https://datafranca.org/wiki/api.php?action=feedcontributions&feedformat=atom&user=Claude+COULOMBE 2026-05-02T09:16:19Z Contributions MediaWiki 1.39.5 https://datafranca.org/wiki/index.php?title=Requ%C3%AAte_explicite_d%27%C3%A9chantillonnage&diff=124431 2026-04-28T19:27:33Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des réponses d'un '''[[Grand modèle de langues (GML)|grand modèle de langues (GML)]]''' en demandant explicitement de générer plusieurs réponses avec leurs probabilités, puis d'effectuer un échantillonnage dans cette [[distribution|distribution statistique]]. <br /> <br /> Voir aussi '''[[GML comme juge]]'''<br /> <br /> == Compléments ==<br /> Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité|factuelle]]''' ni la sécurité des modèles.<br /> <br /> Cette méthode est orthogonale à la '''[[température]]''' du modèle.<br /> <br /> == Français ==<br /> '''requête explicite d'échantillonnage'''<br /> <br /> '''requête de résultats échantillonnés depuis une distribution''' <br /> <br /> '''échantillonnage verbalisé''' &lt;small&gt;calque de l'anglais&lt;/small&gt;<br /> <br /> == Anglais ==<br /> '''verbalized sampling'''<br /> <br /> '''verbalized-sampling'''<br /> <br /> ''' VS'''<br /> <br /> ''A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.''<br /> <br /> ''This method is orthogonal to temperature.''<br /> <br /> ==Sources==<br /> [https://www.linkedin.com/posts/marand_verbalized-sampling-activity-7388860117040975872-_Yzn/?originalSubdomain=fr LinkedIn - requête de résultats échantillonnés depuis une distribution]<br /> <br /> [https://arxiv.org/abs/2510.01171 arxiv - verbalized sampling]<br /> <br /> [https://github.com/CHATS-lab/verbalized-sampling GitHub - verbalized-sampling]<br /> <br /> [https://www.verbalized-sampling.com/ site web - verbalized sampling]<br /> <br /> [[Catégorie:vocabulary]]<br /> <br /> [[Catégorie:publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Verbalized_Sampling&diff=124430 2026-04-28T19:25:39Z

<p>Claude COULOMBE : Claude COULOMBE a déplacé la page Verbalized Sampling vers Requête explicite d&#039;échantillonnage</p> <hr /> <div>#REDIRECTION [[Requête explicite d'échantillonnage]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Requ%C3%AAte_explicite_d%27%C3%A9chantillonnage&diff=124429 2026-04-28T19:25:39Z

<p>Claude COULOMBE : Claude COULOMBE a déplacé la page Verbalized Sampling vers Requête explicite d&#039;échantillonnage</p> <hr /> <div>== Définition ==<br /> Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des réponses d'un '''[[Grand modèle de langues (GML)|grand modèle de langues (GML)]]''' en demandant explicitement de générer plusieurs réponses avec leurs probabilités, puis d'effectuer un échantillonnage dans cette [[distribution|distribution statistique]]. <br /> <br /> Voir aussi '''[[GML comme juge]]'''<br /> <br /> == Compléments ==<br /> Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité|factuelle]]''' ni la sécurité des modèles.<br /> <br /> Cette méthode est orthogonale à la '''[[température]]''' du modèle.<br /> <br /> == Français ==<br /> '''requête explicite d'échantillonnage'''<br /> <br /> '''requête de résultats échantillonnés depuis une distribution''' <br /> <br /> '''échantillonnage verbalisé''' &lt;small&gt;calque de l'anglais&lt;/small&gt;<br /> <br /> == Anglais ==<br /> '''verbalized sampling'''<br /> <br /> '''verbalized-sampling'''<br /> <br /> ''' VS'''<br /> <br /> ''A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.''<br /> <br /> ''This method is orthogonal to temperature.''<br /> <br /> ==Sources==<br /> [https://www.linkedin.com/posts/marand_verbalized-sampling-activity-7388860117040975872-_Yzn/?originalSubdomain=fr LinkedIn - requête de résultats échantillonnés depuis une distribution]<br /> <br /> [https://arxiv.org/abs/2510.01171 arxiv - verbalized sampling]<br /> <br /> [https://github.com/CHATS-lab/verbalized-sampling - GitHub - verbalized-sampling]<br /> <br /> [https://www.verbalized-sampling.com/ site web - verbalized sampling]<br /> <br /> [[Catégorie:vocabulary]]<br /> <br /> [[Catégorie:publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Requ%C3%AAte_explicite_d%27%C3%A9chantillonnage&diff=124428 2026-04-28T19:25:07Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des réponses d'un '''[[Grand modèle de langues (GML)|grand modèle de langues (GML)]]''' en demandant explicitement de générer plusieurs réponses avec leurs probabilités, puis d'effectuer un échantillonnage dans cette [[distribution|distribution statistique]]. <br /> <br /> Voir aussi '''[[GML comme juge]]'''<br /> <br /> == Compléments ==<br /> Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité|factuelle]]''' ni la sécurité des modèles.<br /> <br /> Cette méthode est orthogonale à la '''[[température]]''' du modèle.<br /> <br /> == Français ==<br /> '''requête explicite d'échantillonnage'''<br /> <br /> '''requête de résultats échantillonnés depuis une distribution''' <br /> <br /> '''échantillonnage verbalisé''' &lt;small&gt;calque de l'anglais&lt;/small&gt;<br /> <br /> == Anglais ==<br /> '''verbalized sampling'''<br /> <br /> '''verbalized-sampling'''<br /> <br /> ''' VS'''<br /> <br /> ''A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.''<br /> <br /> ''This method is orthogonal to temperature.''<br /> <br /> ==Sources==<br /> [https://www.linkedin.com/posts/marand_verbalized-sampling-activity-7388860117040975872-_Yzn/?originalSubdomain=fr LinkedIn - requête de résultats échantillonnés depuis une distribution]<br /> <br /> [https://arxiv.org/abs/2510.01171 arxiv - verbalized sampling]<br /> <br /> [https://github.com/CHATS-lab/verbalized-sampling - GitHub - verbalized-sampling]<br /> <br /> [https://www.verbalized-sampling.com/ site web - verbalized sampling]<br /> <br /> [[Catégorie:vocabulary]]<br /> <br /> [[Catégorie:publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Requ%C3%AAte_explicite_d%27%C3%A9chantillonnage&diff=124427 2026-04-28T19:13:31Z

