielle. Cela permet à l'humain de concentrer son énergie cérébrale sur la pensée critique, l'empathie et les décisions stratégiques.
F
ENFamille Llama (Meta Llama)
Série de modèles de langage fondamentaux ouverts développés par Meta (Llama 3, 3.1, 3.3), devenus le standard industriel pour l'écosystème Open Weights, l'IA locale et le fine-tuning d'entreprise.
Fan-out de sous-agents et pattern Map-Reduce pour le codage
Pattern de développement parallèle où l'agent principal décompose une tâche massive en N sous-tâches indépendantes, lance simultanément N sous-agents isolés et agrège leurs résultats dans un diff unique.
Fatigue de la touche Tab
Piège psychologique des développeurs modernes, où les suggestions d'auto-complétion grises de Copilot ou Cursor sont acceptées via la touche Tab sans lecture ni analyse attentive. Cela entraîne une perte de contrôle sur la base de code et l'apparition de bugs cachés.
Fatigue de surveillance des agents
Épuisement psychologique spécifique du développeur, causé par la nécessité de surveiller en continu le terminal et les actions d'un agent semi-autonome, dans l'attente d'une erreur destructrice ou absurde aléatoire.
Fatigue de vérification et approbation automatique
Émoussement cognitif de l'attention des ingénieurs dû au flux constant de diffs volumineux générés par l'IA, conduisant à la signature mécanique de code non vérifié en production.
Fatigue du Vibecoding
Syndrome spécifique d'épuisement mental et de dépersonnalisation du développeur, causé par une génération de code ultra-rapide sans maintien d'un modèle mental cohérent, aboutissant à la Paralyse du Débogage (Debugging Paralysis).
Fenêtre de contexte (Context Window)
Volume maximal de tokens qu'un modèle linguistique peut maintenir simultanément dans le mécanisme d'auto-attention et la mémoire du cache KV lors du calcul d'une requête d'inférence.
Fichier .cursorrules (Règles du projet pour l'IA)
Fichier de configuration spécial à la racine du dépôt (.cursorrules). Il transmet automatiquement au modèle les règles de style de code, la stack technologique, les bibliothèques interdites et les contraintes architecturales avant chaque génération.
Fichiers LoRA pour les styles et les visages (Low-Rank Adaptation)
Technologie d'entraînement rapide et léger des modèles d'images (Stable Diffusion, FLUX). Elle crée des fichiers compacts de 20 à 200 Mo qui se connectent au modèle principal comme un plugin interchangeable, ajoutant un personnage spécifique, le style d'un artiste ou une esthétique visuelle.
Filtrage des métadonnées vectorielles et routage hybride
Technologie combinant la recherche vectorielle sémantique avec des filtres SQL/NoSQL déterministes stricts sur les champs (tenant_id, version, role, date) avant le calcul des distances vectorielles.
Filtrage par métadonnées dans RAG (Metadata Filtering)
Technique de recherche combinée dans les bases de données vectorielles (Self-Querying Retriever). Permet de combiner la recherche sémantique avec des filtres stricts de base de données basés sur les métadonnées : date de publication, auteur du document, niveau d'accès, langue ou département de l'entreprise.
Fine-Tuning
Processus d'adaptation d'un grand modèle pré-entraîné à une tâche ou un style spécifique à l'aide d'un petit jeu de données de haute qualité (Supervised Fine-Tuning, SFT). Permet d'apprendre à l'IA la terminologie médicale, le ton corporatif ou le formatage de code spécifique en quelques heures.
FLUX.1 (Le roi moderne de la photoréalité)
Modèle de génération d'images de pointe développé par Black Forest Labs (les créateurs de Stable Diffusion). Il est reconnu pour son photoréalisme impeccable, sa capacité à dessiner parfaitement les mains et les doigts, ainsi que pour son aptitude à générer du texte imprimé net.
Framework LangChain
Le framework open source le plus populaire (disponible en Python et TypeScript) pour la création d'applications basées sur les grands modèles de langage. Il offre des centaines de modules prêts à l'emploi pour intégrer les LLM avec des documents, des bases de données vectorielles, des outils API et une mémoire (Chains).
Framework MLX pour Apple Silicon
Bibliothèque native d'apprentissage automatique conçue par Apple, optimisée pour tirer pleinement parti de la mémoire unifiée et des cœurs graphiques des puces de la série M (M2/M3/M4) lors de l'exécution de grands modèles de langage (LLM).
Fuite de données via les chatbots (Data Leakage)
Risque de compromission des secrets d'entreprise, des mots de passe et des données personnelles sensibles en raison de leur transmission involontaire à des chatbots cloud publics (ChatGPT, Claude, Copilot). Comment sécuriser les comptes et désactiver l'entraînement des modèles sur vos requêtes.
Fuite du prompt système (Prompt Leakage)
Vulnérabilité de l'intelligence artificielle où, grâce à des formulations astucieuses, un utilisateur force le bot à citer littéralement ses instructions cachées (System Prompt), révélant ainsi la logique métier, les règles de comportement et les secrets internes des développeurs.
Fusion de modèles et Frankensteinisation
Technique de fusion des poids de deux ou plusieurs modèles linguistiques distincts sans réentraînement sur GPU (SLERP, DARE, Ties-Merging), permettant de créer des modèles hybrides aux compétences synergiques.
G
ENGarde-fous et limites de sécurité
Couche logicielle de filtres déterministes, de validateurs de schéma et de politiques de sécurité qui intercepte les prompts d'entrée, les commandes système et les réponses des modèles pour prévenir les pannes, les fuites de données et les exploits.
Gemini Flash & Pro (Google Gemini)
La famille de modèles multimodaux de Google DeepMind, qui combine une fenêtre contextuelle record (jusqu'à 2 millions de tokens), une vitesse de génération extrême (plus de 150 tokens/s) et une perception native de la vidéo et de l'audio.
Gemini Nano & Edge AI (IA directement dans le smartphone sans internet)
La version la plus compacte de l'intelligence artificielle de Google, optimisée pour une exécution locale sur les puces des smartphones (NPU). Elle assure la synthèse d'enregistrements audio, les réponses intelligentes et le traitement photo entièrement hors ligne.
Génération automatique de tests (l'IA écrit les vérifications pour son propre code)
Méthodologie de création automatisée de tests unitaires, d'intégration et E2E (via Vitest ou Playwright) à l'aide de l'intelligence artificielle. Garantit un contrôle qualité déterministe et prévient les régressions du code.
Génération de données synthétiques et pré-entraînement
Technologie de génération, de filtrage automatique et de vérification formelle des jeux de données d'entraînement par intelligence artificielle pour pallier le déficit de données humaines de qualité.
Génération synthétique de boilerplate (Synthetic Boilerplate)
Pratique consistant à générer entièrement du code répétitif et standardisé (boilerplate) à l'aide d'un LLM. Cela inclut la création automatique d'interfaces TypeScript, de schémas de validation Zod, de migrations de bases de données (SQL/Drizzle/Prisma), de clients API et de fichiers de configuration, sans saisie manuelle.
Gestion du budget de tokens et gouvernance des coûts
Système de gestion financière imposant des limites strictes (Hard Limits) sur les dépenses en tokens et optimisant le coût par tâche réussie lors de l'utilisation de modèles d'IA.
GGUF & Modern Quantization Standards
Universal binary file format for storing and instantly loading quantized language models on CPUs and GPUs in llama.cpp, Ollama, and LM Studio.
GitHub Copilot (Complétion de code via la touche Tab)
Le service le plus connu d'intelligence artificielle pour la complétion automatique de code, développé par GitHub et Microsoft. Il fonctionne au sein de VS Code et JetBrains : il analyse les mouvements du curseur du développeur et propose des lignes ou des fonctions complètes en appuyant sur la touche Tab.
GitHub Copilot Workspace
Environnement de développement agentique basé sur le cloud proposé par GitHub, qui transforme les GitHub Issues en Pull Requests entièrement spécifiées et testées, sans nécessiter de clonage local du dépôt.
Google AI Studio : clés API Gemini gratuites
Le bac à sable officiel de Google : comment obtenir une clé API Gemini gratuite sans carte bancaire, configurer les prompts système et les limites de contexte de 2 millions de tokens.
Google Gemini Pro (Modèle Google à contexte illimité)
Le modèle de travail principal de Google DeepMind, doté d'une fenêtre de contexte record de plus de 2 millions de tokens. Il est capable d'analyser en une seule requête des livres entiers, des vidéos chronométrées et des bases de code massives.
GPT Image / DALL-E (Génération d'images dans ChatGPT)
Outil intégré de génération de contenu visuel directement dans l'interface de dialogue avec ChatGPT. Permet de créer des illustrations, du concept art, des affiches et de modifier localement des parties spécifiques d'une image.
GPT Mini (Modèles compacts de la série GPT-4o mini)
Version économique et ultra-rapide des modèles phares d'OpenAI. Optimisée pour les tâches quotidiennes à grande échelle, les réponses instantanées, la classification de textes et l'économie de quotas.
GPT personnalisés (Chatbots sur mesure dans ChatGPT)
Fonctionnalité de ChatGPT permettant de créer des assistants miniaturisés et personnalisés pour des tâches spécifiques. Elle permet de charger vos propres fichiers, de définir des instructions permanentes, d'activer la génération d'images et de connecter des API externes sans écrire une seule ligne de code.
GPU ou CPU pour l'IA : quelles sont les différences ?
Comparaison approfondie des processeurs centraux (CPU) et graphiques (GPU) pour les tâches d'apprentissage automatique. Explication de la différence fondamentale entre latence (Latency-oriented) et débit (Throughput-oriented), du débit de bande passante mémoire (DDR5 vs HBM3e) et du benchmarking en CLI.
Graphes de connaissances du code (Graphify)
Construction de graphes AST sémantiques des appels, classes, types et relations dans un projet (Graphify), permettant à l'agent d'identifier précisément les fichiers pertinents sans surcharger le prompt.
