Vocabulaire de l'IA : tokens, contexte, paramètres, les 10 mots à connaître

Dix mots suffisent pour comprendre l’essentiel de ce que racontent les applications d’IA et l’actualité : prompt, modèle, token, fenêtre de contexte, paramètres, données d’entraînement, inférence, température, hallucination et agent. Chacun est expliqué ci-dessous en mots simples, avec un exemple concret et ce qu’il change pour votre usage.

Comment nous avons choisi ces 10 mots

Le jargon de l’IA compte des centaines de termes. Pour cette liste, nous avons retenu ceux qui répondent à trois critères :

• ils apparaissent dans les applications grand public ou dans leurs pages de tarifs ;
• ils reviennent souvent dans l’actualité des modèles et des assistants ;
• ils ont un effet concret pour vous : sur la qualité des réponses, les limites, le prix ou la fiabilité.

Les mots sont classés dans un ordre logique, du plus quotidien au plus avancé. Chacun renvoie vers sa page du glossaire, si vous voulez creuser. Pour une vue d’ensemble avant de commencer, lisez notre guide pour comprendre l’intelligence artificielle.

1. Prompt

Le prompt est le texte que vous écrivez à l’IA : une question, une consigne, un document à traiter. En français, on dit aussi « consigne » ou « requête ».

Exemple. « Résume ce courriel » est un prompt. « Résume ce courriel en trois points, pour un collègue qui n’a pas suivi le dossier » en est un meilleur.

Pourquoi ça compte. La qualité de la réponse dépend beaucoup de la clarté de la demande. Un bon prompt n’est pas forcément long : il donne le contexte, l’objectif et le format attendu.

2. Modèle (LLM)

Le modèle est le « cerveau » de calcul qui produit les réponses. Pour le texte, on parle de grand modèle de langage, ou LLM. ChatGPT, Claude ou Gemini sont des assistants ; ils fonctionnent grâce à des modèles comme GPT-6 Astra, Claude Opus 5.5 ou Gemini 4 Argon.

Exemple. Dans un même assistant, vous pouvez parfois choisir entre un modèle rapide et un modèle plus puissant mais plus lent.

Pourquoi ça compte. Deux assistants peuvent utiliser le même modèle, et un même assistant peut changer de modèle. Pour tout comprendre, lisez notre explication de ce qu’est un LLM.

3. Token

Un token est un petit morceau de texte : un mot court, un bout de mot long, un signe de ponctuation. C’est l’unité que le modèle lit et écrit.

Exemple. « Le » tient en un token, alors qu’un mot long comme « incompréhensible » est découpé en plusieurs. Pour l’anglais, OpenAI donne une règle approximative : un token correspond à environ 4 caractères. En français, le rapport peut être différent.

Pourquoi ça compte. Les limites de longueur et les prix des services pour développeurs se calculent en tokens. L’estimateur de tokens du site vous donne un ordre de grandeur pour n’importe quel texte.

4. Fenêtre de contexte

La fenêtre de contexte est la quantité maximale de texte, mesurée en tokens, que le modèle peut prendre en compte en une fois : votre demande, les documents joints, l’historique de la conversation et sa réponse.

Exemple. Vous envoyez un rapport de 200 pages. S’il dépasse la fenêtre, une partie sera ignorée ou résumée, souvent sans avertissement clair.

Fenêtre de contexte (tokens)

• GPT-6 Astra1,05 M
• Claude Opus 5.51 M
• Grok 4.7500 k
• Kimi K2.6262 k
• Qwen3.6 27B262 k

Pourquoi ça compte. Une grande fenêtre permet de travailler sur de longs documents. Mais elle n’est pas une garantie : plus le texte est long, plus le modèle risque de rater un détail. Mieux vaut lui donner les bons passages que tout lui donner.

5. Paramètres

Les paramètres sont les nombres internes qu’un modèle règle pendant son apprentissage, comme des milliards de petits boutons. Ce qu’il « sait » est stocké là.

Exemple. Un modèle nommé « 7B » compte environ 7 milliards de paramètres (B pour billion, un milliard en anglais). En 2020, OpenAI présentait GPT-3 comme un modèle de 175 milliards de paramètres.

Pourquoi ça compte. Le nombre de paramètres donne une idée de la taille du modèle et de la mémoire nécessaire pour le faire tourner, pas de sa qualité. Un petit modèle bien entraîné peut suffire pour une tâche simple.