<p>Claude COULOMBE : </p> <hr /> <div>== EN CONSTRUCTION ==<br /> <br /> == Définition ==<br /> Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des réponses d'un '''[[Grand modèle de langues (GML)|grand modèle de langues (GML)]]''' en demandant explicitement de générer plusieurs réponses avec leurs probabilités, puis d'effectuer un échantillonnage dans cette [[distribution|distribution statistique]]. <br /> <br /> Voir aussi '''[[GML comme juge]]'''<br /> <br /> == Compléments ==<br /> Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité|factuelle]]''' ni la sécurité des modèles.<br /> <br /> Cette méthode est orthogonale à la '''[[température]]''' du modèle.<br /> <br /> == Français ==<br /> ''' Échantillonnage verbalisé '''<br /> <br /> == Anglais ==<br /> '''Verbalized Sampling'''<br /> <br /> ''' VS'''<br /> <br /> ''A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.''<br /> <br /> ''This method is orthogonal to temperature.''<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.01171 Source : arxiv]<br /> <br /> [https://github.com/CHATS-lab/verbalized-sampling Source : GitHub]<br /> <br /> [https://www.verbalized-sampling.com/ Source : Verbalized Sampling]<br /> <br /> [[Catégorie:vocabulary]]<br /> <br /> [[Catégorie:publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Requ%C3%AAte_explicite_d%27%C3%A9chantillonnage&diff=124426 2026-04-28T19:12:42Z

<p>Claude COULOMBE : </p> <hr /> <div>== EN CONSTRUCTION ==<br /> <br /> == Définition ==<br /> Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des réponses d'un '''[[Grand modèle de langues (GML)|grand modèle de langues (GML)]]''' en demandant explicitement de générer plusieurs réponses avec leurs probabilités, puis d'effectuer un échantillonnage dans cette [[distribution|distribution statistique]]. <br /> <br /> Voir aussi '''[[GML comme juge]]'''<br /> <br /> == Compléments ==<br /> Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité|factuelle]]''' ni la sécurité des modèles.<br /> <br /> == Compléments ==<br /> Cette méthode est orthogonale à la '''[[température]]''' du modèle.<br /> <br /> == Français ==<br /> ''' Échantillonnage verbalisé '''<br /> <br /> == Anglais ==<br /> '''Verbalized Sampling'''<br /> <br /> ''' VS'''<br /> <br /> ''A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.''<br /> <br /> ''This method is orthogonal to temperature.''<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.01171 Source : arxiv]<br /> <br /> [https://github.com/CHATS-lab/verbalized-sampling Source : GitHub]<br /> <br /> [https://www.verbalized-sampling.com/ Source : Verbalized Sampling]<br /> <br /> [[Catégorie:vocabulary]]<br /> <br /> [[Catégorie:publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Requ%C3%AAte_explicite_d%27%C3%A9chantillonnage&diff=124425 2026-04-28T19:12:13Z

<p>Claude COULOMBE : </p> <hr /> <div>== EN CONSTRUCTION ==<br /> <br /> == Définition ==<br /> Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des réponses d'un '''[[Grand modèles de langues (GML)|grand modèle de langues (GML)]]''' en demandant explicitement de générer plusieurs réponses avec leurs probabilités, puis d'effectuer un échantillonnage dans cette [[distribution|distribution statistique]]. <br /> <br /> Voir aussi '''[[GML comme juge]]'''<br /> <br /> == Compléments ==<br /> Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité|factuelle]]''' ni la sécurité des modèles.<br /> <br /> == Compléments ==<br /> Cette méthode est orthogonale à la '''[[température]]''' du modèle.<br /> <br /> == Français ==<br /> ''' Échantillonnage verbalisé '''<br /> <br /> == Anglais ==<br /> '''Verbalized Sampling'''<br /> <br /> ''' VS'''<br /> <br /> ''A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.''<br /> <br /> ''This method is orthogonal to temperature.''<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.01171 Source : arxiv]<br /> <br /> [https://github.com/CHATS-lab/verbalized-sampling Source : GitHub]<br /> <br /> [https://www.verbalized-sampling.com/ Source : Verbalized Sampling]<br /> <br /> [[Catégorie:vocabulary]]<br /> <br /> [[Catégorie:publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Requ%C3%AAte_explicite_d%27%C3%A9chantillonnage&diff=124424 2026-04-28T19:07:47Z