GraphRAG : Recherche par graphe de connaissances
Évolution de l'architecture RAG issue de Microsoft Research. Combine la recherche sémantique classique basée sur les vecteurs avec un graphe de connaissances (Knowledge Graph), où les documents sont transformés en nœuds d'entités (personnes, entreprises, lieux) et en arêtes représentant leurs relations, permettant ainsi de répondre à des questions complexes et globales sur l'ensemble du corpus de données.
GraphRAG & Récupération de Graphes de Connaissances
Nouvelle génération de systèmes de récupération augmentée par la génération (GraphRAG), combinant la recherche vectorielle sémantique avec des graphes de connaissances pour synthétiser des conclusions globales sur de vastes bases de connaissances.
H
ENHallucinations & Confabulations
Génération par un modèle linguistique d'informations factuellement fausses, inventées ou inexistantes (bibliothèques, méthodes API, citations), exprimées avec une forte probabilité de certitude.
Hard Compiler & Linter Gates
Pratique de rollback immédiat et irréversible ou de blocage des modifications par l'agent IA si le compilateur (tsc, rustc) ou un linter rapide (Biome, Ruff) retourne un code de sortie non nul.
Hébergement VPS (Serveur Privé Virtuel)
Modèle de fourniture de ressources informatiques isolées via un hyperviseur matériel (KVM), offrant un accès root complet au système d'exploitation Linux pour le déploiement de systèmes autonomes.
Hermes Agent & Hedonist Orchestrator
Écosystème d'agents souverain de la communauté Andriy Orlov, transformant un compte Telegram personnel en véritable tableau de bord pour Linux VPS, pipelines multimodèles et workflows autonomes.
Hetzner Bare-Metal vs Cloud Hyperscalers
Analyse financière et technique du coût de l'infrastructure : pourquoi la location de serveurs dédiés dans des datacenters européens (Hetzner, OVH) est 5 à 10 fois moins chère que les machines virtuelles AWS/GCP pour les charges de travail IA.
Hiérarchisation des chunks (Hierarchical Chunking / Parent-Child)
Stratégie avancée de découpage de documents (Parent-Document Retriever) pour les systèmes RAG. Le texte est divisé en petits chunks enfants (Child Chunks) pour une recherche vectorielle ultra-précise, mais c'est le chapitre parent complet (Parent Chunk) qui est transmis au contexte du modèle afin de préserver la portée globale et de ne pas perdre le sens.
HITL piloté par les interruptions et points d'arrêt
Modèle de conception pour les systèmes agentiques permettant la mise en pause, l'injection de corrections humaines et la reprise sécurisée de l'état (Resume) avant l'exécution d'actions critiques.
Hugging Face Hub
Plateforme mondiale de premier plan et dépôt ouvert pour la communauté de l'intelligence artificielle (le « GitHub des réseaux de neurones »). Il contient des centaines de milliers de modèles, de jeux de données et de démonstrations web gratuites (Spaces), tout en prenant en charge tous les principaux frameworks d'IA.
Human-in-the-Loop (HITL)
Pattern fondamental de sécurité et d'architecture dans lequel l'exécution autonome des processus est interrompue à des points de contrôle définis pour une expertise, une vérification et une approbation humaines obligatoires.
Hygiène des secrets et sécurité Git (.env)
Ensemble de pratiques d'ingénierie, de coffres-forts cryptographiques et de scanners pre-commit (Gitleaks, Doppler, Infisical) pour une gestion sécurisée des clés API, des jetons et des mots de passe sans risque de fuite dans l'espace public.
I
ENIA locale autonome et confidentialité des données
Pratique consistant à exécuter des modèles d'apprentissage automatique entièrement sur votre propre matériel physique, sans connexion Internet (IA Air-Gapped). Garantit une protection à 100 % contre la fuite de secrets commerciaux, les violations des données personnelles (RGPD/HIPAA) et les défaillances des fournisseurs cloud.
Identité d'agent et DID (Identifiants Décentralisés)
Standards cryptographiques (DID, Verifiable Credentials, mTLS) garantissant aux agents IA autonomes une identité juridiquement et techniquement reconnue, le droit de signature et l'audit des actions.
Indexation du code
Processus complet incluant l'analyse syntaxique (AST), l'extraction des symboles, la construction du graphe d'appels et l'indexation vectorielle-lexicale du dépôt pour une recherche contextuelle pertinente ultra-rapide.
Inférence locale de LLM (Local LLM Inference)
Exécution autonome de grands modèles de langage directement sur le matériel du développeur (Apple Silicon, GPU NVIDIA), garantissant une confidentialité absolue et une dépendance nulle à Internet.
Infrastructure immuable et Cloud-Init
Paradigme de gestion des serveurs où les instances ne sont jamais modifiées manuellement après le déploiement : toute mise à jour ou modification de configuration s'effectue par la création d'une nouvelle instance standardisée.
Ingénierie des prompts (Architecture de contexte & Prompt Engineering)
Discipline d'ingénierie consistant à structurer les directives système, le balisage XML, les délimiteurs sémantiques et les exemples afin d'obtenir des résultats déterministes et prévisibles issus de modèles probabilistes.
Ingénierie inverse des prompts (Prompt Inversion / Extraction)
Attaque visant la sécurité des applications d'IA (Prompt Extraction / Prompt Inversion), conçue pour voler le prompt système caché, la logique commerciale ou les instructions privées de l'entreprise via des pièges conversationnels spécialement formulés.
Ingénierie Spécification-First (Développement IA piloté par RFC)
Une méthodologie de développement assistée par l'IA où 80 % des efforts du développeur sont consacrés à la rédaction d'une spécification technique cristalline (PRD/RFC) avant la génération de la première ligne de code.
Injection de prompt (Prompt Injection)
Vulnérabilité critique des systèmes basés sur les LLM (OWASP Top 10 for LLM #1). Elle résulte de l'absence de séparation architecturale entre les instructions de contrôle (Control Plane) et les données externes (Data Plane), permettant à un attaquant de détourner le contrôle du modèle.
Inpainting et Outpainting (Édition et extension de photos)
Techniques d'édition sélective d'images par réseau neuronal. L'inpainting remplace ou supprime un objet à l'intérieur d'une zone sélectionnée (masque) en préservant la lumière et la texture. L'outpainting (Generative Fill) génère de nouveaux espaces au-delà des limites originales de la photographie.
Instructions système (System Prompt et Instructions personnalisées)
La directive cachée principale du développeur ou de l'utilisateur (Message Système). Elle définit les cadres fondamentaux du comportement, le rôle, le style de communication et les sujets interdits que le modèle conserve tout au long de la session.
Intelligence artificielle en périphérie dans les objets connectés (Edge AI)
Concept consistant à exécuter des algorithmes d'apprentissage automatique directement sur les dispositifs physiques terminaux (Edge Devices : smartphones, caméras de surveillance, capteurs médicaux, véhicules) sans transmettre les données vers des datacenters cloud distants. Garantit une réactivité instantanée en millisecondes, une autonomie complète et la confidentialité des données.
Intelligence artificielle générale (AGI)
L'intelligence artificielle générale (Artificial General Intelligence) est un système autonome hypothétique capable de comprendre, d'apprendre et d'exécuter n'importe quelle tâche intellectuelle au niveau humain ou de surpasser l'humain dans la plupart des secteurs économiques à forte valeur ajoutée.
Intelligence artificielle superintelligente (ASI)
Étape hypothétique du développement de l'intelligence artificielle où les capacités de calcul et d'analyse du système surpasseraient, dans toutes les disciplines scientifiques, créatives et pratiques, l'intelligence cumulée de tous les êtres humains par un facteur de plusieurs millions. C'est le principal sujet de débat scientifique concernant l'avenir de la civilisation.
J
ENK
ENL
ENL'avenir de la créativité et l'authenticité
Transformation de la valeur de l'art humain, du copywriting et du design à une époque où les réseaux de neurones génèrent des millions d'illustrations et de pistes en quelques secondes. Explique pourquoi, dans un monde de contenu générique gratuit, l'avantage concurrentiel majeur réside dans l'expérience de vie personnelle, le goût artistique et l'imperfection sincère.
L'avenir des développeurs juniors à l'ère de l'IA
Analyse de la transformation du marché du travail pour les profils juniors. Pourquoi l'automatisation des tâches routinières élimine les stages classiques, tout en offrant aux débutants le super-pouvoir de créer seuls des produits complets.
L'État d'esprit du Rédacteur en Chef (The Editor Mindset)
Transformation du rôle du spécialiste (rédacteur, développeur, designer) passant de « simple exécutant » à celui de « rédacteur en chef et directeur artistique exigeant », où le goût, le curation, l'élimination critique des superflus et la validation finale deviennent les compétences clés.
L'IA comme canard en caoutchouc (Rubber Ducking)
Évolution moderne de la méthode d'ingénierie classique du Rubber Duck Debugging. Utilisation d'un modèle linguistique non pas comme générateur de réponses toutes faites, mais comme un interlocuteur intellectuel patient à qui l'on explique son problème étape par étape, trouvant ainsi la solution au cours de la narration.
L'IA comme code reviewer (Détection de bugs avant la release)
Méthodologie d'utilisation des modèles de langage en tant qu'ingénieur senior rigoureux pour l'audit automatique du code (Code Review). Identifie les failles de sécurité cachées, les fuites mémoire et les erreurs architecturales avant le déploiement de l'application.
L'IA comme un vélo pour l'esprit (Bicycle for the Mind)
Concept philosophique et produit selon lequel l'intelligence artificielle n'est pas considérée comme un substitut autonome de l'humain ou un pilote automatique, mais comme un amplificateur de l'intelligence humaine qui multiplie l'efficacité de la pensée propre.
L'illusion de la compétence (Ілюзія інженерної компетентності)
Biais cognitif selon lequel la facilité et la rapidité d'obtention du code généré par le modèle créent chez le développeur la fausse conviction qu'il comprend personnellement les principes fondamentaux du fonctionnement du système.
