Glossaire de l'IA pour les PME suisses

L'IA s'accompagne de beaucoup de jargon, souvent plus simple qu'il n'y paraît. Nous expliquons ici les termes les plus courants, en langage clair et avec un exemple tiré du quotidien des entreprises suisses.

Agent IA: Un agent IA est un système d'IA qui ne se contente pas de répondre : il enchaîne lui-même plusieurs étapes pour atteindre un objectif. Il peut chercher des informations, utiliser des outils comme votre agenda ou votre CRM et décider de la suite. Un bon agent agit dans des limites claires et demande l'accord d'une personne avant toute action importante. En pratique : un agent lit une demande client, vérifie le stock dans l'ERP, prépare une offre et vous la soumet pour validation.
AI Act de l'UE (règlement européen sur l'IA): L'AI Act est la loi de l'Union européenne sur l'intelligence artificielle. Entré en vigueur en août 2024, il s'applique par étapes, avec des règles qui dépendent du risque de chaque usage : certaines pratiques sont interdites, les usages à haut risque, comme certaines décisions d'embauche ou de crédit, sont soumis à des exigences strictes, et les chatbots doivent indiquer clairement qu'on dialogue avec une IA. Il peut aussi concerner des entreprises suisses qui proposent des systèmes d'IA dans l'UE ou dont les résultats d'IA y sont utilisés. En pratique : une entreprise suisse dont l'assistant en ligne sert aussi des clients en France devrait indiquer clairement qu'il s'agit d'un assistant IA.
API (interface de programmation): Une API est une interface convenue qui permet à deux logiciels d'échanger des données automatiquement. Au lieu qu'une personne recopie des données d'un écran à l'autre, un programme interroge directement l'autre via son API. La plupart des logiciels de gestion modernes, et tous les grands modèles d'IA, proposent une API. En pratique : votre boutique en ligne transmet chaque nouvelle commande via une API à votre logiciel de comptabilité, sans saisie manuelle.
Apprentissage automatique (machine learning): L'apprentissage automatique est la branche de l'IA où un logiciel apprend des règles à partir d'exemples, au lieu d'être programmé règle par règle. On lui montre de nombreux cas passés, et il apprend à reconnaître des schémas et à faire des prévisions pour de nouveaux cas. On le trouve derrière les filtres anti-spam, les prévisions de ventes et la détection de fraude, et c'est aussi ainsi que sont construits les modèles de langage. En pratique : une boulangerie estime chaque matin le nombre de pains à cuire grâce à l'apprentissage automatique, à partir des ventes passées et de la météo.
Automatisation des processus (workflows): L'automatisation des processus consiste à confier à un logiciel une suite d'étapes récurrentes que des personnes faisaient à la main, comme recevoir, vérifier, transmettre et classer. L'automatisation classique suit des règles fixes, tandis que des étapes d'IA prennent en charge ce qui demande de la lecture ou du jugement. Chaque étape est consignée, vous savez donc toujours ce qui s'est passé et pourquoi. En pratique : chaque candidature reçue fait l'objet d'un accusé de réception, d'un résumé et d'un classement dans le bon dossier, puis est transmise au responsable du recrutement, sans intervention manuelle.
Base de données vectorielle: Une base de données vectorielle stocke des embeddings, ces suites de nombres qui représentent le sens des textes, et retrouve très vite ceux qui sont les plus proches d'une question. C'est le moteur de recherche au cœur de la plupart des systèmes RAG. Vos documents restent à leur emplacement d'origine, la base vectorielle contient l'index consultable de leur contenu. En pratique : les 2000 pages de manuels et de procédures d'une entreprise sont indexées dans une base vectorielle, et l'assistant trouve le bon paragraphe en moins d'une seconde.