<p>Claude COULOMBE : </p> <hr /> <div>== EN CONSTRUCTION ==<br /> <br /> == Définition ==<br /> Technique d''''[[ingénierie de requêtes]]''' qui améliore la diversité des '''[[Grand modèles de langues (GML)|grands modèles de langues (GML)]]''' en demandant à un GML de générer plusieurs réponses avec de leurs probabilités, puis d'effectuer un échantillonnage à partir de cette distribution. Cette technique ne nécessite aucun apprentissage, elle est indépendante du GML et elle est efficace pour tous les types de tâches. De plus, elle améliore les performances sans compromettre la précision '''[[Factualité|factuelle]]''' ni la sécurité des modèles.<br /> <br /> Voir aussi '''[[GML comme juge]]'''<br /> <br /> == Compléments ==<br /> Cette méthode est orthogonale à la '''[[température]]''' du modèle.<br /> <br /> == Français ==<br /> ''' Échantillonnage verbalisé '''<br /> <br /> == Anglais ==<br /> '''Verbalized Sampling'''<br /> <br /> ''' VS'''<br /> <br /> ''A prompting strategy that improves LLM diversity by asking the model to generate multiple responses with their probabilities, then sampling from this distribution. It is training free, model agnostic and effective across tasks and it improves performance without sacrificing the models’ factual accuracy or safety.''<br /> <br /> ''This method is orthogonal to temperature.''<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.01171 Source : arxiv]<br /> <br /> [https://github.com/CHATS-lab/verbalized-sampling Source : GitHub]<br /> <br /> [https://www.verbalized-sampling.com/ Source : Verbalized Sampling]<br /> <br /> <br /> [[Catégorie:vocabulary]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=UniVideo&diff=124423 2026-04-28T19:05:23Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Nom propre d'un outil permettant de combiner une requête textuelle grâce à un '''[[grand modèle de langues (GML)]]''' et des images sources afin de '''[[génération automatique d'image|générer un montage vidéo]]''' qui combine ces images selon la requête. <br /> <br /> == Compléments ==<br /> Le montage de la vidéo utilise une architecture à double flux, et un modèle '''DiT multimodal (MMDiT)''' de génération d'image.<br /> <br /> == Français ==<br /> '''UniVideo'''<br /> <br /> == Anglais ==<br /> '''UniVideo '''<br /> <br /> &lt;!--Framework for understanding generation and editing in the video domain with a dual-stream design, combining a Multimodal Large Language Model (MLLM) for instruction understanding with a Multimodal DiT (MMDiT) for video generation.<br /> <br /> Multimodal DiT?--&gt;<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.08377 Source : arxiv]<br /> <br /> [https://huggingface.co/papers/2510.08377 Source : huggingface]<br /> <br /> [https://congwei1230.github.io/UniVideo/ Source : UniVideo, GitHub.io]<br /> <br /> [[Catégorie:vocabulary]]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=UniVideo&diff=124422 2026-04-28T19:04:39Z

<p>Claude COULOMBE : </p> <hr /> <div>== EN CONSTRUCTION ==<br /> <br /> == Définition ==<br /> Nom propre d'un outil permettant de combiner une requête textuelle grâce à un '''[[grand modèle de langues (GML)]]''' et des images sources afin de '''[[génération automatique d'image|générer un montage vidéo]]''' qui combine ces images selon la requête. <br /> <br /> == Compléments ==<br /> Le montage de la vidéo utilise une architecture à double flux, et un modèle '''DiT multimodal (MMDiT)''' de génération d'image.<br /> <br /> == Français ==<br /> '''UniVideo'''<br /> <br /> == Anglais ==<br /> '''UniVideo '''<br /> <br /> &lt;!--Framework for understanding generation and editing in the video domain with a dual-stream design, combining a Multimodal Large Language Model (MLLM) for instruction understanding with a Multimodal DiT (MMDiT) for video generation.<br /> <br /> Multimodal DiT?--&gt;<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.08377 Source : arxiv]<br /> <br /> [https://huggingface.co/papers/2510.08377 Source : huggingface]<br /> <br /> [https://congwei1230.github.io/UniVideo/ Source : UniVideo, GitHub.io]<br /> <br /> [[Catégorie:vocabulary]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=UniVideo&diff=124421 2026-04-28T19:03:40Z

