.svg)
L'intelligence artificielle (IA) transforme progressivement le paysage professionnel, et les directeurs des systèmes d'information (DSI) se retrouvent en première ligne pour piloter cette évolution. En particulier, l’IA générative suscite un intérêt croissant, notamment dans l’écosystème Microsoft 365 où les outils basés sur l’IA tels que Copilot ou Azure OpenAI promettent d'améliorer la productivité et de faciliter la gestion des données. Cependant, maîtriser ces nouvelles technologies nécessite de comprendre le vocabulaire et les concepts qui les sous-tendent. Ce lexique a pour but d’accompagner les DSI et leurs équipes en leur fournissant une base de connaissances essentielle pour naviguer dans l’univers complexe de l’IA générative.
1. Terminologie générale de l'IA
Intelligence artificielle (IA) : Simulation de l'intelligence humaine par des machines, souvent par le biais d'algorithmes et de réseaux neuronaux.
Apprentissage automatique (Machine Learning) : Sous-catégorie de l'IA qui permet aux systèmes d'apprendre et de s'améliorer sans être explicitement programmés.
Apprentissage profond (Deep Learning) : Méthode d'apprentissage automatique utilisant des réseaux de neurones artificiels pour analyser des données à plusieurs niveaux.
Modèle : Ensemble d'algorithmes et de structures utilisées pour traiter des données et générer des prédictions ou des résultats.
Réseau neuronal artificiel (ANN) : Modèle d'IA inspiré du fonctionnement du cerveau humain, utilisé pour le traitement d'informations complexes.
Données d'entraînement : Un ensemble de données utilisé pour enseigner à un modèle comment faire des prédictions ou des classifications.
2. Technologies et modèles d'IA générative
Modèle de langage (Language Model) : Algorithme capable de générer du texte cohérent en se basant sur de grandes quantités de données textuelles.
GPT (Generative Pre-trained Transformer) : Famille de modèles de langage utilisés pour créer du texte de manière autonome, comme GPT-4.
Transformer : Architecture d'IA utilisée principalement dans les modèles de traitement du langage naturel, efficace pour les tâches séquentielles.
Diffusion de données (Data Augmentation) : Technique utilisée pour augmenter la taille du jeu de données en créant de nouvelles données artificielles à partir des données existantes.
Prompting : Technique où des instructions textuelles sont données à un modèle pour générer une réponse spécifique.
Fine-tuning : Processus d'adaptation d'un modèle d'IA pré-entraîné à une tâche spécifique en affinant ses paramètres avec un jeu de données ciblé.
3. Services et outils Microsoft pour l'IA
Azure OpenAI : Service cloud de Microsoft qui permet d'accéder aux modèles d'OpenAI, comme GPT-4, dans un environnement sécurisé, tout en offrant une intégration directe avec les données des entreprises.
Azure Machine Learning : Plateforme de Microsoft pour créer, former et déployer des modèles d'IA à grande échelle. Elle permet de gérer le cycle de vie complet des modèles d'IA.
Cognitive Services : Ensemble d'API de Microsoft Azure pour ajouter des fonctionnalités d'IA aux applications, comme la reconnaissance d'images, la traduction de texte, ou l'analyse des sentiments.
Microsoft Power Automate : Outil d'automatisation des flux de travail qui utilise l'IA pour automatiser des tâches au sein de Microsoft 365, SharePoint, et d'autres services.
Power BI avec IA : Plateforme d'analyse de données qui intègre des fonctionnalités d'IA pour réaliser des analyses prédictives et automatiques.
Copilote Microsoft: Fonctionnalité intégrée dans Word, Excel, et Teams qui utilise l'IA générative pour assister les utilisateurs dans la création de contenu, la rédaction de rapports ou l'analyse de données.