La magie de la phrase « Pense étape par étape » (Step-by-Step)
Technique légendaire d'ingénierie des prompts (Zero-Shot Chain-of-Thought). L'ajout de la phrase magique « Pense étape par étape » force le réseau neuronal à dérouler une chaîne de calculs intermédiaires, réduisant le nombre d'erreurs logiques de 50 à 70 %.
LangGraph
Framework bas niveau de l'équipe LangChain pour construire des systèmes multi-agents déterministes et cycliques sous forme de machines à états (State Machines), avec un support complet de la persistance.
Laya Open Decision Engine
Laya — un moteur de décision open source sous licence Apache 2.0, basé sur ModernBERT-large, permettant la sélection instantanée d'actions à partir de l'état de l'agent (JSON/texte) en un seul Forward Pass (~33–35 ms sur GPU auto-hébergé). Il résout le problème des boucles ReAct LLM coûteuses dans les contextes de routage à haut QPS, de garde-fous (Guardrails) et d'agents locaux, en remplaçant une partie du raisonnement par une classification calibrée de type Système 1.
Le monopole de Nvidia et la plateforme CUDA
Analyse de la domination technologique et économique de Nvidia sur le marché de l'intelligence artificielle. Comment la plateforme logicielle CUDA (Compute Unified Device Architecture), créée en 2006, a transformé les cartes graphiques de jeu ordinaires en l'outil de calcul principal de la planète, et pourquoi il est si difficile pour les concurrents (AMD, Intel) de briser ce monopole.
Le mythe de la création d'application en un seul prompt (One-Shot Myth)
Erreur fréquente chez les débutants en vibe coding, alimentée par les vidéos publicitaires sur TikTok. Tenter de décrire une marketplace complète ou un système CRM dans un seul message entraîne inévitablement une perte de contexte, des fichiers manquants, des boutons non fonctionnels et une architecture fragile.
Le paradoxe de Jevons dans l'ingénierie IA
L'effet économique du paradoxe de Jevons dans l'ingénierie assistée par IA : la réduction du coût marginal de génération de code et du time-to-PR augmente le volume global des modifications, la charge sur les relecteurs et la dette technique. La transition architecturale vers une génération de code à haut débit (high-throughput codegen) nécessite des budgets explicites, des portes de vérification (verification gates) et des métriques de débit de revue, plutôt qu'une optimisation linéaire de la latence d'inférence.
Le piège de l'hyper-productivité
Un piège psychologique où une accélération quintuplée de la création de code ne libère pas de temps pour le repos, mais entraîne une exigence de livrer dix fois plus de fonctionnalités, conduisant à un épuisement professionnel rapide et sévère.
Le piège de la déqualification (Deskilling Trap)
Risque professionnel de perte des connaissances fondamentales, de la pensée critique et de la capacité à résoudre indépendamment des problèmes techniques, dû à l'habitude d'accepter aveuglément les réponses générées par l'intelligence artificielle. Explique pourquoi, sans compréhension de base, un spécialiste perd la capacité de détecter les erreurs du modèle.
Le Syndrome de la Page Blanche
Piège psychologique de l'ère du vibe coding agentique : la tentation de supprimer entièrement un dépôt complexe (rm -rf) et de repartir à zéro, plutôt que de procéder à une refactorisation structurelle de la dette technique accumulée.
Le test de Turing et pourquoi il est obsolète (Test de Turing)
Test historique de l'intelligence artificielle proposé par Alan Turing en 1950. Il évalue la capacité d'une machine à mener un dialogue textuel avec une vraisemblance telle qu'un humain ne puisse la distinguer d'un autre être humain vivant. Il explique pourquoi, avec l'avènement des modèles de langage, ce test a perdu sa pertinence scientifique.
Les tokens expliqués simplement (Combien de mots dans un token)
Unité de base de mesure du texte dans les modèles de langage. Explication de la manière dont les mots sont divisés en tokens, de l'impact sur le coût des requêtes et de la raison pour laquelle les mots ukrainiens consomment plus de tokens que les mots anglais.
Limitation de débit (Rate Limiting) et protection de l'API
Mécanisme système de contrôle de l'intensité du trafic entrant et sortant (Token Bucket, Sliding Window) pour protéger le backend contre l'épuisement des ressources, les attaques par force brute, les DDoS de couche 7 et le dépassement budgétaire sur les points d'accès IA.
Limite de tokens de sortie (Pourquoi le texte s'arrête en plein milieu d'un mot)
La limite matérielle ou logicielle sur la longueur maximale d'une seule réponse (Max Output Tokens). Cette section explique pourquoi du code long ou des articles peuvent parfois s'interrompre abruptement, et comment l'instruction magique « Continue » permet à la modèle de reprendre son travail.
Limites de débit et erreur 429 (Trop de requêtes)
Restrictions des fournisseurs sur la fréquence et le volume des appels aux modèles (RPM — requêtes par minute, TPM — tokens par minute). Explication des causes de l'erreur 429 et stratégies pour la contourner.
Linters et correcteurs automatiques pour l'IA (Linters & Formatters)
Outils d'analyse statique de code (ESLint, Prettier, Biome, Ruff) intégrés au processus de génération par IA. Ils vérifient automatiquement la conformité syntaxique du code généré, détectent les imports manquants ou les parenthèses oubliées, et harmonisent le style du code selon un standard unique avant l'exécution.
Litestream & Continuous SQLite Cloud Streaming
Technologie de réplication continue en arrière-plan du journal WAL (Write-Ahead Log) de la base de données intégrée SQLite vers un stockage cloud compatible S3, avec une perte de données nulle (RPO < 1 s).
LLM (Large Language Model - Grand modèle de langage)
Classe fondamentale d'architectures de réseaux neuronaux basée sur le transformateur autorégressif, qui prédit la distribution probabiliste des tokens suivants et démontre des propriétés émergentes de pensée abstraite, de synthèse de code et de raisonnement logique.
LM Studio
Application de bureau gratuite pour Windows, macOS et Linux permettant de trouver, télécharger et exécuter des LLM open source en un clic, sans utiliser le terminal. Intègre un serveur local compatible avec l'API OpenAI.
LMSYS Chatbot Arena (Classement ELO)
Plateforme collaborative et ouverte de test A/B en aveugle pour les LLM, qui évalue la performance relative des modèles linguistiques à l'aide du modèle statistique Bradley-Terry et du classement Elo échiquéen.
Location horaire de cartes graphiques dans le cloud (RunPod & Vast.ai)
Plateformes de location décentralisée et cloud de processeurs graphiques (GPU) telles que RunPod, Vast.ai et Lambda Labs. Elles permettent aux développeurs et aux passionnés de louer des cartes graphiques puissantes (Nvidia RTX 4090, A100, H100) avec une facturation à la seconde ou à l'heure, sans avoir à acheter du matériel physique coûteux.
Lois d'échelle de l'IA (Scaling Laws)
Loi empirique établie par OpenAI et Google (formulée par Jared Kaplan en 2020), qui stipule que les performances d'un modèle linguistique augmentent de manière prévisible selon une loi de puissance lorsque trois facteurs sont accrus : le nombre de paramètres du modèle, le volume des données d'entraînement et la puissance de calcul utilisée (Compute).
M
ENMachine Unlearning
Technologie permettant de supprimer chirurgicalement des connaissances spécifiques, des données privées d'utilisateurs ou des matériaux soumis à un droit d'auteur limité des poids d'un réseau neuronal déjà entraîné. Elle permet aux entreprises de se conformer aux exigences légales relatives au « droit à l'oubli » (RGPD) sans recourir à un réentraînement complet du modèle, dont le coût serait prohibitif.
Marqueurs de code généré par IA (AI Code Smells)
Antipatterns typiques et marqueurs de code synthétique (« code malodorant » issu de l'IA). Commentaires superflus et évidents, duplication des utilitaires dans chaque fichier, mocks factices et blocs try-catch absurdes qui trahissent une génération non vérifiée.
MCP (Model Context Protocol)
Standard ouvert d'Anthropic basé sur JSON-RPC 2.0 pour une connexion bidirectionnelle unifiée des assistants IA aux outils externes, bases de données et environnements système.
Mécanisme d'auto-attention (Self-Attention)
Mécanisme mathématique clé de l'architecture Transformer, permettant à chaque mot d'une phrase de pondérer dynamiquement l'importance des autres mots qui l'entourent. Grâce à cela, le modèle distingue les homonymes et associe correctement les pronoms (« il », « elle », « ce ») aux entités appropriées.
Mémoire à court et long terme des agents
Architecture de mémoire hiérarchique pour les agents autonomes. Distinction entre la mémoire à court terme (Short-Term Memory — fenêtre contextuelle active de la session en cours) et la mémoire à long terme (Long-Term Memory — bases de données vectorielles, fichiers de profil utilisateur et journaux épisodiques).
Mémoire ChatGPT (Sauvegarde des faits entre les conversations)
Fonctionnalité de mémoire à long terme de ChatGPT (Memory). Permet à l'intelligence artificielle de retenir votre nom, profession, technologies préférées, format de réponse et détails personnels entre des chats totalement différents.
Mémoire de l'agent
Sous-système complet de stockage, de filtrage et de récupération de données qui transforme les appels LLM sans état (stateless) en un système avec état (stateful), allant du tampon scratchpad à court terme au magasin de connaissances multi-session.
Mémoire épisodique vs mémoire sémantique des agents
Séparation architecturale de la mémoire d'un agent IA entre une base factuelle à long terme (mémoire sémantique) et un journal chronologique des événements spécifiques aux sessions de travail (mémoire épisodique).
Mémoire vidéo (VRAM) pour l'IA
La mémoire vidéo (Video RAM) du processeur graphique, dans laquelle sont chargés les poids des réseaux de neurones et la fenêtre de contexte. C'est le principal goulot d'étranglement matériel : si un modèle ne tient pas dans la VRAM, il ne démarrera pas ou fonctionnera dix fois plus lentement sur un processeur standard.
Meta Llama (Le standard ouvert de référence pour l'IA)
La série phare des modèles de langage ouverts de Meta (Llama 3, 3.3). Disponible en téléchargement libre, modifiable et exécutable localement sur vos propres serveurs sans restrictions ni censure.
