glossaire

les mots qu'onemploie à la légère.

forward deployed engineer (fde): un ingénieur qui travaille dans votre équipe et votre code plutôt que de livrer à distance. le modèle popularisé par Palantir, derrière lequel Anthropic, OpenAI, AWS et Microsoft ont mis de l'argent en 2026. l'idée : celui qui cadre est celui qui livre.; lire la définition complète de forward deployed engineer (fde)
conseil en ia: du conseil qui se termine par quelque chose qui tourne, pas par un deck. un diagnostic de maturité, un plan écrit, et le plus souvent la mise en œuvre. posez deux questions : combien ça coûte, et qui fait le travail exactement.
diagnostic de maturité ia: un examen court de la capacité de vos données, systèmes et équipes à porter le projet envisagé. il doit nommer les processus qui méritent d'être changés et ceux qui ne sont pas prêts, et savoir dire « pas encore ».
mise en œuvre de l'ia: l'étape entre la décision d'utiliser l'ia et son fonctionnement en production : l'intégration, les droits d'accès, le plan de retour arrière et la passation à ceux qui la maintiendront. c'est là que la plupart des programmes calent, pas sur le modèle.
gouvernance de l'ia: les règles écrites d'usage de l'ia dans l'entreprise : quelles données elle peut voir, qui valide, ce qui est journalisé, et comment une mauvaise sortie est repérée. concrètement : un document de politique, un journal d'audit et un plan de retour arrière.
pilote ia: un essai limité d'un processus avant de s'y engager. un pilote n'est utile que s'il a un critère de sortie écrit à l'avance. sans cela, il devient la chose qui tourne un an et ne sort jamais.
montée en compétences ia: une formation qui change ce que l'équipe fait le lundi, pas ce qu'elle sait le vendredi. des dates de session, une vraie évaluation, et du travail produit pendant le programme plutôt qu'une attestation de présence.
grand modèle de langage (llm): un modèle entraîné à prédire du texte, d'où le fait qu'une même question puisse donner deux réponses. utile quand la tâche supporte une relecture ; risqué quand une sortie non vérifiée part directement chez un client ou dans un livre de comptes.
génération augmentée par récupération (rag): donner vos documents au modèle au moment de la question plutôt que de les lui faire apprendre. c'est ainsi qu'un assistant répond depuis vos politiques et non depuis internet, et c'est souvent moins cher et plus simple à corriger que le fine-tuning.
agent ia: un modèle doté d'outils et du droit d'agir : envoyer le mail, mettre à jour la fiche, appeler l'api. le problème d'ingénierie n'est pas le raisonnement, c'est de décider ce qu'il peut toucher et ce pour quoi il doit d'abord demander à un humain.
eval: un test reproductible qui note la sortie d'un modèle face à des réponses connues comme bonnes. sans lui, impossible de savoir si un changement de prompt a amélioré quoi que ce soit ou l'a seulement modifié. c'est la différence entre livrer et deviner.
fine-tuning: un entraînement complémentaire d'un modèle existant sur vos propres exemples pour qu'il adopte un format ou un style. utile pour la constance des sorties ; souvent le mauvais outil pour lui apprendre des faits, où la récupération fait mieux l'affaire.