Le glossaire
Les mots de l'IA, expliqués simplement
LLM, RAG, MCP, token, hallucination, prompt… Le vocabulaire de l'IA générative et des agents, défini en clair et en français, avec des exemples concrets. Une page par terme.
A
A2A
Agent-to-Agent Protocol · un standard ouvert (Linux Foundation) pour qu'un agent autonome délègue une tâche à un autre agent autonome, potentiellement chez un autre éditeur.
ADR
Architecture Decision Record · une fiche courte qui acte un choix structurant : contexte, 3 options dont une « ennuyeuse », décision, conséquences, coût pour revenir en arrière.
Agent
Un LLM qui peut décider d'appeler des outils (lire un fichier, chercher sur le web…) dans une boucle, jusqu'à atteindre un objectif.
Agent card
Carte de visite JSON publique d'un agent A2A (publiée à `/.well-known/agent-card.json`) · décrit son nom, ses capacités, son endpoint et son schéma d'auth.
API
Application Programming Interface · la porte d'entrée d'un logiciel : un jeu de requêtes standard qu'un autre programme peut lui envoyer pour lire ou écrire des données.
Artifact
Livrable produit par un agent A2A à la fin d'une Task (rapport, JSON structuré, fichier). Composé de Parts (texte, données, fichiers).
B
C
Chain of thought
Technique de prompting où on demande au LLM de raisonner étape par étape avant de conclure. Améliore la précision sur les tâches complexes.
Chunk
Un morceau de document découpé pour l'indexation en RAG. La recherche sémantique te renvoie les chunks les plus pertinents, jamais le document entier.
Chunking
Découpage d'un long document en morceaux (chunks) indexables. Trop petit = perte de contexte ; trop gros = recherche moins précise.
Citation
Référence [N] qui pointe vers le chunk source d'une affirmation dans la réponse. Permet à l'utilisateur de vérifier (et au verifier de détecter les hallucinations sourcées).
CLAUDE.md
Fichier markdown qu'un agent de code (Claude Code) lit avant chaque session pour connaître les conventions du projet (stack, style, règles, interdits). Même idée ailleurs sous un autre nom : `AGENTS.md` chez Codex (OpenAI), `.cursor/rules` chez Cursor.
Context window
La quantité maximale de tokens (fragments de texte) que le LLM peut considérer en une fois. Pour donner un ordre de grandeur : 200 000 tokens = ~150 pages.
D
E
F
Few-shot
Technique où on fournit 2-5 exemples (input → output) dans le prompt pour cadrer la réponse du LLM.
Fine-tuning
Ré-entraîner un modèle existant sur tes propres exemples pour lui imposer un style ou une tâche précise. Plus lourd et plus cher que le prompt ou le RAG.
Frontmatter
Métadonnées YAML en tête d'un fichier qui précisent sa portée, son nom, quand et où l'agent doit l'invoquer.
G
Gate
Un point de contrôle entre deux phases : chaque spécialiste donne un go/no-go motivé, un seul no-go bloque le passage. Le passe de la cuisine · rien ne sort sans le coup d'œil du chef.
GET
Verbe HTTP pour LIRE une donnée depuis un serveur via une API, sans rien modifier. Le pendant en écriture, c'est POST.
Golden dataset
Ensemble de cas de référence (input + sortie attendue) qui sert de baromètre quand on modifie un prompt ou un modèle.
H
I
Inférence
Le LLM en train de répondre à ta requête : il lit ton prompt et génère la sortie token par token. À distinguer de l'entraînement, qui a fabriqué le modèle une seule fois.
ivfflat
Index ANN (Approximate Nearest Neighbors) de pgvector · partitionne les vecteurs en clusters. Plus rapide que la recherche exhaustive, perte de précision <2%.
J
JSON
JavaScript Object Notation · le format texte standard pour échanger des données structurées entre programmes (des paires clé : valeur, lisibles par un humain).
JSON-RPC
JSON-RPC 2.0 · format standard d'appel de procédure distant en JSON. Utilisé par MCP et A2A pour la grammaire des messages (id, method, params, result/error).
L
LLM
Large Language Model (Grand Modèle de Langage) · un modèle d'IA générative qui prédit du texte morceau par morceau, entraîné sur d'énormes quantités de données.
LLM-as-judge
Utiliser un autre LLM comme évaluateur pour noter la qualité d'une sortie selon des critères. Rapide mais soumis à des biais.
M
MCP
Model Context Protocol · un standard pour connecter un LLM à des outils externes (Slack, Google Drive, base de données…) sans recoder à chaque fois.
MCP server
Serveur qui expose des outils selon le standard MCP. Un LLM compatible MCP peut s'y connecter sans connaître l'API spécifique.