Méta-prompting (l'IA améliore votre prompt à votre place)
Technique de conception de requêtes de haut niveau (Meta-Prompting). Plutôt que de formuler vous-même des instructions complexes, vous confiez à un modèle puissant la tâche de rédiger, structurer et tester le prompt idéal pour votre besoin.
Microsoft AutoGen
Framework open source de référence de Microsoft pour la création de systèmes conversationnels multi-agents. Il permet d'orchestrer plusieurs agents IA aux rôles et compétences variés au sein d'un GroupChat, où ils discutent, génèrent du code, le testent et collaborent pour atteindre des objectifs métier.
MicroVMs (Firecracker & Cloud Hypervisor)
Technologie de micro-machines virtuelles ultra-rapides et isolées, basées sur Linux KVM (Firecracker, Cloud Hypervisor), démarrant en 5 à 50 millisecondes pour l'exécution sécurisée du code des agents.
Midjourney (Plateforme de conception artistique de premier plan)
Générateur d'images propriétaire de premier plan offrant le plus haut niveau d'esthétique artistique. Référence de l'industrie pour les designers, cinéastes, concept artists et créatifs publicitaires.
Mise en cache des prompts (Prompt Caching & Reuse of KV Cache)
Technologie des moteurs d'inférence modernes et des API cloud (Anthropic, OpenAI, DeepSeek, vLLM) qui conserve les matrices d'attention précalculées (KV Cache) du préfixe statique, réduisant le coût de traitement de 80 à 90 % et le temps jusqu'au premier token (TTFT) d'un facteur de 4 à 8.
Mise en cache des prompts (Prompt Caching)
Technologie d'optimisation de l'inférence pour les grands modèles de langage (Anthropic Claude, OpenAI, Google Gemini). Elle stocke dans la mémoire des serveurs les vecteurs d'attention déjà calculés de la partie statique du prompt d'entrée (grands livres, bases de code ou instructions système), réduisant le coût des appels répétés de 50 à 90 %.
Mistral AI (Modèles ouverts et efficaces européens)
Série de modèles ouverts et commerciaux hautement performants issus de la startup française Mistral AI (Mistral 7B, Mixtral 8x7B, Mistral Large). Réputés pour leur compacité, leur rapidité et le respect de la confidentialité des données.
Mode Vocal Avancé (Conversation en temps réel avec l'IA)
Technologie native de communication vocale bidirectionnelle en temps réel (ChatGPT Advanced Voice, Gemini Live). Permet d'interagir avec le modèle avec une latence inférieure à 300 ms, de l'interrompre en cours de phrase et de percevoir des émotions réalistes.
Modèle de décision Jev
Jev est un modèle System 1 commercial, non autorégressif, développé par TypeSafe AI pour des décisions typées rapides dans les boucles agentiques. Il retourne un objet de décision validé en 70 à 500 ms pour environ 0,042 $/1M tokens d'entrée, éliminant ainsi les hallucinations de syntaxe JSON et le routage à haute latence dans les stacks ReAct/Tool Calling.
Modèle de réflexion (Réflexion)
Modèle architectural visant à améliorer la fiabilité des agents, qui sépare le processus en génération de solution (Generator), audit critique (Critic) et raffinement itératif (Refiner).
Modèle ReAct (Raisonnement + Action)
Modèle algorithmique fondamental pour les agents autonomes, alternant entre des étapes de raisonnement interne (Thought), l'exécution d'outils externes (Action) et l'analyse du résultat obtenu (Observation).
Modèle Superviseur (Multi-Agent Hiérarchique)
Modèle architectural d'organisation des agents IA où un agent superviseur central gère le cycle de vie, la décomposition des tâches et la délégation à un pool de workers spécialisés.
Modèles de diffusion (Diffusion Models)
Architecture des modèles génératifs (Stable Diffusion, Midjourney, FLUX) fondée sur les principes de la thermodynamique hors équilibre. Elle fonctionne en deux étapes : la diffusion directe (destruction progressive de l'image par un bruit aléatoire) et la diffusion inverse (nettoyage étape par étape du bruit jusqu'à une image nette, guidé par une description textuelle).
Modèles de langage visuel (Vision Language Models / VLM)
Des modèles multimodaux qui combinent la capacité à percevoir des images visuelles (via une segmentation en patches) avec l'intelligence textuelle des LLM. Ils permettent de reconnaître des objets sur les photos, d'analyser des graphiques complexes, de lire des reçus et de comprendre les interfaces.
Modèles de pointe (Frontier Models)
La classe d'intelligence artificielle la plus puissante à l'avant-garde de la recherche mondiale (Claude 3.7 Sonnet, OpenAI o3/GPT-4.5, Gemini 2.0 Pro), définissant les limites actuelles des capacités de raisonnement, d'autonomie et de codage.
Modèles de raisonnement
Nouvelle génération de modèles d'intelligence artificielle (OpenAI o1/o3-mini, DeepSeek-R1, Claude 3.7 Extended Thinking) qui exploitent le calcul au moment du test (Test-Time Compute) et une chaîne de pensée interne pour vérifier les hypothèses.
Modèles de Récompense par Processus (PRM)
Modèles d'évaluation IA qui analysent la validité de chaque étape logique individuelle ou appel d'outil de l'agent, empêchant l'accumulation d'erreurs avant l'obtention du résultat final.
Modèles Docker Compose de niveau production
Standards d'ingénierie pour le déploiement sécurisé de services multi-conteneurs sur VPS, sans la complexité superflue de Kubernetes : limitations de ressources, réseaux isolés, healthchecks et gestion des secrets.
MoE (Mixture of Experts)
Approche architecturale en apprentissage profond où les couches entièrement connectées lourdes des transformeurs sont divisées en dizaines de sous-réseaux spécialisés (« experts »), tandis qu'un routeur dynamique n'active qu'une petite partie d'entre eux pour chaque token individuel.
Monte Carlo Tree Search pour les agents (MCTS)
Approche algorithmique de planification des actions des agents IA, combinant recherche heuristique, évaluation des états intermédiaires et backtracking pour trouver des solutions optimales dans un espace de haute complexité.
Moteurs haute vitesse TensorRT-LLM & SGLang
Moteurs de calcul compilés en profondeur pour une optimisation extrême de l'inférence des modèles de langage sur les serveurs NVIDIA, avec optimisation des graphes, FlashAttention-3 et routage avancé.
N
ENNavigateurs headless (Playwright & Puppeteer)
Technologie de pilotage programmatique de navigateurs complets (Chromium, Firefox, WebKit) en arrière-plan sans interface graphique, destinée au rendu de SPA complexes, aux tests automatisés et aux agents web.
Navigation autonome et contrôle d'ordinateur
Technologie de pilotage multimodal de l'interface graphique utilisateur (GUI) via la perception visuelle des captures d'écran, l'émulation du curseur, des clics et du clavier, sans utilisation d'API.
Negative Prompts in Image Generation
A control mechanism for generation in diffusion models (Stable Diffusion, Midjourney --no) that directs the mathematical noise-cleaning vector away from undesired imagery. Used to filter out artifacts such as extra limbs, blurriness, watermarks, and cartoonish styles.
Niveaux d'utilisation API (Usage Tiers)
Système de classification des comptes développeurs chez les fournisseurs d'intelligence artificielle (OpenAI, Anthropic). Il définit les limites de débit (RPM — requêtes par minute, TPM — jetons par minute) et les plafonds financiers quotidiens, qui augmentent automatiquement à mesure que les factures sont payées avec succès et que la sécurité est confirmée.
Nombre de paramètres du modèle (7B, 14B, 70B)
Indication du nombre total de paramètres d'apprentissage (poids) dans un grand modèle de langage, où la lettre 'B' signifie milliards (Billion). C'est l'indicateur principal de la capacité intellectuelle du modèle, de sa vitesse d'exécution et des exigences en mémoire informatique.
NotebookLM et Audio Overview (Podcast à partir de notes)
Outil de recherche gratuit de Google basé sur les modèles Gemini. Il répond strictement à partir des sources téléchargées (sans hallucinations) et est capable de transformer des rapports ennuyeux en podcasts audio vivants et conversationnels.
Noyade dans les revues de PR et effondrement d'équipe
Crise des processus d'ingénierie au sein d'une équipe, lorsque la vitesse de génération de code par l'IA dépasse la capacité biologique des seniors à lire, analyser et valider qualitativement les pull requests.
O
ENObservabilité et traçage des agents (OpenTelemetry)
Méthodes de collecte de métriques, de traçage des chaînes de raisonnement (Spans), d'analyse des latences des outils et de surveillance des coûts des tokens à l'aide d'OpenTelemetry et de plateformes spécialisées (Langfuse, Arize).
OCR contre Vision LLM : l'évolution de la reconnaissance de texte
Comparaison entre la reconnaissance optique de caractères (ROC) traditionnelle (Tesseract, ABBYY FineReader) et les modèles multimodaux modernes de vision par ordinateur (Vision LLM). Pourquoi les anciens algorithmes copient aveuglément les pixels avec des erreurs, tandis que les nouveaux modèles corrigent l'écriture manuscrite, comprennent les tableaux et calculent les totaux.
Ollama (Plateforme d'exécution locale de modèles)
Outil open source leader pour le téléchargement, la configuration et l'exécution locale simplifiée de modèles de langage (Llama, DeepSeek, Qwen) avec une API REST intégrée compatible OpenAI.
Open Weights vs Closed APIs (Open vs Closed AI)
Comparaison de deux philosophies fondamentales de diffusion de l'IA : les poids ouverts (Open Weights — Llama, Mistral, DeepSeek), téléchargeables et exécutables sur des serveurs privés, contre les API cloud fermées (Closed API — OpenAI, Anthropic, Google), où l'accès est fourni exclusivement via abonnement.
Open Weights vs Truly Open Source AI
Analyse juridique et technique de la différence fondamentale entre les modèles à poids accessibles (Llama, DeepSeek) et les projets véritablement open source incluant les données sources, le code et l'architecture (norme OSI).