<p>Claude COULOMBE : </p> <hr /> <div>== EN CONSTRUCTION ==<br /> <br /> == Définition ==<br /> Nom propre d'un outil permettant de combiner une requête textuelle grâce à un '''[[grand modèle de langues (GML)]]''' et des images sources afin de ''[[génération automatique d'image|générer un montage vidéo]]''' qui combine ces images selon la requête. <br /> <br /> == Compléments ==<br /> Le montage de la vidéo utilise une architecture à double flux, et un modèle '''DiT multimodal (MMDiT)''' de génération d'image.<br /> <br /> == Français ==<br /> '''UniVideo'''<br /> <br /> == Anglais ==<br /> '''UniVideo '''<br /> <br /> &lt;!--Framework for understanding generation and editing in the video domain with a dual-stream design, combining a Multimodal Large Language Model (MLLM) for instruction understanding with a Multimodal DiT (MMDiT) for video generation.<br /> <br /> Multimodal DiT?--&gt;<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.08377 Source : arxiv]<br /> <br /> [https://huggingface.co/papers/2510.08377 Source : huggingface]<br /> <br /> [https://congwei1230.github.io/UniVideo/ Source : UniVideo, GitHub.io]<br /> <br /> [[Catégorie:vocabulary]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Seedream&diff=124420 2026-04-28T18:49:24Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Nom propre d'un système de '''[[génération automatique d'image]]''' multimodal qui intègre la '''[[génération texte-à-image]]''', l'édition d'images et la composition d'images multiples.<br /> <br /> Voir aussi '''[[modèle multimodal]]'''<br /> <br /> == Compléments ==<br /> Seedream est capable de prendre en charge la création de contenus complexes dans des contextes professionnels et d'assurer une génération et une édition d'images ultra-rapides en haute résolution.<br /> <br /> == Français ==<br /> '''Seedream'''<br /> <br /> == Anglais ==<br /> '''Seedream'''<br /> <br /> ''A multimodal image generation system that integrates text-to-image synthesis, image editing, and multi-image composition which allows it to support complicated content generation for professional scenarios, enables ultrafast image generation and editing at high resolution.''<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2509.20427 Source : arxiv]<br /> <br /> [https://seed.bytedance.com/en/seedream4_0 Source : Byte Dance]<br /> <br /> [https://huggingface.co/papers/2509.20427 Source : huggingface]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Seedream&diff=124419 2026-04-28T18:48:50Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Nom propre d'un système de '''[[génération automatique d'image]]''' multimodal qui intègre la '''[[génération texte-à-image]]''', l'édition d'images et la composition d'images multiples.<br /> <br /> Voir aussi '''[[modèle multimodal]]'''<br /> <br /> == Compléments ==<br /> Seedream es capable de prendre en charge la création de contenus complexes dans des contextes professionnels et d'assurer une génération et une édition d'images ultra-rapides en haute résolution.<br /> <br /> == Français ==<br /> '''Seedream'''<br /> <br /> == Anglais ==<br /> '''Seedream'''<br /> <br /> ''A multimodal image generation system that integrates text-to-image synthesis, image editing, and multi-image composition which allows it to support complicated content generation for professional scenarios, enables ultrafast image generation and editing at high resolution.''<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2509.20427 Source : arxiv]<br /> <br /> [https://seed.bytedance.com/en/seedream4_0 Source : Byte Dance]<br /> <br /> [https://huggingface.co/papers/2509.20427 Source : huggingface]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=SAIL-VL2&diff=124417 2026-04-28T18:43:58Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Nom propre d'un '''[[modèle fondateur]]''' de '''[[génération image-à-texte]]''' conçu pour une compréhension et un raisonnement multimodaux complets. <br /> <br /> == Complément ==<br /> Il atteint des performances de pointe dans divers '''[[Test de performance|bancs d'essais]]''' grâce au [[nettoyage des données]]''', à l'entraînement progressif et à l'architecture de '''[[mixture d'experts]]''' creuse.<br /> <br /> Voir aussi '''[[entraînement]]'''<br /> <br /> == Français ==<br /> ''' SAIL-VL2'''<br /> <br /> == Anglais ==<br /> '''SAIL-VL2'''<br /> <br /> ''Vision-language foundation model for comprehensive multimodal understanding and reasoning. It achieves state-of-the-art performance across diverse benchmarks through data curation, progressive training, and sparse MoE architecture.''<br /> <br /> == Sources ==<br /> [https://arxiv.org/abs/2509.14033 Source : arxiv]<br /> <br /> [https://github.com/BytedanceDouyinContent/SAIL-VL2 Source : GitHub]<br /> <br /> [https://huggingface.co/papers/2509.14033 Source : huggingface]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=SAIL-VL2&diff=124416 2026-04-28T18:38:51Z

<p>Claude COULOMBE : </p> <hr /> <div><br /> == Définition ==<br /> Nom propre d'un '''[[modèle fondateur]]''' de '''[[génération image-à-texte]]''' conçu pour une compréhension et un raisonnement multimodaux complets. <br /> <br /> == Complément ==<br /> Il atteint des performances de pointe dans divers '''[[Test de performance|bancs d'essais]]''' grâce à la curation des '''[[données]]''', à l'entraînement progressif et à l'architecture de '''[[mixture d'experts]]''' creuse.<br /> <br /> Voir aussi '''[[entraînement]]'''<br /> <br /> == Français ==<br /> ''' SAIL-VL2'''<br /> <br /> == Anglais ==<br /> '''SAIL-VL2'''<br /> <br /> ''Vision-language foundation model for comprehensive multimodal understanding and reasoning. It achieves state-of-the-art performance across diverse benchmarks through data curation, progressive training, and sparse MoE architecture.''<br /> <br /> == Sources ==<br /> [https://arxiv.org/abs/2509.14033 Source : arxiv]<br /> <br /> [https://github.com/BytedanceDouyinContent/SAIL-VL2 Source : GitHub]<br /> <br /> [https://huggingface.co/papers/2509.14033 Source : huggingface]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=SAIL-VL2&diff=124415 2026-04-28T18:38:40Z

<p>Claude COULOMBE : </p> <hr /> <div><br /> == Définition ==<br /> Nom propre d'un '''[[Modèle fondateur]]''' de '''[[génération image-à-texte]]''' conçu pour une compréhension et un raisonnement multimodaux complets. <br /> <br /> == Complément ==<br /> Il atteint des performances de pointe dans divers '''[[Test de performance|bancs d'essais]]''' grâce à la curation des '''[[données]]''', à l'entraînement progressif et à l'architecture de '''[[mixture d'experts]]''' creuse.<br /> <br /> Voir aussi '''[[entraînement]]'''<br /> <br /> == Français ==<br /> ''' SAIL-VL2'''<br /> <br /> == Anglais ==<br /> '''SAIL-VL2'''<br /> <br /> ''Vision-language foundation model for comprehensive multimodal understanding and reasoning. It achieves state-of-the-art performance across diverse benchmarks through data curation, progressive training, and sparse MoE architecture.''<br /> <br /> == Sources ==<br /> [https://arxiv.org/abs/2509.14033 Source : arxiv]<br /> <br /> [https://github.com/BytedanceDouyinContent/SAIL-VL2 Source : GitHub]<br /> <br /> [https://huggingface.co/papers/2509.14033 Source : huggingface]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Autoencodeur_de_repr%C3%A9sentations&diff=124414 2026-04-28T18:35:25Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Classe d''''[[Autoencodeur|autoencodeurs]]''' qui réutilisent à la fois des encodeurs de représentation '''[[Préentraînement|préentraînés]]''', ''figés'' et de petits décodeurs '''[[Entraînement|entraînés]]''' afin de fournir des '''[[Espace latent|espaces latents]]''' de haute fidélité et sémantiquement riches pour les '''[[Réseau autoattentif|réseaux autoattentifs]]''' de '''[[Modèle à bruit statistique|diffusion]]'''.<br /> <br /> Voir aussi '''[[DINO]]'''<br /> <br /> == Français ==<br /> ''' Autoencodeur de représentations'''<br /> <br /> ''' Autoencodeur de représentations latentes'''<br /> <br /> ''' Autoencodeur d'espace latent'''<br /> <br /> == Anglais ==<br /> ''' Representation autoencoder'''<br /> <br /> '''RAE'''<br /> <br /> ''A class of autoencoders that reuse pretrained, frozen representation encoders together with lightweight trained decoders to provide high-fidelity, semantically rich latents for diffusion transformers.'''<br /> <br /> == Sources ==<br /> [https://arxiv.org/abs/2510.11690 Source : arxiv]<br /> <br /> [https://github.com/bytetriper/RAE Source : GitHub]<br /> <br /> [https://huggingface.co/papers/2510.11690 Source : Hugging Face]<br /> <br /> [https://rae-dit.github.io/ Source : RAE-dit]<br /> <br /> [[Catégorie:vocabulary]]<br /> <br /> [[Catégorie:publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Autoencodeur_de_repr%C3%A9sentations&diff=124413 2026-04-28T18:34:25Z