Chatbot / assistant IA: Un chatbot est un programme qui répond aux questions dans une fenêtre de discussion, sur votre site, dans une application ou dans des outils internes. Les anciens chatbots suivaient des scénarios figés, alors que les assistants IA modernes comprennent le texte libre et répondent en langage naturel, souvent en plusieurs langues. Un bon assistant ne répond qu'à partir de vos informations validées et passe la main à une personne en cas de doute. En pratique : l'assistant du site d'un garage répond le soir aux questions sur les horaires et le changement de pneus, puis inscrit le rendez-vous directement dans l'agenda.
Embedding (vecteur sémantique): Un embedding transforme un texte en une suite de nombres qui représente son sens. Des textes de sens proche obtiennent des nombres proches, même s'ils emploient d'autres mots ou une autre langue. Un logiciel peut ainsi chercher par le sens plutôt que par mots-clés exacts. En pratique : une recherche sur 'mettre fin à mon contrat' trouve aussi le document intitulé 'résiliation de l'abonnement', ainsi que sa version allemande.
Fenêtre de contexte: La fenêtre de contexte est la quantité de texte qu'un modèle de langage peut prendre en compte en une fois, y compris votre question, les documents joints et sa propre réponse. Elle se mesure en tokens. Ce qui dépasse la fenêtre n'est tout simplement pas vu par le modèle, c'est pourquoi les très longs documents doivent souvent être découpés ou d'abord parcourus par une recherche. En pratique : un dossier d'appel d'offres de 200 pages ne tient pas forcément dans une seule requête, le système en extrait donc d'abord les passages utiles et ne transmet que ceux-ci au modèle.
Fine-tuning (ajustement fin): Le fine-tuning consiste à entraîner davantage un modèle d'IA existant avec vos propres exemples, pour qu'il adopte un style, un format ou une tâche spécialisée. Le modèle lui-même est modifié, ce qui demande du travail, de bonnes données d'entraînement et une nouvelle passe à chaque changement. Pour la plupart des PME, fournir au modèle les bons documents au moment de la question (RAG) revient moins cher et se tient plus facilement à jour. En pratique : une entreprise ajuste un petit modèle sur des milliers de tickets de support déjà classés, afin qu'il trie les nouveaux exactement comme l'équipe.
Grand modèle de langage (LLM): Un grand modèle de langage est un modèle d'IA entraîné sur d'immenses quantités de texte, ce qui lui permet de comprendre et de rédiger du langage. C'est le moteur d'outils comme ChatGPT, Claude, Gemini ou Mistral. Un LLM excelle à lire, résumer, traduire et rédiger, mais il ne connaît pas par lui-même les données de votre entreprise. En pratique : un LLM résume en une page, en français et en allemand, un document de consultation de 30 pages pour le conseil communal.
Hallucination: On parle d'hallucination lorsqu'un modèle d'IA affirme avec assurance quelque chose de faux, par exemple un chiffre inventé, un article de loi qui n'existe pas ou un horaire erroné. Cela arrive parce que les modèles de langage produisent le texte le plus vraisemblable, pas des faits vérifiés. Le risque baisse nettement lorsque le modèle ne peut répondre qu'à partir de vos propres documents et doit citer ses sources. En pratique : un assistant en ligne limité à la liste de prix et à la FAQ de l'entreprise répondra 'je ne sais pas' plutôt que d'inventer un prix.
Hébergement sur site ou dans le cloud: Sur site (on-premise) signifie que le logiciel et le modèle d'IA tournent sur des serveurs que vous possédez ou contrôlez, dans vos locaux ou votre propre centre de données. L'hébergement dans le cloud signifie qu'ils tournent dans le centre de données d'un fournisseur et que vous les utilisez via Internet. Le cloud démarre plus vite et ne demande aucun matériel, tandis que l'hébergement sur site offre le plus de contrôle sur le parcours des données, mais coûte plus cher à mettre en place et à entretenir. Une voie intermédiaire est un cloud situé en Suisse avec un contrat clair. En pratique : un office cantonal garde ses dossiers sensibles sur ses propres serveurs avec un modèle open-weight, tandis qu'un petit commerce utilise un service cloud suisse pour l'assistant de son site.
