Glossaire

Émergence

Qu’est-ce que Émergence ?

L'émergence désigne des propriétés d'un système qui naissent de l'interaction de nombreux éléments simples, sans être visibles dans aucun d'eux pris isolément. En recherche sur l'IA, on parle de capacités émergentes lorsque de grands modèles de langage, au-delà d'une certaine taille, réussissent nettement mieux que des modèles plus petits des tâches comme le calcul en plusieurs étapes ou la traduction. La question de savoir si ces sauts sont réels ou dépendent en partie de la façon de les mesurer fait débat.

Thèmes

modèles de langage
mise à l'échelle
recherche

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

Grand modèle de langage (LLM)

Un grand modèle de langage (Large Language Model, LLM) est un réseau de neurones entraîné sur de très grands volumes de texte, ce qui lui permet de comprendre et de produire du langage. Il fonctionne en calculant, pas à pas, le jeton suivant le plus probable. Les LLM rédigent, résument, traduisent, répondent à des questions et génèrent du code ; Claude, GPT, Gemini et Llama en sont des exemples connus. Sans sources à jour, ils ne connaissent que leurs données d’entraînement.

Modèles de langage
IA générative
+1

Modèle de fondation

Un modèle de fondation est un grand modèle d’IA pré-entraîné sur des données très vastes et variées, qui peut ensuite servir à de nombreuses tâches différentes. Le terme a été forgé à l’université Stanford en 2021. Exemples connus : les grands modèles de langage comme Claude ou GPT. Les entreprises bâtissent généralement leurs applications sur ces modèles plutôt que d’en entraîner un elles-mêmes ; le règlement européen sur l’IA parle de modèles d’IA à usage général.

Modèle de base
Modèles de langage
+1

Intelligence artificielle générale (AGI)

L'intelligence artificielle générale (Artificial General Intelligence, AGI) désigne un système d'IA hypothétique capable d'accomplir un large éventail de tâches intellectuelles à un niveau humain et de transférer avec souplesse ses acquis à de nouveaux domaines. Les systèmes actuels sont performants sur de nombreuses tâches mais présentent encore des limites, par exemple en fiabilité. Il n'existe ni définition ni méthode de mesure reconnues, et la question de savoir si et quand l'AGI sera atteinte est débattue entre spécialistes.

Fondamentaux IA
Recherche
+1

Raisonnement multi-sauts

Le raisonnement multi-sauts (multi-hop reasoning) est la capacité d’un système d’IA à répondre à une question par plusieurs déductions successives, souvent en combinant des informations de sources différentes. Exemple : « Quel service dirige la personne responsable du projet X ? » exige d’identifier d’abord le responsable, puis son service. Ces questions sont exigeantes pour les systèmes de recherche et de RAG, car chaque étape intermédiaire doit être trouvée et reliée correctement.

raisonnement
questions-réponses
+1