OpenAI GPT (Modèles phares de la série GPT)
La gamme principale et polyvalente des grands modèles de langage d'OpenAI (GPT-4, GPT-4o). Optimisée pour l'analyse textuelle complexe, la programmation, la création et le travail intellectuel quotidien.
OpenAI Série o / Raisonnement (Modèles de raisonnement avancé)
La nouvelle génération d'intelligence artificielle d'OpenAI (série o1, o3), optimisée pour la réflexion cachée multi-étapes, les mathématiques supérieures, la physique quantique et le codage algorithmique complexe.
OpenAI Whisper (La référence en matière de reconnaissance vocale)
Modèle open source de reconnaissance vocale (STT) développé par OpenAI. Il reconnaît plus de 100 langues, résiste au bruit de fond, aux dialectes et à l'élocution rapide. C'est la norme pour la transcription automatique d'audio et le codage vocal.
OpenCode / OpenHands (anciennement OpenDevin)
Plateforme open-source de pointe pour l'ingénierie logicielle autonome, capable d'exécuter des tâches complexes dans un environnement Docker isolé avec accès au terminal, au navigateur et au système de fichiers.
OpenRouter (Passerelle API unifiée de modèles)
Passerelle d'intelligence artificielle unifiée offrant un accès standardisé à des centaines de modèles de langage fermés et ouverts provenant de dizaines de fournisseurs d'inférence, via un solde unique, une seule clé API et un mécanisme automatique de basculement en cas de défaillance (Fallback).
Optimisation du démarrage à froid des LLM serverless
Ensemble de méthodes d'ingénierie visant à réduire le temps de démarrage des conteneurs serverless hébergeant des modèles linguistiques, passant de 30 à 60 secondes à moins d'une seconde : pools préchauffés, chargement en flux des poids et instantanés mémoire.
Orchestration multi-agents
Architecture d'interaction entre agents IA spécialisés et indépendants, organisés en réseau distribué ou hiérarchie pour résoudre parallèlement des problèmes d'ingénierie complexes.
Organisations natives de l'IA (AI-Native Organizations)
Nouveau modèle organisationnel pour les entreprises modernes et le développement (équipes natives de l'IA). Des équipes de 2 à 5 spécialistes multidisciplinaires utilisent des réseaux de neurones et des agents autonomes pour accomplir les tâches des services juridiques, du marketing, de la programmation et du support client, sans augmenter les effectifs.
Outils vidéo IA (Runway, Kling, Luma Dream Machine)
Plateformes modernes de pointe pour la génération de vidéos par intelligence artificielle (Text-to-Video et Image-to-Video). Elles permettent d'animer des photos statiques, de contrôler les mouvements de caméra virtuels et de créer des vidéos cinématographiques haute résolution sans équipe de tournage.
P
ENPagedAttention & Gestion du KV-Cache
Algorithme de gestion de la mémoire GPU qui divise le cache KV des modèles de langage en pages virtuelles non contiguës (similaires au noyau d'un OS), éliminant la fragmentation et augmentant le débit par un facteur de 4.
Paquets hallucinés dans le code (Hallucinated Packages)
Variante dangereuse des hallucinations générées par les modèles d'IA en programmation. Le modèle invente des bibliothèques et des paquets npm/PyPI plausibles mais inexistants, créant ainsi de failles critiques de sécurité (Slopsquatting).
Paramètres d'échantillonnage (Température, Top-p, Min-p)
Hyperparamètres mathématiques du décodage stochastique (Température, Top-P, Min-P, Pénalités) qui régissent la distribution de probabilité pour le choix du token suivant, déterminant le niveau de déterminisme, de précision et de créativité du modèle.
Passerelles LLM et Routage (LiteLLM & Portkey)
Proxies d'ingénierie centralisés pour la gestion de flottes de modèles : bascule automatique entre fournisseurs (Anthropic/OpenAI/Groq), mise en cache sémantique des réponses et quotas budgétaires.
Patch & Diff : Première Génération
Modèle d'interaction avec le code où l'agent IA opère exclusivement via des blocs de remplacement ciblés (Search-and-Replace / Diffs unifiés), préservant le reste du fichier inchangé et économisant des tokens.
Penser en Git Diff (L'art de la revue de code)
Changement fondamental de paradigme pour le développeur à l'ère de l'IA (Diff-First Mindset). Passage de la saisie mécanique de texte à une évaluation visuelle rapide des modifications surlignées en rouge et vert dans le code (git diff) avant leur validation.
Perplexity AI (Assistant de recherche nouvelle génération)
Moteur de réponse nouvelle génération. Au lieu d'une liste de liens publicitaires, il synthétise une réponse structurée et exhaustive avec des liens cliquables vers les sources originales en temps réel.
Personnes synthétiques et simulation multi-rôles
Méthodologie de modélisation de divers rôles d'utilisateurs, d'auditeurs de sécurité et d'experts en accessibilité à l'aide de prompts système spécialisés pour des tests de stress exhaustifs des applications.
Pinokio AI Browser
Navigateur autonome de bureau et gestionnaire d'applications (un « App Store pour l'IA ouverte ») permettant d'installer, de configurer et de lancer des environnements d'intelligence artificielle complexes (ComfyUI, Stable Diffusion, Whisper, FaceFusion) sans nécessiter de connaissances en Git, Python ou terminal.
Pipelines de codage et de dictée pilotés par la voix
Méthodologie pour formuler des tâches d'ingénierie à haute vitesse via la reconnaissance vocale locale (Superwhisper / Whisper.cpp), avec conversion automatique du flux de pensée en PRD structurés et spécifications.
Plan de Reprise d'Activité (PRA) et Sauvegardes
Méthodologie d'ingénierie complète et ensemble d'outils automatisés pour la création de sauvegardes immuables (RPO/RTO), avec un protocole de restauration des systèmes garanti et régulièrement testé.
Plan-and-Solve Prompting
Architecture agentique en deux étapes qui sépare la décomposition stratégique de la tâche, sous forme d'un plan global, de son exécution tactique séquentielle avec replanification dynamique.
Planificateurs Cron (Cron Schedulers & Systemd Timers)
Démons système (Linux cron, systemd timers) et files d'attente distribuées (BullMQ, Temporal) garantissant l'exécution planifiée de tâches d'ingénierie périodiques, de sauvegardes, de synchronisation de données et d'agents IA.
Poids et biais des réseaux de neurones (Weights & Biases)
Nature fondamentale d'un réseau de neurones entraîné. Les poids (Weights) sont les coefficients matriciels représentant la force des connexions entre les neurones artificiels, tandis que les biais (Biases) constituent le seuil de sensibilité à l'activation. Explication des formats de sauvegarde (.safetensors, bfloat16, fp8) et inspection des poids via Python et CLI.
Pourquoi la négation « NE » casse les prompts (Instructions positives)
Le paradoxe psychologique et algorithmique du fonctionnement des modèles de langage (« Le paradoxe de l'éléphant rose »). Explique pourquoi les commandes utilisant la négation « NE » produisent souvent un effet inverse, et comment reformuler les interdictions en directives positives.
Pré-entraînement (Pre-training)
Étape initiale de la création d'un modèle de langue fondamental (Foundation Model). Ce processus consiste à ajuster un réseau de neurones sur des billions de mots issus d'Internet, de livres et de code, en utilisant des clusters composés de milliers de cartes graphiques pendant plusieurs mois, pour un coût s'élevant à des dizaines ou centaines de millions de dollars.
Prédiction du token suivant (Next-Token Prediction)
Mécanisme fondamental des grands modèles de langage (LLM) autorégressifs. Calcul des logits, fonction Softmax, influence de la température et de l'échantillonnage (Top-P/Top-K). Explication de la génération de texte comme processus séquentiel O(N) et visualisation des probabilités via l'API.
Préservation du personnage et cohérence de style (Consistency)
Méthodologie et outils pour maintenir la cohérence visuelle des personnages (Character Consistency) et le style artistique dans une série de générations. Utilisé pour créer des livres illustrés, des bandes dessinées, des storyboards de films et des mascottes de marque grâce aux paramètres --cref, FaceID et LoRA.
Préservation du travail en profondeur à l'ère de l'IA
Méthodologie d'isolation des blocs temporels continus pour la réflexion, face au flux infini de notifications push, de rapports d'agents en arrière-plan et à la tentation de la réaction immédiate.
Problème d'alignement de l'IA (AI Alignment)
Problème fondamental de la sécurité de l'intelligence artificielle : harmoniser les objectifs et les motivations des systèmes autonomes avec les valeurs humaines, l'éthique et la préservation de la vie. Explore les risques qu'un système superintelligent trouve une voie littérale ou destructive pour accomplir une tâche mal définie.
Processeur neuronal (NPU)
Microprocesseur matériel spécialisé (Neural Processing Unit), conçu exclusivement pour l'exécution de réseaux neuronaux artificiels avec une consommation énergétique minimale. Il est responsable du flou d'arrière-plan lors des appels vidéo, de l'amélioration des photos et des suggestions IA locales sans décharger la batterie.
Processeurs Groq LPU (500 jetons par seconde)
Nouveau type de processeur de calcul spécialisé (Language Processing Unit / LPU), conçu par l'entreprise Groq. En éliminant la mémoire externe lente (HBM) au profit d'une mémoire statique SRAM ultra-rapide, les puces Groq génèrent des réponses pour les grands modèles à une vitesse de 300 à 500 mots par seconde — plus vite que la vitesse de lecture humaine.
Programmation en binôme assistée par IA
Méthodologie d'ingénierie pour le développement symbiotique de logiciels, où l'ingénieur agit comme architecte et navigateur (Navigator), tandis que le modèle ou l'agent intervient comme exécutant à haute vitesse du code (Driver).
Programmation vocale avec Superwhisper (Vitesse de la pensée)
Méthodologie pour formuler des tâches d'ingénierie et des prompts par la voix à l'aide d'utilitaires locaux de reconnaissance vocale (Superwhisper, MacWhisper). Permet de transmettre un contexte détaillé à une vitesse de 150 mots par minute sans fatigue du poignet.