6. Données d’entraînement

Les données d’entraînement sont l’ensemble des textes, images ou sons qu’un modèle a analysés pour apprendre : pages web, livres, code, contenus sous licence.

Exemple. Un modèle qui a lu beaucoup de textes en anglais et moins en français peut être moins à l’aise dans votre langue, ou mal connaître des réalités locales.

Pourquoi ça compte. Ces données déterminent ce que le modèle sait et ignore. Elles s’arrêtent à une date précise : sans recherche web, il ne connaît pas l’actualité récente. Selon les réglages de votre assistant, vos conversations peuvent aussi servir à entraîner une version future.

7. Inférence

L’inférence est le moment où un modèle déjà entraîné produit une réponse. Chaque message que vous envoyez déclenche une inférence.

Exemple. Entraîner un modèle, c’est comme écrire un livre : long et coûteux, mais fait une fois. L’inférence, c’est la lecture : elle se répète à chaque question.

Pourquoi ça compte. C’est l’inférence qui détermine la vitesse de réponse et le coût d’usage. Elle explique aussi pourquoi les offres gratuites limitent le nombre de messages : chaque réponse a un coût de calcul.

8. Température

La température est un réglage qui dose la part de hasard dans le choix des mots. Basse, le modèle choisit presque toujours le mot le plus probable ; haute, il varie davantage.

Exemple. Pour extraire des dates d’une facture, une température basse donne des résultats stables. Pour trouver des idées de nom pour une association, une température plus haute donne plus de variété.

Pourquoi ça compte. Dans les applications grand public, vous ne la réglez pas : l’éditeur s’en charge. Elle devient utile si vous passez par une API ou un outil d’automatisation. Elle explique aussi pourquoi la même question ne donne pas toujours la même réponse.

9. Hallucination

Une hallucination est une information fausse ou inventée que l’IA présente avec assurance : une date, une citation, une source qui n’existe pas.

Exemple. Vous demandez des références pour un exposé ; l’IA cite un livre au titre crédible, avec un auteur et une année, qui n’a jamais été publié.

Pourquoi ça compte. C’est la limite la plus importante à connaître. Vérifiez tout ce qui est précis. Notre guide sur les hallucinations de l’IA détaille six réflexes pour vous en protéger.

10. Agent IA

Un agent IA est un programme qui utilise un modèle pour planifier puis agir : il enchaîne des étapes avec des outils (navigateur, messagerie, tableur) jusqu’à atteindre un objectif, avec plus ou moins d’autonomie.

Exemple. Un assistant vous propose trois trains pour Lyon. Un agent peut comparer les horaires, remplir le formulaire de réservation et vous demander de confirmer avant de payer.

Pourquoi ça compte. Un agent agit en votre nom : il peut donc aussi se tromper en votre nom. Gardez la main sur les étapes sensibles, comme les paiements ou les envois de messages.

Vérifiez-vous Vous collez un très long contrat dans un assistant et la réponse ignore les dernières pages. Quel mot de cette liste explique le problème ?

La fenêtre de contexte. Le texte a probablement dépassé la quantité maximale que le modèle peut lire en une fois. Découpez le document ou donnez seulement les passages utiles.

Le récapitulatif en un tableau

Mot	En une phrase	Où vous le croisez
Prompt	Ce que vous écrivez à l’IA	Dans la zone de saisie de tout assistant
Modèle (LLM)	Le moteur qui produit le texte	Dans le menu de choix du modèle
Token	L’unité de texte lue et écrite	Dans les limites et les tarifs
Fenêtre de contexte	Ce que le modèle peut lire en une fois	Dans les fiches techniques des modèles
Paramètres	Les réglages internes appris	Dans les noms de modèles, comme « 7B »
Données d’entraînement	Ce que le modèle a lu pour apprendre	Dans les réglages de confidentialité
Inférence	Le calcul d’une réponse	Dans les quotas et les prix
Température	La part de hasard dans les réponses	Dans les outils pour développeurs
Hallucination	Une erreur affirmée avec assurance	Dans les réponses trop précises sans source
Agent IA	Une IA qui agit avec des outils	Dans les modes « agent » des assistants

Pour aller plus loin

Pour voir ces mots à l’œuvre, lisez comment fonctionne ChatGPT expliqué simplement. Et si vous croisez un terme absent de cette liste, comme RAG, multimodal ou modèle de raisonnement, le glossaire complet du site les explique un par un.