Discipline : Intelligence artificielle et systèmes autonomes

Discipline du numérique centrée sur les capacités cognitives simulées, les agents autonomes et l’IA générative pour transformer données en décisions.
IA générative, agents autonomes, LLM, orchestration IA, apprentissage continu, RAG, gouvernance de l’IA

  • Dette logicielle avec l’IA

    La dette logicielle avec l’IA désigne l’accumulation de risques techniques, fonctionnels ou éthiques résultant de l’intégration non maîtrisée de suggestions ou de code généré par une intelligence artificielle dans un projet logiciel sans validation, documentation, test ou compréhension suffisante. C’est une forme moderne de dette technique, amplifiée par la vitesse, l’opacité et la fausse confiance…

  • Économie des agents

    Définition L’économie des agents désigne l’écosystème économique émergent dans lequel des agents logiciels autonomes dotés de capacités de raisonnement, de mémoire contextuelle et d’accès à des outils externes exécutent des workflows métier complexes (réservation, support client, développement, analyse) sans supervision humaine continue. Il ne s’agit plus d’automatiser des tâches ponctuelles via des chatbots réactifs, mais…

  • Économie du Token

    Définition Économie du Token désigne le nouveau paradigme de mesure de la valeur dans la production numérique à l’ère de l’IA générative, où la valeur d’un projet ne se mesure plus en temps humain (taux horaire, journées de développement) mais en tokens consommés (unités de traitement sémantique par les modèles de langage). Il ne s’agit…

  • Edge computing pour l’IA

    L’edge computing consiste à exécuter l’inférence IA sur des serveurs proches géographiquement de l’utilisateur (« edge nodes »), plutôt que dans un data center centralisé. Plutôt que d’envoyer une requête à un serveur situé à des milliers de kilomètres, l’inférence est traitée sur un point de présence (PoP) local — par exemple, un serveur de…

  • Évolution de l’IA

    L’évolution de l’IA désigne la progression des systèmes d’intelligence artificielle, du calcul automatique rigide vers des capacités de plus en plus humaines : apprendre, s’adapter, prédire, comprendre le langage, puis créer. Les 6 couches de complexité de l’IA Chaque couche repose sur la précédente. Plus on monte, plus l’IA devient intelligente, autonome et proche de…

  • Fausse IA

    La « fausse IA » désigne des fonctionnalités présentées comme de l’intelligence artificielle, mais qui reposent en réalité sur des règles prédéfinies, des automates simples ou des algorithmes classiques sans apprentissage, sans adaptation ni compréhension du contexte. C’est souvent du marketing technologique : on colle l’étiquette « IA » à un outil pour le rendre…

  • GLM – General Language Model

    GLM est une famille de modèles de langage développés par la société chinoise Zhipu AI. Sa particularité technique repose sur un objectif d’auto-apprentissage par trous (autoregressive blank infilling) : contrairement aux modèles classiques (GPT prédit un mot après l’autre, BERT prédit des mots masqués), GLM est entraîné à masquer des segments continus de texte (phrases ou blocs) et à…

  • Google Antigravity

    Google Antigravity est une plateforme de développement agentic (basée sur des agents IA) conçue pour transformer la manière dont on code. Il s’agit d’un Ide agentic pour produire du code. Il délègue à des agents IA la planification, l’exécution et la vérification de tâches de développement complexes, via une interface de type « Mission Control…

  • Grand modèle de langage

    Un grand modèle de langage (ou LLM) est un système d’intelligence artificielle entraîné sur une quantité massive de textes (livres, sites web, code, forums…) pour comprendre et générer du langage humain de façon statistiquement cohérente. Il ne « comprend » pas au sens humain, mais prédit habilement le mot ou la phrase la plus probable…

  • IA Act

    Le règlement européen sur l’intelligence artificielle (IA Act) établit une classification par niveaux de risque pour encadrer les systèmes d’IA en fonction de leur impact potentiel sur les droits fondamentaux, la sécurité et le bien-être des personnes. 1. Risques inacceptables (Unacceptable Risk) 2. Risques élevés (High-Risk) 3. Risques limités ou minimes (Limited or Minimal Risk)…