<p>Claude COULOMBE : </p> <hr /> <div>== en construction ==<br /> <br /> == Définition ==<br /> Classe d''''[[Autoencodeur|autoencodeurs]]''' qui réutilisent à la fois des encodeurs de représentation '''[[Préentraînement|préentraînés]]''', ''figés'' et de petits décodeurs '''[[Entraînement|entraînés]]''' afin de fournir des '''[[Espace latent|espaces latents]]''' de haute fidélité et sémantiquement riches pour les '''[[Réseau autoattentif|réseaux autoattentifs]]''' de '''[[Modèle à bruit statistique|diffusion]]'''.<br /> <br /> Voir aussi '''[[DINO]]'''<br /> <br /> == Français ==<br /> ''' Autoencodeur de représentations'''<br /> <br /> ''' Autoencodeur de représentations latentes'''<br /> <br /> ''' Autoencodeur d'espace latent'''<br /> <br /> == Anglais ==<br /> ''' Representation autoencoder'''<br /> <br /> '''RAE'''<br /> <br /> ''A class of autoencoders that reuse pretrained, frozen representation encoders together with lightweight trained decoders to provide high-fidelity, semantically rich latents for diffusion transformers.'''<br /> <br /> == Sources ==<br /> [https://arxiv.org/abs/2510.11690 Source : arxiv]<br /> <br /> [https://github.com/bytetriper/RAE Source : GitHub]<br /> <br /> [https://huggingface.co/papers/2510.11690 Source : Hugging Face]<br /> <br /> [https://rae-dit.github.io/ Source : RAE-dit]<br /> <br /> [[Catégorie:vocabulary]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=OmniVideoBench&diff=124411 2026-04-28T18:25:41Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Nom propre d'un '''[[Test de performances|banc d'essais]]''' pour évaluer le raisonnement audiovisuel profond dans une grande variété de tâches et de modalités au sein d'un '''[[grand modèle de langues multimodal]]'''.<br /> <br /> == Français ==<br /> '''OmniVideoBench '''<br /> <br /> == Anglais ==<br /> '''OmniVideoBench'''<br /> <br /> ''Comprehensive benchmark for evaluating deep audio-visual reasoning across a wide variety of tasks and modalities in multimodal large language model.''<br /> <br /> ==Sources==<br /> [https://github.com/NJU-LINK/OmniVideoBench Source : GitHub]<br /> <br /> [https://huggingface.co/papers/2510.10689 Source : huggingface]<br /> <br /> [https://omnivideobench.github.io/omnivideobench_home/ Source : OmniVideoBench]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=LightMem&diff=124410 2026-04-28T18:23:18Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Nom propre, cadre de gestion de la mémoire des '''[[Grand modèle de langues (GML)|grands modèles de langues]]''' qui minimise la redondance tout en préservant les informations et en réduisant les coûts de calcul grâce à la création d'une mémoire externe des interactions des utilisateurs.<br /> <br /> == Compléments ==<br /> Cependant, ce cadre de gestion de la mémoire pose des défis éthiques majeurs en matière de confidentialité des utilisateurs. De plus, la mémoire peut également absorber et perpétuer les préjugés ou les informations erronées provenant des données saisies par les utilisateurs.<br /> <br /> == Français ==<br /> '''LightMem'''<br /> <br /> '''LightMEM'''<br /> <br /> == Anglais ==<br /> '''LightMem'''<br /> <br /> '''LightMEM'''<br /> <br /> ''' Lightweight and Efficient Memory-Augmented Generation'''<br /> <br /> ''Memory management framework that minimizes redundancy while preserving information and reducing computational costs of LLMs by creating an external memory of user interactions.''<br /> <br /> ''It introduces critical ethical challenges to user privacy and the memory can also absorb and perpetuate biases or misinformation from user input.''<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.18866 Source : arxiv]<br /> <br /> [https://github.com/zjunlp/LightMem Source : GitHub]<br /> <br /> [https://huggingface.co/papers/2510.18866 Source : huggingface]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=LightMem&diff=124409 2026-04-28T18:22:58Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Nom propre, cadre de gestion de la mémoire des '''[[Grand modèle de langues (GML)|grands modèles de langues]]''' qui minimise la redondance tout en préservant les informations et en réduisant les coûts de calcul grâce à la création d'une mémoire externe des interactions des utilisateurs.<br /> <br /> == Compléments ==<br /> Cependant, ce cadre de gestion de la mémoire pose des défis éthiques majeurs en matière de confidentialité des utilisateurs. De plus, la mémoire peut également absorber et perpétuer les préjugés ou les informations erronées provenant des données saisies par les utilisateurs.<br /> <br /> == Français ==<br /> '''LightMem'''<br /> <br /> '''LightMEM'''<br /> <br /> == Anglais ==<br /> '''LightMem'''<br /> <br /> '''LightMem'''<br /> <br /> ''' Lightweight and Efficient Memory-Augmented Generation'''<br /> <br /> ''Memory management framework that minimizes redundancy while preserving information and reducing computational costs of LLMs by creating an external memory of user interactions.''<br /> <br /> ''It introduces critical ethical challenges to user privacy and the memory can also absorb and perpetuate biases or misinformation from user input.''<br /> <br /> ==Sources==<br /> [https://arxiv.org/abs/2510.18866 Source : arxiv]<br /> <br /> [https://github.com/zjunlp/LightMem Source : GitHub]<br /> <br /> [https://huggingface.co/papers/2510.18866 Source : huggingface]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Gradient_Clipping&diff=120821 2026-04-21T18:47:00Z