Humain dans la boucle (human in the loop): L'humain dans la boucle signifie qu'une personne vérifie et valide le travail de l'IA aux étapes clés, avant toute action importante. L'IA prépare, l'humain garde la décision et la responsabilité. C'est la façon la plus sûre de débuter avec l'IA, et c'est souvent attendu pour les tâches sensibles dans l'administration publique. En pratique : l'IA prépare les réponses aux demandes des habitants adressées à l'administration communale, et un collaborateur relit, corrige et envoie chacune d'elles.
IA (intelligence artificielle): L'IA est un logiciel capable d'effectuer des tâches qui demandaient jusqu'ici un jugement humain, comme comprendre un texte, reconnaître une image ou répondre à une question. Elle ne pense pas comme une personne : elle reconnaît des schémas appris à partir de grandes quantités de données. En entreprise, l'IA sert aujourd'hui surtout à traiter le langage : lire, rédiger, trier et résumer. En pratique : une fiduciaire confie à l'IA la lecture des justificatifs reçus et la préparation des écritures, qu'elle contrôle ensuite.
IA générative: L'IA générative est une IA qui crée de nouveaux contenus, comme du texte, des images, du son ou du code, au lieu de seulement trier ou prévoir. Des outils comme ChatGPT en sont les exemples les plus connus. Les résultats sont souvent très bons, mais ils reposent sur des probabilités, il faut donc vérifier faits et chiffres avant de les utiliser. En pratique : une menuiserie fait rédiger par l'IA générative les lettres d'accompagnement de ses offres en français et en allemand, que le patron relit avant l'envoi.
Intégration: Une intégration relie deux logiciels ou plus pour que les données circulent automatiquement entre eux. Elle évite les doubles saisies et les copier-coller entre des outils comme le CRM, l'ERP, la boutique en ligne, la messagerie et les tableurs. Les intégrations reposent généralement sur des API, et c'est souvent là que l'IA fait gagner le plus de temps. En pratique : lorsqu'une demande arrive par e-mail, l'intégration crée le contact dans le CRM, joint les documents et prévient la bonne personne.
Modèle open-weight (à poids ouverts): Un modèle open-weight est un modèle d'IA dont les paramètres entraînés, appelés poids, sont publiés, de sorte que chacun peut le télécharger et le faire tourner sur son propre matériel. On peut citer les modèles de Mistral, de Meta (Llama) ou Qwen. Ils ne sont pas toujours entièrement open source, car les données d'entraînement et les conditions de licence varient. Leur principal avantage : les données n'ont jamais besoin de quitter votre propre infrastructure. En pratique : une étude d'avocats fait tourner un modèle open-weight sur un serveur dans ses locaux, pour que les dossiers des clients ne soient jamais envoyés à un fournisseur externe.
nLPD (loi fédérale sur la protection des données): La nLPD est la loi fédérale révisée sur la protection des données, en vigueur depuis le 1er septembre 2023. Elle s'applique aux entreprises privées et aux organes fédéraux qui traitent des données personnelles, tandis que les administrations cantonales et communales relèvent des lois cantonales sur la protection des données. Elle exige notamment la transparence envers les personnes concernées, une sécurité des données adaptée et de la prudence lorsque des données personnelles sont communiquées à l'étranger, et les violations graves doivent être annoncées au Préposé fédéral à la protection des données et à la transparence (PFPDT). En pratique : avant de confier des e-mails de clients à un service d'IA, une PME vérifie où les données sont traitées et l'indique dans sa déclaration de protection des données.
