Gouvernance de l'IA

L'IA agentique décrit les systèmes d'IA conçus pour poursuivre des objectifs par un raisonnement itératif, une planification, l'utilisation d'outils et une adaptation plutôt que de produire une seule réponse passive.

Un agent IA est un système logiciel qui perçoit le contexte, raisonne sur un objectif, sélectionne des actions et utilise des outils ou d'autres systèmes pour accomplir des tâches avec un degré d'autonomie défini.

Les garde-fous IA sont des contrôles techniques et organisationnels qui limitent la manière dont un système d'IA reçoit les entrées, génère les sorties, utilise les données et prend des mesures.

Une évaluation d'impact de l'IA est un processus structuré pour identifier, analyser, évaluer et documenter les effets qu'un système d'IA peut avoir sur les personnes, les organisations, la société et l'environnement tout au long de son cycle de vie.

Un système de gestion de l'IA est un ensemble de politiques, de rôles, de processus, de contrôles et de pratiques d'amélioration continue à l'échelle de l'organisation, utilisés pour régir le développement, la fourniture et l'utilisation responsables des systèmes d'IA.

La gestion des risques liés à l'IA est le processus coordonné d'identification, d'analyse, d'évaluation, de traitement, de surveillance et de communication des risques découlant de la conception, du développement, du déploiement et de l'utilisation des systèmes d'IA.

Le biais algorithmique est un schéma systématique dans un système algorithmique qui peut produire des résultats injustes, inexacts ou disproportionnellement nuisibles pour des personnes ou des groupes particuliers.

Le Mode Consentement est une fonctionnalité de la plateforme Google qui ajuste le comportement des balises et des SDK d'application en fonction des choix de consentement d'un utilisateur.

Une plateforme de données clients (CDP) est un logiciel pré-emballé qui crée des profils clients persistants et unifiés et les rend accessibles à d'autres systèmes.

L'exfiltration de données est le transfert, la divulgation ou le retrait non autorisé de données d'un système, d'un réseau, d'une application ou d'un environnement contrôlé.

La gouvernance des données est le système de droits de décision, de responsabilités, de politiques, de normes et de contrôles utilisé pour gérer les données en tant qu'actif organisationnel.

La lignée des données est un enregistrement traçable de l'origine des données, de la manière dont elles ont circulé et ont été modifiées, et de l'endroit où elles sont utilisées dans les systèmes et les processus.

La qualité des données correspond au degré selon lequel les données sont exactes, complètes, cohérentes, actualisées, valides, uniques et adaptées à l'utilisation prévue.

La loi sur l'IA de l'UE est le règlement (UE) 2024/1689, un cadre juridique fondé sur les risques qui régit le développement, la mise sur le marché, le déploiement et l'utilisation de l'intelligence artificielle dans l'Union européenne.

L'IA explicable comprend des méthodes et des propriétés système qui aident les personnes concernées à comprendre la base, le comportement ou les limitations d'un système d'IA et de ses résultats.

L'optimisation pour les moteurs génératifs consiste à améliorer la précision et la visibilité avec lesquelles une entité ou son contenu sont récupérés, représentés, attribués et cités dans les réponses produites par les moteurs de recherche et les systèmes de réponse génératifs.

L'intervention humaine (Human-in-the-Loop) est une conception de système dans laquelle le jugement, l'examen, les retours ou l'autorisation d'un humain sont délibérément intégrés dans un processus automatisé ou piloté par l'IA.

La norme ISO 31000:2018 est une directive internationale visant à intégrer des principes, un cadre et un processus de gestion des risques dans la gouvernance organisationnelle et la prise de décision.

La norme ISO/IEC 22989:2022 est un standard international qui établit la terminologie et décrit les concepts utilisés dans les technologies et applications d'intelligence artificielle.

ISO/IEC 23894:2023 est une norme internationale qui fournit des orientations sur la gestion des risques auxquels font face les organisations qui développent, fournissent, déployant ou utilisent des systèmes d'IA.

ISO/IEC 27001:2022 est la norme internationale d'exigences pour l'établissement, la mise en œuvre, la maintenance et l'amélioration continue d'un système de management de la sécurité de l'information.

ISO/IEC 38507:2022 fournit des orientations aux organes de gouvernance sur les implications de l'utilisation de l'intelligence artificielle par une organisation.

La première norme internationale spécifiant les exigences pour l'établissement, la mise en œuvre, la maintenance et l'amélioration continue d'un système de management de l'IA au sein des organisations.

L'ISO/IEC 42005:2025 est la norme internationale publiée qui fournit des orientations aux organisations effectuant des évaluations d'impact de systèmes d'intelligence artificielle.

Un graphe de connaissances est une représentation structurée d'entités, de leurs attributs et des relations entre elles, organisée pour l'interrogation et la réutilisation par machine.

Un grand modèle linguistique (LLM) est un modèle linguistique entraîné sur de très grands ensembles de données et paramétré pour traiter ou générer du langage et des séquences associées.

Le scoring de leads est une méthode permettant d'attribuer des valeurs aux attributs et aux comportements des prospects afin de favoriser la priorisation ou l'acheminement vers un résultat convenu.

La tokénisation par LLM est la conversion de texte ou d'autres entrées en identifiants de jetons spécifiques au modèle qu'un grand modèle de langage peut traiter.

Une fiche de modèle est un document structuré qui décrit les utilisations prévues, les performances, les conditions d'évaluation, les limites et les informations de gouvernance pertinentes d'un modèle d'IA ou de machine learning.

Une tâche de traitement automatique du langage naturel qui identifie et classe des entités nommées telles que des personnes, des organisations, des lieux et des dates dans un texte.

Le domaine informatique qui s'intéresse à la capacité des systèmes à analyser, générer et interagir au moyen du langage humain.

Le cadre de gestion des risques liés à l'IA du NIST est un cadre volontaire, respectueux des droits et indépendant des cas d'utilisation, qui aide les organisations à gérer les risques pour les individus, les organisations et la société tout au long du cycle de vie de l'IA.

Une classe d'attaque contre les applications de grands modèles linguistiques dans laquelle une entrée malveillante est conçue pour remplacer, rediriger ou extraire des informations des instructions prévues par le système.

Une architecture d'IA qui combine la génération de grands modèles linguistiques avec la récupération en temps réel à partir de sources de connaissances externes pour produire des réponses fondées et vérifiables.

L'expérience générative de recherche (Search Generative Experience) était la désignation expérimentale de Google Search Labs pour les fonctionnalités d'IA générative dans la recherche ; c'est désormais un terme obsolète ou de transition associé au développement des résumés par IA (AI Overviews) et des expériences de recherche par IA ultérieures.

La classification informatique ou l'attribution de notes aux opinions, attitudes ou polarités émotionnelles exprimées dans un texte ou d'autres données.

Le contenu généré par les utilisateurs est du matériel créé et partagé par des clients, des membres de la communauté ou d'autres utilisateurs plutôt que produit uniquement par l'organisation qui le publie ou le met en avant.

L'accessibilité du Web consiste à concevoir et à développer des sites Web et des outils Web de manière à ce que les personnes handicapées puissent les percevoir, les comprendre, y naviguer, interagir avec eux et y contribuer.

Un ensemble de directives reconnues à l'échelle internationale et publiées par le W3C, qui définissent comment rendre le contenu Web plus accessible aux personnes handicapées, articulé autour de quatre principes : percevable, operable, compréhensible et robuste.

Les données zero-party sont des informations qu'un client partage intentionnellement et proactivement avec une organisation, telles que ses préférences, ses intentions, son contexte ou la reconnaissance souhaitée.