Glossaire IA

Définition complète d’un agent IA pour professionnels : rôle, contexte, outils, autonomie, limites, exemples d’usage et critères de validation.

Définition de MCP, Model Context Protocol : usages pour connecter Claude ou agents IA à des outils, limites, permissions et garde-fous.

Définition complète d’un workflow agentique : étapes, rôles, outils, différences avec automatisation, cas d’usage, risques et validation humaine.

Comprendre ce qu’est un agent autonome en IA : objectifs, architecture, permissions, risques, cas d’usage B2B et critères de sélection.

Comprendre ce qu’est un AI app builder, quand l’utiliser, ses limites et comment l’intégrer dans une équipe produit, ops ou no-code.

Définition du vibe coding : créer avec l’IA par itérations rapides, utile pour prototyper, mais à encadrer pour les équipes produit, ops et no-code.

Comprendre la spécification IA : documenter objectifs, données, règles, contraintes et critères pour produire de meilleurs résultats avec les outils IA.

Définition de la revue adverse IA : critique structurée, risques, qualité, conformité, gouvernance et usages pour équipes produit, ops et no-code.

Définition d’un agent spécialisé : rôle métier, périmètre, critères qualité, exemples et limites dans un système agentique.

Définition d’un agent de recherche IA : collecte, tri, synthèse, sources, limites, validation et usages professionnels.

Définition d’un agent de revue IA : critique, vérification, qualité, risques et intégration dans un workflow agentique.

Définition d’un agent de code IA : développement assisté, modifications de fichiers, tests, revue, limites et bonnes pratiques.

Définition d’un agent multimodal IA : texte, image, audio, vidéo, documents, limites, usages professionnels et garde-fous.

Définition d’un agent orchestrateur IA : coordination d’agents, découpage du travail, contrôle, limites et usages.

Définition du multi-agent en IA : orchestration de plusieurs agents, rôles spécialisés, limites, risques et bonnes pratiques.

Définition du prompt engineering : formuler, structurer et tester des consignes IA avec contexte, exemples et validation.

Définition du prompt système en IA : rôle, priorités, contraintes, exemples professionnels et différences avec un prompt utilisateur.

Définition des instructions personnalisées en IA : préférences, contexte durable, ton, limites et bonnes pratiques.

Définition du contexte IA : informations données au modèle, documents, exemples, contraintes et méthodes pour améliorer les réponses.

Définition de la fenêtre de contexte en IA : capacité de lecture du modèle, limites, tokens, fichiers longs, mémoire et RAG.

Définition de la mémoire IA : informations retenues par un assistant, différences avec contexte et instructions, risques et gouvernance.

Définition du RAG, Retrieval-Augmented Generation : récupération documentaire, bases de connaissances, limites et bonnes pratiques.

Définition d’une base de connaissances IA, rôle dans les workflows agentiques, structuration, risques et validation humaine.

Définition d’une hallucination IA, exemples professionnels, causes fréquentes, méthodes de réduction et validation humaine.

Définition de la validation humaine dans les systèmes IA, niveaux de contrôle, critères qualité et workflows agentiques.

Définition d’une API IA, cas d’usage professionnels, intégration dans des produits ou workflows, coûts, sécurité et validation.

Définition du tool calling, fonctionnement, exemples de workflows IA, différence avec function calling, risques et bonnes pratiques.

Définition du function calling, différence avec tool calling, exemples d’intégration, formats structurés, validation et limites.

Définition d’un connecteur IA, rôle dans les workflows, exemples d’outils connectés, sécurité, permissions et bonnes pratiques.

Définition de l’automatisation IA, différence avec automatisation classique, cas d’usage, risques et validation humaine.

Définition pragmatique du workflow no-code IA : étapes, outils, données, validations, limites et cas d’usage professionnels.

Comprendre l’intégration IA dans un système de travail : données, outils, API, workflows, sécurité, adoption et gouvernance.

Définition d’une permission d’agent IA : accès, actions autorisées, contrôle humain, sécurité et gouvernance.

Définition d’un garde-fou IA : règles, validations, limites, tests et contrôles pour utiliser l’IA en contexte professionnel.

Comprendre Claude Projects : contexte durable, documents, instructions, cas d’usage, limites et bonnes pratiques.

Comprendre Claude Skills : compétences spécialisées, instructions, ressources, workflows, limites et bonnes pratiques professionnelles.

Comprendre ChatGPT Projects : organisation du contexte, fichiers, instructions, workflows et limites pour travailler avec ChatGPT.

Comprendre le GPT personnalisé : rôle, instructions, connaissances, actions, limites, sécurité et cas d’usage.

Définition de Codex, ses usages, ses limites et la méthode pour construire avec l’IA sans dériver vers du code fragile.

Définition de Claude Code, comparaison pratique avec Codex, cas d’usage, limites et méthode de travail pour projets logiciels.