Prompt Fatigue (Fatigue de prompt et épuisement de la formulation)
État d'épuisement psychologique et cognitif du développeur, causé par la nécessité constante de traduire des intentions techniques en langage naturel vague, de répéter le contexte et de reformuler les prompts à plusieurs reprises.
Prompting Few-Shot (Apprentissage en contexte)
Méthodologie d'ingénierie des prompts où le modèle s'adapte à un format, un style ou une logique spécifique directement lors de l'inférence (Apprentissage en contexte) grâce à la présentation de 2 à 5 exemples de référence.
Protocole Agent-à-Agent (A2A)
Standard ouvert d'interopérabilité réseau permettant la découverte décentralisée et l'échange sécurisé de contexte entre agents IA indépendants issus de différents fournisseurs et plateformes.
Provenance du code IA et audit juridique
Système de traçabilité de l'origine et de la paternité du code (humain vs modèle d'IA spécifique), de surveillance de la conformité aux licences open source et de préparation des dépôts à un audit juridique.
PydanticAI
Un framework Python moderne créé par les développeurs de Pydantic, qui apporte le typage strict, l'injection de dépendances (Dependency Injection) et la validation déterministe des schémas au monde des agents IA.
Q
ENQuantification (Model Quantization)
Technologie de compression mathématique des coefficients de poids et des activations d'un réseau neuronal, passant d'une haute précision (FP16/BF16) à des formats basse résolution (FP8, INT8, INT4, GGUF) pour une économie radicale de la mémoire.
Quantification et format GGUF
Méthode mathématique de réduction de la précision des poids numériques du modèle (par exemple, du FP16 16 bits à l'INT4 4 bits) et fichier binaire unifié au format GGUF pour un chargement instantané sur les processeurs et cartes graphiques via le moteur llama.cpp.
Quotas de ressources cgroups v2 et moniteurs OOM
Mécanismes du noyau Linux (Control Groups v2) pour définir des limites matérielles strictes sur la RAM, le CPU, le disque et le nombre de processus (PIDs), afin de protéger l'hôte contre les cycles d'agents bloqués.
R
ENRAG (Retrieval-Augmented Generation)
Modèle architectural d'IA d'entreprise qui enrichit dynamiquement la fenêtre contextuelle du modèle avec des connaissances vérifiées et pertinentes issues de sources externes (bases vectorielles, graphes, index en texte intégral) avant la génération de la réponse finale.
RAG vs Fine-Tuning (L'éternel dilemme de l'implémentation de l'IA)
Un choix architectural fondamental pour les entreprises. RAG (recherche documentaire en temps réel lors de la requête) contre Fine-Tuning (modification des poids du modèle via apprentissage supplémentaire). Critères de sélection entre l'actualité des faits et un style comportemental spécifique.
Raisonnement multimodal natif
Architectures d'intelligence artificielle capables de mener des raisonnements logiques approfondis sur le code, les diagrammes d'architecture, les captures d'écran d'interface utilisateur et les flux vidéo au sein d'un espace d'attention unifié.
Recherche hybride (Dense + Sparse Search)
Architecture de récupération dans les systèmes RAG modernes, combinant la recherche sémantique vectorielle (Dense Embeddings) avec l'indexation classique en texte intégral par mots-clés (Sparse / BM25) via des algorithmes de fusion de rangs (RRF).
Recherche hybride (Hybrid Search : Dense + Sparse / BM25)
Architecture de recherche d'information combinant la recherche sémantique vectorielle (Dense retrieval — compréhension du sens et des synonymes) avec la recherche classique par mots-clés exacts (Sparse retrieval / BM25). Elle assure un équilibre optimal entre la compréhension conceptuelle et la recherche précise de références, numéros de série ou noms.
Recherche sémantique (recherche par sens, et non par caractères)
Technologie de recherche d'information basée sur le contenu conceptuel de la requête, plutôt que sur une correspondance exacte des lettres ou des mots-clés. Elle comprend les synonymes, les reformulations, les fautes de frappe et les questions abstraites en langage naturel.
Recherche vectorielle vs Ctrl+F (Dense vs Sparse)
Comparaison de deux approches de recherche : la recherche sémantique par réseau neuronal (Dense Retrieval) et la recherche classique par correspondance de mots-clés (Sparse / BM25). Explique pourquoi la recherche vectorielle peut échouer lors de la recherche de références produits et comment fonctionne la recherche hybride.
Recherche web dans le chat (Recherche en temps réel sur Internet)
Fonctionnalité de recherche sur Internet intégrée à ChatGPT, Claude et Gemini (icône globe). Permet au modèle d'accéder à des données actualisées provenant de sites web pour la journée en cours et de fournir des réponses avec des liens directs vers les sources.
Reclassement (Cross-Encoder Reranking)
Méthodologie de recherche en deux étapes pour les systèmes RAG : sélection rapide des candidats initiaux (Bi-Encoder / BM25) suivie d'un reclassement précis via un modèle cross-encoder entièrement connecté (Cross-Encoder / Cohere Rerank / BGE-Reranker).
Reclassement des résultats de recherche (Reranking / Cross-Encoders)
Modèle de recherche en deux étapes pour les systèmes RAG. La première étape (recherche vectorielle rapide ou hybride) identifie 20 à 50 candidats en 10 ms. La deuxième étape (un modèle de reclassement de type Cross-Encoder, tel que Cohere Rerank ou BGE-Reranker) compare en détail la requête avec chaque texte trouvé et conserve les 3 documents les plus pertinents.
Red Teaming en IA
Méthodologie de stress test agressif des modèles d'intelligence artificielle par des équipes spécialisées de chercheurs éthiques (Red Teams). Les experts simulent les actions des attaquants, recherchant des failles de sécurité, des jailbreaks et des réponses interdites avant que le modèle ne soit déployé auprès de millions d'utilisateurs.
Réduction du contexte (@file, @folder, @codebase)
Mécanisme de gestion précise du contexte dans les éditeurs IA modernes (Cursor, Windsurf). Permet d'attacher rapidement à la requête des fichiers spécifiques (@file), des dossiers entiers (@folder), de la documentation (@docs) ou l'ensemble du projet (@codebase) via le symbole @.
Refactoring continu par IA
Pratique consistant à mettre à jour régulièrement la base de code en arrière-plan via des agents IA autonomes : nettoyage du code mort, migration des API obsolètes, optimisation des performances et correction de la dette technique.
Refactorisation de code legacy par IA (AI Refactoring)
Méthodologie d'amélioration de la structure interne, de la lisibilité et des performances du code existant (Legacy Code) à l'aide de modèles de langage, sans modifier son comportement externe. Permet de décomposer de vastes fonctions « spaghetti » en modules propres et de migrer du JavaScript ancien vers TypeScript moderne.
Règles d'agent (.cursorrules / CLAUDE.md / AGENTS.md)
Fichiers de spécifications architecturales et de contraintes lisibles par machine dans le dépôt, montés automatiquement dans le contexte système des agents IA pour prévenir la dégradation de la base de code.
Réseaux maillés Tailscale & WireGuard
Technologie permettant de construire des réseaux maillés (mesh) en overlay entièrement privés, sans exposer les ports SSH ou les bases de données sur Internet public, grâce au protocole cryptographique moderne WireGuard.
Résumé de textes (Comment condenser 50 pages en 5 points clés)
Méthodologie pour la compression efficace de grands volumes d'informations (Summarization). Explique comment, à l'aide de modèles de prompts précis, transformer des rapports de 50 pages en executive summaries concis selon la règle « Thèse principale + Risques + Prochaines étapes ».
Reverse Proxy (Nginx, Caddy, Traefik)
An intermediate server architectural layer that receives external internet traffic (ports 80/443), performs SSL/TLS termination, compression (Brotli/Gzip), static asset caching, and securely routes requests to internal applications.
Revue autonome des PR et évaluation des risques
Utilisation d'agents IA spécialisés dans GitHub Actions / GitLab CI pour une analyse sémantique approfondie des diffs, la détection de failles de sécurité, l'évaluation de l'impact architectural et la génération de changelogs.
Revue et rejet des diffs
Discipline d'ingénierie critique et mécanisme d'audit granulaire des différences de code (git diff) avant leur validation, prévenant la dégradation de la base de code, les suppressions silencieuses de gestionnaires d'erreurs et les failles de sécurité.
Risques d'hallucinations dans les tâches réelles
Analyse des conséquences pratiques et des risques juridiques liés à la confiance aveugle accordée aux faits inventés et aux sources fictives générées par les modèles de langage dans les rapports financiers, les actes de procédure juridique et les conseils médicaux.
RLVR (Reinforcement Learning with Verifiable Rewards)
Méthode de post-entraînement et d'optimisation du raisonnement des agents IA, où la fonction de récompense repose sur des vérifications mathématiques objectives, des compilateurs et des tests unitaires, plutôt que sur des évaluations humaines subjectives.
ROI de l'automatisation (Économie et rentabilité de l'automatisation)
Méthodologie d'analyse technico-économique de la pertinence de l'automatisation des processus : mise en balance mathématique du coût total de possession (TCO) et du temps de développement contre les bénéfices tirés de l'élimination des tâches manuelles répétitives.
Role Prompting (The Magic of the Phrase \"Act as an Expert\")
A prompt engineering technique that involves assigning a specific role, profession, or psychological persona to the model (e.g., \"Act as a Senior DevOps Engineer,\" \"Imagine you are a pediatrician\"). This activates specific knowledge layers and professional vocabulary.
S
ENSandboxing des agents
Isolation matérielle et logicielle de l'environnement d'exécution d'un agent autonome, garantissant la protection du système hôte, des secrets et du réseau interne contre le code malveillant et les injections de prompts.
Sandboxing WebAssembly (Wasm / WASI)
Technologie d'exécution isolée de code tiers et de plugins agents au sein de runtimes WebAssembly légers (Wasmtime, Wasmer), offrant un démarrage en submilliseconde et un accès nul au système d'exploitation.