<p>Claude COULOMBE : Destination de redirection modifiée de Ecrêtage de gradient en Seuillage de gradient</p> <hr /> <div>#REDIRECTION [[Seuillage de gradient]]<br /> <br /> [[Catégorie:ENGLISH]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Attribut_dense&diff=119246 2026-04-01T07:23:27Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> [[Attribut]] dont la plupart des valeurs sont différentes de zéro, généralement une matrice ou un tenseur de valeurs à virgules flottantes.<br /> <br /> À comparer à la '''[[attribut creux]]'''.<br /> <br /> == Français ==<br /> '''attribut dense'''<br /> <br /> '''caractéristique dense''' <br /> <br /> == Anglais ==<br /> '''dense feature'''<br /> <br /> ==Sources==<br /> [https://developers.google.com/machine-learning/glossary/ Google machine learning glossary - caractéristique dense]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Apprentissage profond]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Attribut_creux&diff=119245 2026-04-01T07:22:47Z

<p>Claude COULOMBE : </p> <hr /> <div>==Définition==<br /> Vecteur ou matrice d'[[attribut|attributs]] dont les valeurs sont la plupart nulles ou vides. <br /> <br /> Par exemple, un vecteur contenant une seule valeur 1 et un million de valeurs 0 est dit creux. Autre exemple : les mots d'une requête de recherche peuvent aussi être un attribut creux. En effet, il existe de très nombreux mots possibles dans une langue donnée, mais seuls quelques-uns d'entre eux peuvent apparaître dans une requête.<br /> <br /> À comparer à '''[[attribut dense]]'''.<br /> <br /> ==Français==<br /> <br /> '''attribut creux'''<br /> <br /> '''caractéristique creuse''' <br /> <br /> ==Anglais==<br /> '''sparse feature'''<br /> <br /> ==Sources==<br /> <br /> [https://developers.google.com/machine-learning/glossary/ Google machine learning glossary - caractéristique creuse]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Apprentissage profond]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Attribut_creux&diff=119244 2026-04-01T07:21:04Z

<p>Claude COULOMBE : </p> <hr /> <div>==Définition==<br /> Vecteur ou matrice d'[[attribut|attributs]] dont les valeurs sont la plupart nulles ou vides. <br /> <br /> Par exemple, un vecteur contenant une seule valeur 1 et un million de valeurs 0 est dit creux. Autre exemple : les mots d'une requête de recherche peuvent aussi être un attribut creux. En effet, il existe de très nombreux mots possibles dans une langue donnée, mais seuls quelques-uns d'entre eux peuvent apparaître dans une requête.<br /> <br /> À comparer à '''[[attribut dense]]'''.<br /> <br /> ==Français==<br /> <br /> '''attribut creux'''<br /> <br /> '''caractéristique creuse''' <br /> <br /> ==Anglais==<br /> '''sparse feature'''<br /> <br /> ==Sources==<br /> [https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Apprentissage profond]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Attribut_creux&diff=119243 2026-04-01T07:20:51Z

<p>Claude COULOMBE : </p> <hr /> <div>==Définition==<br /> Vecteur ou matrice d'[[attribut|attributs]] dont les valeurs sont la plupart nulles ou vides. <br /> <br /> Par exemple, un vecteur contenant une seule valeur 1 et un million de valeurs 0 est dit creux. Autre exemple : les mots d'une requête de recherche peuvent aussi être un attribut creux. En effet, il existe de très nombreux mots possibles dans une langue donnée, mais seuls quelques-uns d'entre eux peuvent apparaître dans une requête.<br /> <br /> À comparer à la '''[[attribut dense]]'''.<br /> <br /> ==Français==<br /> <br /> '''attribut creux'''<br /> <br /> '''caractéristique creuse''' <br /> <br /> ==Anglais==<br /> '''sparse feature'''<br /> <br /> ==Sources==<br /> [https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Apprentissage profond]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Caract%C3%A9ristique_dense&diff=119242 2026-04-01T07:19:24Z

<p>Claude COULOMBE : Claude COULOMBE a déplacé la page Caractéristique dense vers Attribut dense</p> <hr /> <div>#REDIRECTION [[Attribut dense]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Attribut_dense&diff=119241 2026-04-01T07:19:24Z

