Glossaire

Chaînage de modèles

Qu’est-ce que Chaînage de modèles ?

Le chaînage de modèles (model chaining) consiste à enchaîner plusieurs modèles ou étapes d’IA, de sorte que la sortie d’une étape devient l’entrée de la suivante. Les tâches complexes sont ainsi découpées en sous-tâches maîtrisables, que l’on peut vérifier et améliorer séparément. Exemple : une étape résume la demande d’un client, une deuxième l’attribue à un service et une troisième rédige la réponse.

Ce que fait KI.ordo

Dans les flux KI.ordo, vous pouvez enchaîner sans programmation des étapes d’IA, des questions à des agents, des routeurs IA et des sous-flux, chaque étape étant journalisée.

En savoir plus →

Thèmes

orchestration
flux
prompting

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

Prompting récursif

Le prompting récursif désigne des techniques où la sortie d'un modèle de langage est réutilisée comme nouvelle entrée, par exemple pour faire relire et réviser un brouillon ou pour décomposer pas à pas une tâche importante en sous-tâches. Exemple : un projet d'offre est d'abord rédigé, puis le modèle l'évalue selon une liste de contrôle, enfin il l'améliore. La qualité y gagne souvent, mais cela demande du temps de calcul supplémentaire et un critère d'arrêt clair.

prompting
révision
+1

LangChain

LangChain est un framework open source pour Python et JavaScript qui permet aux développeurs de créer des applications fondées sur des modèles de langage. Il offre des interfaces unifiées vers de nombreux fournisseurs de modèles ainsi que des briques pour l'appel d'outils, les agents, le traitement de documents et la génération augmentée par récupération. Depuis la version 1.0 (octobre 2025), les agents de LangChain reposent sur LangGraph. Usages typiques : chatbots qui interrogent des documents internes ou agents qui appellent des services externes.

Framework
Développement
+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

Système d'automatisation par IA

Un système d'automatisation par IA associe l'automatisation classique des processus à des capacités d'IA comme la compréhension de texte, la classification ou l'aide à la décision. Il devient ainsi possible d'automatiser aussi des processus aux entrées non structurées : e-mails, formulaires ou demandes. Le schéma type est une chaîne déclencheur, étapes de traitement, conditions et sortie, avec validation humaine aux points critiques. Exemple : les demandes entrantes sont automatiquement classées, résumées et transmises au bon service.

Automatisation
Processus
+1