Schémas d'outils (Tools & JSON Schema)
Norme de description formalisée des interfaces d'outils (Tools) pour les grands modèles de langage, utilisant le standard JSON Schema. Inclut le nom de la fonction, une description textuelle détaillée de son objectif, la liste des paramètres requis et les types de valeurs.
Sécurité eBPF et audit d'exécution
Technologie permettant l'exécution sécurisée de bytecode directement dans le noyau Linux (eBPF / Tetragon / Falco) pour intercepter les appels système (syscalls) dangereux, les connexions réseau et les modifications de fichiers effectuées par des agents IA.
Seed et déterminisme (Reproductibilité du résultat de génération)
Identifiant numérique du générateur de nombres aléatoires (Seed). Permet de figer l'aléatoire dans les modèles de langage et les générateurs d'images afin d'obtenir un résultat stable et reproductible lors de la répétition de la même requête.
Sélection dynamique d'outils (Dynamic Tool Selection)
Approche architecturale pour la construction d'agents IA à grande échelle disposant de centaines d'outils (Tools). Au lieu de charger toutes les descriptions de fonctions dans le contexte simultanément, le système utilise une recherche sémantique ou un modèle routeur (Router) pour sélectionner dynamiquement uniquement les 3 à 5 outils les plus pertinents pour une requête utilisateur spécifique.
Self-RAG & Corrective RAG (CRAG)
Méthodologie de recherche adaptative où le modèle linguistique évalue lui-même la pertinence des documents récupérés, filtre le bruit et reformule dynamiquement la requête de recherche en cas d'insuffisance d'informations.
Séparateurs et balises XML (Structuration des prompts)
Technique de formatage des prompts complexes à l'aide de balises XML (<context>, <rules>) et de triples guillemets (\\\"\\\"\\\"). Aide le modèle à distinguer clairement la fin de vos instructions du début du texte à traiter.
Serveur MCP
Service logiciel ou processus en arrière-plan implémentant la spécification MCP, offrant aux clients IA externes un accès standardisé à l'exécution de fonctions, à la lecture de ressources et aux modèles de prompts.
Shadow Git Worktrees & Branching
Méthodologie d'isolation du travail des agents IA dans des répertoires git worktree parallèles, permettant aux modèles d'expérimenter et de compiler le projet sans bloquer l'éditeur ouvert de l'ingénieur.
Signature numérique des photos et vidéos (C2PA / Content Credentials)
Norme internationale ouverte de marquage des fichiers multimédias (C2PA / Content Credentials). Cette technologie intègre dans les photographies numériques, illustrations et vidéos une histoire de création signée cryptographiquement : elle indique l'appareil photo utilisé pour la capture ou le modèle d'IA ayant généré le fichier, rendant ainsi impossible toute falsification discrète.
Similarité cosinus (Cosine Similarity)
Métrique mathématique qui mesure l'angle entre deux vecteurs dans un espace multidimensionnel. Elle indique le degré de proximité sémantique entre deux textes, allant de -1 (opposés) à +1 (synonymes complets), en ignorant la longueur des phrases.
SLM (Petits modèles de langage, 1 à 3 milliards de paramètres)
Modèles nouvelle génération ultra-compacts, de 1 à 3 milliards de paramètres (Llama 3.2, SmolLM, Qwen 2.5), conçus pour une exécution locale sur smartphones, dans le navigateur et sur des serveurs edge économiques.
Sora et la génération vidéo par IA (Texte vers Vidéo)
Nouvelle classe de réseaux neuronaux génératifs capables de créer des vidéos dynamiques photoréalistes à partir de texte ou d'images statiques (OpenAI Sora, Runway Gen-3, Kling, Luma Dream Machine).
Spécification avant le code (Vibe Coding Spec-First)
Méthodologie d'ingénierie de développement assisté par IA (Spec-Driven Development). Au lieu d'une génération de code immédiate et chaotique, le développeur demande d'abord au modèle de créer un fichier SPEC.md structuré contenant l'architecture, les types de données et les étapes de mise en œuvre.
Stratégies de découpage (Chunking)
Méthodologie de décomposition de documents volumineux et de bases de code en fragments autonomes sur le plan informationnel (chunks) pour la génération d'embeddings vectoriels et une recherche précise dans les systèmes RAG.
Stratégies de test natives pour agents
Approche de rédaction de tests automatisés conçus non seulement pour les humains, mais comme un système déterministe de retour d'information pour des agents IA autonomes, avec des messages d'erreur sémantiques sous forme de diffs.
Streaming de texte via SSE (Effet machine à écrire)
Technologie permettant la transmission des tokens générés au navigateur en temps réel via le protocole Server-Sent Events (SSE). Elle crée un effet machine à écrire, éliminant l'attente désagréable jusqu'à la fin complète de la réponse.
Structure de prompt pour images (Image Prompt Engineering)
Méthodologie professionnelle de rédaction des requêtes textuelles pour les réseaux de neurones graphiques. La formule d'or en cinq éléments : sujet principal, détails de l'environnement, type d'éclairage, paramètres de la caméra virtuelle et style artistique de rendu.
Subagents (Sous-agents et délégation)
Modèle architectural consistant à lancer des sous-agents enfants isolés et éphémères pour exécuter en parallèle des sous-tâches gourmandes en ressources, sans encombrer la fenêtre de contexte du processus parent.
Superwhisper (Saisie vocale de code)
Utilitaire système local de saisie vocale basé sur les modèles Whisper et l'ANE d'Apple Silicon, optimisé pour la dictée rapide de prompts techniques, de code et de spécifications architecturales sans latence ni fuite de données vers le cloud.
Surapprentissage (Overfitting)
Problème fondamental de l'apprentissage automatique : le modèle s'adapte excessivement au jeu de données d'entraînement, y compris à son bruit spécifique, perdant ainsi sa capacité de généralisation sur de nouvelles données. Analyse de la divergence des fonctions de perte, des techniques de régularisation et de l'Early Stopping dans le code.
Syndrome de FOMO lié à l'IA (Peur de rater la prochaine percée)
État psychologique caractérisé par une anxiété chronique et un épuisement dus au sentiment d'être en retard sur la révolution rapide de l'IA. Ce phénomène est alimenté par les annonces quotidiennes de nouveaux modèles, plugins et par les titres sensationnalistes des influenceurs sur les réseaux sociaux.
Syndrome de l'imposteur synthétique
Dévalorisation existentielle de son expertise d'ingénieur, due au fait que la majeure partie du code et des décisions architecturales est générée par des modèles d'IA plutôt que développée manuellement.
Synthèse vocale moderne (Text-to-Speech / TTS)
Technologie de génération artificielle de la parole humaine à partir de texte imprimé. Les modèles TTS modernes basés sur des réseaux de neurones (ElevenLabs, OpenAI Audio, Chatterbox) reproduisent des intonations naturelles, les accents logiques, la respiration, le timbre et la coloration émotionnelle, indistinguibles d'un locuteur humain.
Synthetic Junk (AI Slop)
Low-quality, mass-produced content generated without human involvement (doorway articles, absurd Facebook images, automated YouTube videos), created solely for ad clicks, polluting search engines and training datasets.
Synthetic Slop Fatigue
Le rejet psychologique et l'apathie des ingénieurs, provoqués par la nécessité de passer des heures à lire du code machine générique, excessivement verbeux, prolixe et dépourvu d'élégance.
System 1 Decision Engine
System 1 Decision Engine est une couche de prise de décision rapide et non classique pour les agents, qui remplace les appels autoregressifs coûteux pour le routage, la validation des schémas et les Guardrails. Cette transition architecturale réduit la latence p95 à 30–70 ms et le coût en tokens de plus de 90 %, sans perte de contrôle sur le cycle agentique.
System Prompt (Instructions système et métaprompting)
Bloc d'instructions de méta-contexte prioritaire, transmis en position zéro de la fenêtre contextuelle, définissant le rôle, les règles de sécurité, les outils disponibles et les limites comportementales de l'agent.
T
ENTâches atomiques (Décomposition atomique des tâches)
Pratique d'ingénierie consistant à décomposer les exigences système complexes en unités de travail minimales, autonomes et déterministes, afin de minimiser la charge cognitive humaine et le risque de dégradation du contexte dans les LLM.
Taille de la fenêtre contextuelle (Mémoire de la conversation en cours)
Volume maximal de texte (en jetons) qu'un modèle linguistique peut conserver simultanément en mémoire lors d'une conversation en cours. Détermine la longueur des documents pouvant être téléchargés en une seule fois sans perte de contenu.
Taux de consommation des tokens
Métrique critique d'ingénierie et financière mesurant la vitesse de consommation des tokens de contexte et de génération (ainsi que le coût horaire en dollars) lors des sessions de développement agentiques, en tenant compte de la mise en cache des prompts.
Telegram Bot API
Interface HTTP officielle de la plateforme Telegram, permettant de créer des chatbots autonomes, des assistants IA, des interfaces Telegram Mini Apps (TMA) et des canaux de notification interactifs.
Température de génération (Curseur de créativité et d'aléatoire)
Paramètre numérique clé pour la génération de texte (généralement compris entre 0,0 et 1,0 ou 2,0). Il détermine le degré d'imprévisibilité dans le choix du token suivant : allant d'une logique déterministe stricte à une imagination plus libre.
Terminal Agent (Agent autonome de terminal)
Classe d'agents autonomes dont l'espace opérationnel est la ligne de commande (CLI/Shell POSIX), conçus pour interagir directement avec le système de fichiers, les processus du système d'exploitation, Git et les serveurs distants.
Test «Aiguille dans une botte de foin» (Needle In A Haystack / NIAH)
Benchmark standard pour tester la longueur de la fenêtre contextuelle des modèles de langage. Une courte phrase aléatoire (l'aiguille) est cachée à différentes positions au sein d'un immense corpus de texte de fond aléatoire (la botte de foin), afin de vérifier la capacité du modèle à la retrouver sans erreur.