ML
Machine Learning · apprentissage automatique sur des données structurées (prévision, classification). Le LLM en est une branche récente, spécialisée dans le langage.
N
O
OAuth
Standard qui permet d'autoriser une app à accéder à ton compte (Google, Slack…) sans jamais lui confier ton mot de passe.
OIDC
OpenID Connect · la couche d'identité posée sur OAuth : elle prouve QUI est l'utilisateur, pas seulement ce qu'il a le droit de faire (le « Se connecter avec Google »).
Opaque agent
Agent dont on consomme la capacité sans connaître son code, son prompt système, son LLM ni ses outils internes. Cœur philosophique d'A2A.
Orchestrator
L'agent principal qui décompose une tâche et délègue à des sous-agents spécialisés.
P
pgvector
Extension PostgreSQL qui ajoute un type `vector` et des opérateurs de distance (cosine, euclidean, inner product). Permet la recherche sémantique sans Qdrant/Pinecone.
POST
Verbe HTTP pour CRÉER ou envoyer une donnée à un serveur via une API (ex. publier un message). Le pendant en lecture, c'est GET.
Prompt
Le texte que tu donnes au LLM pour obtenir une réponse : ta consigne, ta question, le contexte fourni. Bien le formuler change tout.
Prompt injection
Attaque où un attaquant cache des instructions dans l'input pour détourner le comportement du LLM (ex : « ignore les règles précédentes »).
R
RAG
Retrieval-Augmented Generation · chercher des documents pertinents dans une base avant de demander la réponse au LLM.
Rerank
2e tri des résultats d'un retrieval vectoriel · un LLM léger lit les ~8 chunks et les note de 0 à 100 selon la vraie pertinence à la question. Précision +15-30%.
REST
Style d'API très répandu où chaque ressource a une URL et où on agit dessus avec des verbes HTTP (GET pour lire, POST pour créer…).
ROE
Return on Effort · le rendement de l'effort de process. Une cérémonie (ADR, gate, revue) ne vaut que si ce qu'elle évite coûte plus cher que ce qu'elle prélève.
Rule
Une instruction courte et vérifiable dans un CLAUDE.md (« pas de any », « zod pour la validation des bodies API »).
S
SDK
Software Development Kit · une boîte à outils fournie par un éditeur (ex. Anthropic) pour brancher son service dans ton code sans tout réécrire.
Skill
Compétence packagée (markdown + frontmatter + outils) que l'agent invoque seulement quand le contexte le demande, sans alourdir tous ses prompts.
Slash command
Un point d'entrée nommé (ex : /kickoff, /tech-gate) qui déclenche une procédure ou une phase du pipeline, comme une annonce du chef en cuisine.
SSE
Server-Sent Events · une connexion HTTP que le serveur garde ouverte pour pousser des mises à jour au fil de l'eau, sans que le client redemande. Sert en A2A à suivre l'avancement d'une tâche en direct.
SSO
Single Sign-On · authentification unique : un seul login (souvent celui de l'entreprise) ouvre toutes les applications, sans re-saisir son mot de passe à chaque fois.
Subagent
Un agent secondaire spécialisé, lancé avec son propre contexte pour une mission bornée (ex : produire un ADR), puis qui rend son résultat à l'agent principal.
System prompt
Instructions persistantes données au LLM avant la conversation. Définit son rôle, ses contraintes, son ton.
T
Task
Unité de travail délégable en A2A · stateful, identifiée par un id, avec un cycle de vie (submitted → working → input-required → completed | failed).
Temperature
Réglage qui contrôle le hasard de la réponse. 0 = très prévisible, 1 = très créatif.
Token
Fragment de texte (souvent 3-4 caractères) que le LLM manipule à la place des mots. « Bonjour » = ~2 tokens.
Tool use
Capacité d'un LLM d'appeler une fonction structurée (avec arguments JSON typés) au lieu de juste répondre en texte. Plus fiable pour de l'extraction.
top-k
Le nombre de résultats les plus proches qu'une recherche vectorielle renvoie. top-5 = les 5 meilleurs chunks. Plus k est grand, plus tu donnes de contexte au LLM, mais plus tu risques d'ajouter du bruit.
V
Vector search
Recherche par similarité sémantique entre l'embedding d'une requête et tous les embeddings du corpus. Renvoie les top-K chunks les plus proches en distance cosine.
Vibe check
Tester un agent sur 3-5 cas qui marchent bien et conclure « ça fonctionne ». Trompeur · la prod révèle les cas piégés.
Voyage
Voyage AI · provider d'embeddings (alternative à OpenAI). Modèles voyage-3 (généraliste 1024d) et voyage-law-2 (fine-tuné juridique). Recommandé par Anthropic.