<p>Claude COULOMBE : Claude COULOMBE a déplacé la page Caractéristique dense vers Attribut dense</p> <hr /> <div>== Définition ==<br /> [[Attribut]] dont la plupart des valeurs sont différentes de zéro, généralement une matrice ou un tenseur de valeurs à virgules flottantes.<br /> <br /> À comparer à la '''[[attribut creux]]'''.<br /> <br /> == Français ==<br /> '''attribut dense'''<br /> <br /> '''caractéristique dense''' <br /> <br /> == Anglais ==<br /> '''dense feature'''<br /> <br /> ==Sources==<br /> [https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Apprentissage profond]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Attribut_dense&diff=119240 2026-04-01T07:19:09Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> [[Attribut]] dont la plupart des valeurs sont différentes de zéro, généralement une matrice ou un tenseur de valeurs à virgules flottantes.<br /> <br /> À comparer à la '''[[attribut creux]]'''.<br /> <br /> == Français ==<br /> '''attribut dense'''<br /> <br /> '''caractéristique dense''' <br /> <br /> == Anglais ==<br /> '''dense feature'''<br /> <br /> ==Sources==<br /> [https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Apprentissage profond]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Donn%C3%A9es_%C3%A9parses&diff=119233 2026-03-31T19:47:16Z

<p>Claude COULOMBE : </p> <hr /> <div>==Définition==<br /> Ensemble de données (matrice ou vecteur) dont la très grandes majorité des valeurs sont à zéro.<br /> <br /> À noter que les données éparses se distinguent des données absentes dont la valeur n'est pas zéro, mais nulle. Les structures de données au sein desquelles les données sont disséminées sont qualifiées de ''creuses'' (''[[matrice creuse]]'', ''vecteur creux'').<br /> <br /> ==Français==<br /> <br /> '''données éparses''' <br /> <br /> '''données clairsemées'''<br /> <br /> '''données disséminées''' <br /> <br /> '''données parcimonieuses''' <br /> <br /> '''données creuses'''<br /> <br /> ==Anglais==<br /> '''sparse data'''<br /> <br /> ==Español==<br /> [[Catégorie:es]]<br /> <br /> ''''' datos dispersos ''''' <br /> <br /> ''Conjunto de datos (matriz o vector) en el que la gran mayoría de los valores son cero. ''<br /> ''Obsérvese que los datos dispersos se distinguen de los datos ausentes, en los que el valor no es cero, sino nulo. Las estructuras de datos en las que los datos están dispersos se denominan huecas (matriz hueca, vector hueco). ''<br /> <br /> ==Sources==<br /> <br /> Source: Rapin, Jérémy (2014). ''Décompositions parcimonieuses pour l'analyse avancée de données en spectrométrie pour la Santé'', thèse de doctorat, Univeraité Paris Sud, 160 pages.<br /> <br /> Source: Balvet, Antonio (2002). ''Approches catégoriques et non catégoriques en linguistique des corpus spécialisés,application à un système de filtrage d’information'', thèse de doctorat, Université de Nanterre - Paris X, 331 pages.<br /> <br /> [[Utilisateur:Claude COULOMBE | Source: Claude Coulombe, Datafranca.org]]<br /> <br /> [[Utilisateur:Patrickdrouin | Source: Termino ]]<br /> <br /> {{Modèle:101}}<br /> [[Category:Apprentissage profond]]<br /> [[Category:Apprentissage automatique]]<br /> <br /> [[Category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Segment_textuel&diff=119229 2026-03-31T19:31:38Z

<p>Claude COULOMBE : </p> <hr /> <div>==Définition==<br /> En '''[[traitement automatique de la langue naturelle]]''', le segment est l'unité de base pour l'analyse de textes produite par un '''[[segmenteur]]''' (en anglais ''tokenizer'').<br /> <br /> ==Compléments==<br /> Un segment textuel peut correspondre à un mot, à une partie de mot, une suite de caractères ou même parfois à une seule lettre ou symbole.<br /> <br /> Traditionnellement, en '''[[Traitement automatique de la langue naturelle|TALN]]''', les algorithmes travaillaient au niveau du mot ou des unités lexicales, mais depuis l'arrivée des techniques d'apprentissage profond, la segmentation s'effectue plutôt au niveau sous-lexical. Un atout important du traitement sous-lexical est d'éviter les mots ''hors-vocabulaire'', puisqu'on peut plus facilement créer de nouvelles unités lexicales à partir d'éléments sous-lexicaux. <br /> <br /> &lt;hr/&gt;<br /> <br /> On appelle aussi les unités résultant de la segmentation des '''jetons''', mais le terme '''jeton''' est plutôt réservé à la cybersécurité et les réseaux de communication. <br /> <br /> &lt;hr/&gt;<br /> <br /> Pour la suite du traitement, le segment résultant est souvent converti en un nombre entier. On dit alors que le segment est encodé. Le processus inverse, le décodage part de la représentation par un nombre entier vers un segment de texte.<br /> <br /> ==Français==<br /> '''segment textuel'''<br /> <br /> '''segment de texte'''<br /> <br /> '''jeton textuel'''<br /> <br /> '''jeton'''<br /> <br /> '''symbole'''<br /> <br /> '''unité sous-lexicale'''<br /> <br /> '''unité lexicale'''<br /> <br /> '''partie de mot'''<br /> <br /> ==Anglais==<br /> '''token'''<br /> <br /> ==Sources==<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=tokenizer&amp;index=alt&amp;codom2nd_wet=1#resultrecs ''Termium - Tokenizer'']<br /> <br /> [https://www.culture.gouv.fr/content/download/365680/pdf_file/50_termes_cl%C3%A9s_de_l%27IA-2025.pdf?inLanguage=fre-FR&amp;version=2 ''50 termes clés de l'intelligence artificielle'', Ministère de la culture, Commission d'enrichissement de la langue française (2025). - Jeton textuel]<br /> <br /> [https://fr.wikipedia.org/wiki/Analyse_lexicale Wikipedia - ''Analyse lexicale'']<br /> <br /> [https://www.sciencedirect.com/science/article/pii/S0167865518303271 ''A unified multilingual handwriting recognition system using multigrams sub-lexical units'', Swaileh et al. 2019]<br /> <br /> [https://link.springer.com/chapter/10.1007/978-3-319-77113-7_1, ''Overview of Character-Based Models for Natural Language Processing'', Adel et al. 2018]<br /> <br /> [https://en.wikipedia.org/wiki/Lexical_analysis Wikipedia - Lexical Analysis]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Sparse_feature&diff=119223 2026-03-31T19:06:46Z