Test automatisé de la récupération des sauvegardes
Pratique consistant à déployer et vérifier automatiquement les sauvegardes chaque semaine sur des serveurs ou conteneurs temporaires, selon le principe : « Une sauvegarde n'existe que si elle a été restaurée avec succès ».
Test des interfaces via utilisateurs synthétiques (Synthetic Users)
Méthodologie de test produit et de recherche UX/UI utilisant des agents virtuels dotés de personnalités et d'objectifs prédéfinis. Permet de simuler en quelques minutes l'interaction de milliers d'acheteurs avec un nouveau site, révélant les boutons inconfortables, les textes peu clairs et les ruptures dans le tunnel de vente.
Test-Time Compute Scaling
Nouveau paradigme de développement de l'IA à la fin 2026 : amélioration de la qualité des réponses non pas grâce à des tailles de modèles gigantesques lors de l'apprentissage, mais en allouant des secondes supplémentaires de réflexion avant la génération.
Théorie du « Perroquet stochastique » (Stochastic Parrot)
Critique scientifique célèbre des grands modèles de langage, formulée par la linguiste Emily Bender et Timnit Gebru en 2021. Elle affirme que les LLM ne possèdent ni conscience ni compréhension du sens, mais reproduisent simplement, de manière aléatoire (stochastique), les combinaisons de mots apprises sur Internet, à l'image d'un perroquet.
Thrashing du contexte cognitif
État de dégradation de la mémoire de travail humaine lorsqu'un ingénieur orchestre simultanément 3 à 5 agents IA sur des tâches distinctes, consacrant 100 % de son énergie à la reconstruction constante du contexte.
Traduction et localisation par IA (Supérieur à Google Translate)
Méthodologie de traduction littéraire et d'adaptation culturelle des textes (localisation). Explique pourquoi les grands modèles de langage traduisent les idiomes, l'humour, l'argot et les nuances professionnelles avec une précision et une naturalité bien supérieures aux traducteurs classiques.
Traitement vocal direct (Speech-to-Speech / Audio natif)
Nouvelle génération de modèles multimodaux natifs (GPT-4o Advanced Voice, Gemini Live) qui traitent les ondes sonores directement, sans étape intermédiaire de conversion audio-texte (STT) ni texte-audio (TTS). Cela permet au modèle de percevoir le sarcasme, la peur, le rire et les chuchotements, ainsi que d'interrompre la conversation en temps réel avec une latence minimale.
Transfert d'agents et de contexte
Modèle standardisé pour un transfert sécurisé des tâches et du contexte d'un agent IA spécialisé à un autre, sans perte d'objectifs, d'historique ni d'artefacts accumulés.
Triage des hallucinations et analyse de la cause racine
Processus d'ingénierie systématique pour analyser les erreurs des modèles d'IA : diagnostic des défauts de contexte, détection des conflits dans les prompts et mise en place de règles système plutôt que de répéter inutilement les requêtes.
TTFT vs TPS (Métriques de latence d'inférence)
Deux métriques clés de la performance d'ingénierie pour l'inférence : le Time To First Token (latence du début de la réponse) et les Tokens Per Second (débit de génération de code).
Types de quantification : FP16, INT8, INT4
Formats techniques de représentation des poids des réseaux de neurones. De la précision flottante complète en 16 bits (FP16 / BF16) aux formats entiers compressés (INT8, INT4, AWQ, EXL2), qui définissent l'équilibre entre la consommation mémoire et la qualité intellectuelle des réponses.
U
ENUFW & Fail2ban (Protection réseau et blocage des attaques)
Combinaison système de l'utilitaire de filtrage de paquets UFW (Uncomplicated Firewall) et du démon Fail2ban, qui analyse les journaux système en temps réel et bloque dynamiquement les adresses IP malveillantes.
Upscaling par IA (Super-résolution)
Technologie d'augmentation de la résolution et de restauration des détails des images (Real-ESRGAN, Magnific AI, Topaz Photo). Contrairement à un simple agrandissement de pixels (interpolation bicubique), le réseau neuronal génère littéralement de nouvelles microtextures réalistes : pores de la peau, cils, cheveux et fibres textiles.
V
ENVibecoding
Nouveau paradigme d'ingénierie logicielle où l'humain agit en tant qu'architecte et vérificateur des intentions, tandis que les agents IA réalisent de manière autonome la syntaxe, les tests, la compilation et le débogage.
Vitesse de génération (TPS / TTFT / Latence)
Indicateurs clés de performance des modèles de langage : Time to First Token (temps de réponse au contexte d'entrée) et Tokens Per Second (vitesse de génération en streaming du texte de sortie).
Vitesse du fondateur solo et surcharge cognitive
Charge psychologique et opérationnelle liée à la situation où un seul développeur, grâce à l'IA, assume les fonctions d'une équipe de huit personnes (Frontend, Backend, DevOps, QA, Sécurité, Produit), sans possibilité de partager les responsabilités.
vLLM (Moteur d'inférence haute performance)
Serveur d'inférence et de service LLM open source leader, qui a révolutionné le débit grâce à l'algorithme de virtualisation mémoire PagedAttention et au batching continu.
Volumes de travail NVMe rapides pour les modèles d'IA
Optimisation du sous-système de stockage des serveurs d'intelligence artificielle grâce à des disques locaux NVMe haute vitesse (PCIe 5.0) permettant le chargement instantané de poids dépassant 40 Go et la mise en cache des modèles.
W
ENWebhooks (Webhooks asynchrones)
Modèle architectural d'interaction inter-services asynchrone (Event-driven Push) dans lequel le fournisseur d'événements envoie une requête HTTP POST contenant les données vers l'URL enregistrée du consommateur lors de la survenue d'un événement système.
WebMCP et outils natifs du navigateur
Adaptation du Model Context Protocol (MCP) pour fonctionner directement dans le navigateur web, permettant aux agents IA d'interagir avec le DOM, LocalStorage, WebAssembly et IndexedDB sans démons locaux.
Windsurf Cascade (Moteur agentique en flux par Codeium)
Environnement agentique innovant développé par Codeium. Il met en œuvre le concept de « Flow » (flux continu) : il combine une indexation approfondie du projet, l'exécution autonome de commandes shell dans le terminal et la correction automatique des erreurs en temps réel.
Windsurf IDE & Cascade
Premier environnement de développement intégré (IDE) natif IA de Codeium, basé sur le moteur agentique Cascade, conçu autour du concept de flux contextuel continu (Flows) et d'une interaction collaborative synchronisée.
X
ENZ
ENZero-Shot CoT vs Dynamic Reasoning
Évolution historique et pratique des techniques de raisonnement : de la simple phrase « Let's think step by step » (Zero-Shot Chain-of-Thought) au budget de réflexion natif intégré aux modèles modernes.
Zero-Shot vs Few-Shot (La puissance de quelques exemples)
Comparaison de deux techniques fondamentales de prompting. Le Zero-Shot consiste en une requête directe sans exemples. Le Few-Shot implique la transmission à l'IA de plusieurs échantillons de réponses souhaitées avant l'exécution de la tâche, afin de calibrer précisément le format et le ton.
#
10x Agentic Coder (Ingénieur agentique 10x)
Modèle évolutif de l'ingénieur-programmeur, dont la productivité est amplifiée par l'orchestration d'une flotte d'agents autonomes, la conception systémique des spécifications et une vérification rigoureuse, plutôt que par la saisie manuelle du code.
Échantillonnage Top-P / Noyau (Nucleus Sampling)
Méthode de filtrage probabiliste des mots (Nucleus Sampling). Permet d'éliminer la « longue traîne » des mots peu probables, étranges ou absurdes, en ne conservant que les options les plus pertinentes dont la probabilité cumulée atteint P (généralement 0,9).
Économie des tokens et calcul du budget (Mathématiques de tarification des tokens)
Méthodologie pour calculer les coûts financiers liés à l'utilisation d'API d'intelligence artificielle commerciales. Explique la différence de coût entre les tokens d'entrée (Prompt/Input) et de sortie (Completion/Output), les coûts cachés liés au contexte ainsi que la formule d'évaluation de l'unité économique d'une startup.
Énergie et eau : l'écologie des datacenters IA
Analyse de l'empreinte carbone, énergétique et hydrique réelle de l'industrie de l'intelligence artificielle. Explique pourquoi l'entraînement des modèles et les millions de générations quotidiennes nécessitent des gigawatts d'électricité, des millions de litres d'eau potable pour le refroidissement, et pourquoi Microsoft, Google et Amazon se tournent vers l'énergie nucléaire.
Épuisement professionnel des développeurs
Trouble psychophysiologique systémique causé par un stress chronique non compensé lié à l'environnement de travail, se manifestant par un épuisement émotionnel profond, une dépersonnalisation et une baisse de l'estime de soi professionnelle.
Érosion architecturale due au codage rapide
Accumulation imperceptible de contradictions systémiques cachées et érosion des frontières architecturales du projet par des correctifs locaux fragmentaires générés par des modèles de langage.
État de flux (dans le travail d'ingénierie)
État psychophysiologique optimal de concentration maximale et de fusion totale entre l'action et la conscience, où le temps semble subjectivement ralentir ou accélérer, permettant d'exécuter des tâches d'ingénierie complexes sans résistance.
Étiquette du pair programming avec l'IA (AI Pair Programming)
Modèles psychologiques et communicationnels pour une collaboration quotidienne efficace entre un ingénieur et un modèle de langage. Pourquoi l'agressivité et les cris envers le bot sont inefficaces, comment donner correctement un retour d'information en cas d'erreur (Feedback Loop) et comment considérer l'IA comme un partenaire patient.
Évaluation des agents et benchmarking SWE-bench
Méthodologie et infrastructure pour la mesure systématique de la fiabilité, de la précision et de la sécurité des agents IA à l'aide de tests synthétiques, du benchmark SWE-bench et de simulations headless de dépôts.
Full Stack of Tools, Tier Lists, and AI Skills
Beyond the glossary, GOTBURNOUT provides frontier AI benchmarks, a catalog of over 100,000 AI Agent Skills, production-ready VPS hardening scripts, and an exclusive Pro developer community.