OCR (reconnaissance optique de caractères): L'OCR transforme des images de texte, comme des scans, des photos ou des PDF composés uniquement d'images, en texte qu'un ordinateur peut rechercher et modifier. L'OCR classique reconnaît les lettres, mais ne comprend pas ce qu'elles signifient. L'OCR moderne gère aussi l'écriture manuscrite et les scans de mauvaise qualité bien mieux qu'il y a quelques années. En pratique : des décennies de permis de construire scannés dans les archives communales deviennent consultables par adresse ou par numéro de parcelle.
Prompt (instruction): Un prompt est l'instruction ou la question que vous donnez à un modèle d'IA. Plus le prompt est clair, avec du contexte, le format souhaité et des exemples, meilleure et plus régulière est la réponse. Dans les outils métier, la plupart des prompts sont rédigés une fois par le développeur et tournent en arrière-plan, les collaborateurs n'ont donc pas à les écrire à chaque fois. En pratique : le prompt d'un assistant e-mail précise le ton à adopter, les langues de réponse et le moment où un message doit être transmis à une personne.
RAG (génération augmentée par récupération): Le RAG est une méthode où l'IA cherche d'abord les passages pertinents dans vos propres documents, puis rédige sa réponse en s'appuyant sur eux. Le modèle peut ainsi répondre à des questions sur votre entreprise sans être réentraîné, et indiquer les sources utilisées. Quand un document change, les réponses changent aussi dès que la nouvelle version est indexée. En pratique : un collaborateur demande 'Combien de jours de vacances ont les apprentis ?' et l'assistant répond à partir du règlement du personnel en vigueur, avec un lien vers la page exacte.
RGPD: Le RGPD (règlement général sur la protection des données) est la loi de l'Union européenne sur la protection des données, en vigueur depuis mai 2018. Il peut aussi s'appliquer à des entreprises suisses, par exemple lorsqu'elles proposent des biens ou des services à des personnes dans l'UE ou suivent leur comportement en ligne. Ses principes sont proches de ceux de la nLPD suisse, mais certaines obligations diffèrent et les amendes peuvent atteindre 20 millions d'euros ou 4 % du chiffre d'affaires annuel mondial. En pratique : une boutique en ligne suisse qui livre aussi en France doit vérifier ses outils d'IA au regard du RGPD autant que de la nLPD.
RPA (automatisation robotisée des processus): La RPA est un logiciel qui imite une personne qui clique d'écran en écran : il ouvre des programmes, copie des valeurs, remplit des formulaires et appuie sur des boutons, selon des règles fixes. C'est utile pour d'anciens systèmes sans API. Comme la RPA dépend de la disposition exacte des écrans, elle peut cesser de fonctionner après une mise à jour, et elle ne sait pas traiter les cas imprévus. Combinée à l'IA, elle peut aussi traiter des informations moins structurées. En pratique : chaque soir, un robot RPA reporte les demandes de vacances validées d'un formulaire e-mail vers un ancien logiciel RH sans interface.
Token (jeton): Un token est la petite unité de texte qu'un modèle de langage lit et écrit, en général un mot ou une partie de mot. En anglais, 100 tokens correspondent à environ 75 mots, et le français, l'allemand ou l'italien en demandent souvent un peu plus. Les tokens comptent, car les fournisseurs d'IA facturent au token et la fenêtre de contexte se mesure en tokens. En pratique : résumer un contrat de 10 pages ne coûte que quelques centimes, mais des milliers de documents par mois finissent par peser, il vaut donc la peine d'estimer les coûts à l'avance.
Traitement intelligent des documents (IDP): Le traitement intelligent des documents associe l'OCR à l'IA pour lire des documents, comprendre de quoi il s'agit et en extraire les données utiles. Contrairement à l'OCR simple, il sait si un nombre est un total de facture, une date d'échéance ou un montant de TVA, même quand chaque fournisseur a sa propre mise en page. Les champs incertains sont signalés pour vérification par une personne. En pratique : les factures fournisseurs reçues en PDF ou scannées sur papier sont lues, contrôlées et préparées pour la comptabilisation dans le logiciel comptable.