<p>Claude COULOMBE : Destination de redirection modifiée de Caractéristique creuse en Attribut creux</p> <hr /> <div>#REDIRECTION[[attribut creux]]<br /> <br /> [[Catégorie:ENGLISH]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Caract%C3%A9ristique_creuse&diff=119222 2026-03-31T19:05:19Z

<p>Claude COULOMBE : Claude COULOMBE a déplacé la page Caractéristique creuse vers Attribut creux</p> <hr /> <div>#REDIRECTION [[Attribut creux]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Attribut_creux&diff=119221 2026-03-31T19:05:19Z

<p>Claude COULOMBE : Claude COULOMBE a déplacé la page Caractéristique creuse vers Attribut creux</p> <hr /> <div>==Définition==<br /> Vecteur d'attributs dont les valeurs sont la plupart nulles ou vides. <br /> <br /> Par exemple, un vecteur contenant une seule valeur 1 et un million de valeurs 0 est dit creux. Autre exemple : les mots d'une requête de recherche peuvent aussi être un attribut creux. En effet, il existe de très nombreux mots possibles dans une langue donnée, mais seuls quelques-uns d'entre eux peuvent apparaître dans une requête.<br /> <br /> À comparer à la '''[[caractéristique dense]]'''.<br /> <br /> ==Français==<br /> <br /> '''attribut creux'''<br /> <br /> '''caractéristique creuse''' <br /> <br /> ==Anglais==<br /> '''sparse feature'''<br /> <br /> ==Sources==<br /> [https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Apprentissage profond]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Attribut_creux&diff=119220 2026-03-31T19:05:01Z

<p>Claude COULOMBE : </p> <hr /> <div>==Définition==<br /> Vecteur d'attributs dont les valeurs sont la plupart nulles ou vides. <br /> <br /> Par exemple, un vecteur contenant une seule valeur 1 et un million de valeurs 0 est dit creux. Autre exemple : les mots d'une requête de recherche peuvent aussi être un attribut creux. En effet, il existe de très nombreux mots possibles dans une langue donnée, mais seuls quelques-uns d'entre eux peuvent apparaître dans une requête.<br /> <br /> À comparer à la '''[[caractéristique dense]]'''.<br /> <br /> ==Français==<br /> <br /> '''attribut creux'''<br /> <br /> '''caractéristique creuse''' <br /> <br /> ==Anglais==<br /> '''sparse feature'''<br /> <br /> ==Sources==<br /> [https://developers.google.com/machine-learning/glossary/ Source : Google machine learning glossary]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:Apprentissage profond]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Activation&diff=119212 2026-03-31T18:49:02Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> En IA symbolique, l'activation ou déclenchement d'une règle dont les [[prémisse|conditions]] sont satisfaites entraînant l'exécution de sa conclusion. Par exemple, des ajustements de variables, des ajouts ou modifications à la base de faits, ou l'exécution d'une procédure associée à la règle. <br /> <br /> En IA connexionniste, l'activation d'un neurone se produit lorsque le résultat d'un calcul de sortie d'un neurone dépasse un certain seuil. Pour une couche de neurones, on parle d'un vecteur d'activation.<br /> <br /> == Complément ==<br /> Inspiré du comportement d'un neurone biologique qui envoie une impulsion électrique le long de l'axone, provoquant la libération de neurotransmetteurs au niveau des synapses à l'extrémité de l'axone.<br /> <br /> == Français ==<br /> '''activation'''<br /> <br /> '''activer<br /> <br /> '''déclenchement'''<br /> <br /> '''déclencher'''<br /> <br /> '''décharger''' &lt;small&gt;&lt;i&gt;(pour les neurones)&lt;/i&gt;&lt;/small&gt;<br /> <br /> == Anglais ==<br /> '''activation'''<br /> <br /> '''(to) activate'''<br /> <br /> '''(to) fire'''<br /> <br /> ==Sources==<br /> <br /> [https://www.cs.utexas.edu/users/novak/aivocab.html Source : Utexas Ai vocabulary ]<br /> <br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=D%C3%A9clencher&diff=119211 2026-03-31T18:46:06Z

<p>Claude COULOMBE : Claude COULOMBE a déplacé la page Déclencher vers Activation</p> <hr /> <div>#REDIRECTION [[Activation]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Activation&diff=119210 2026-03-31T18:46:06Z

<p>Claude COULOMBE : Claude COULOMBE a déplacé la page Déclencher vers Activation</p> <hr /> <div>== Définition ==<br /> En IA symbolique, le déclenchement d'une règle dont les [[prémisse|conditions]] sont satisfaites entraînant l'exécution de sa conclusion. Par exemple, des ajustements de variables, des ajouts ou modifications à la base de faits, ou l'exécution d'une procédure associée à la règle. <br /> <br /> En IA connexionniste, l'activation d'un neurone se produit lorsque le résultat d'un calcul de sortie d'un neurone dépasse un certain seuil.<br /> <br /> == Complément ==<br /> Inspiré du comportement d'un neurone biologique qui envoie une impulsion électrique le long de l'axone, provoquant la libération de neurotransmetteurs au niveau des synapses à l'extrémité de l'axone.<br /> <br /> == Français ==<br /> '''déclencher'''<br /> <br /> '''activer'''<br /> <br /> '''décharger''' &lt;small&gt;&lt;i&gt;(pour les neurones)&lt;/i&gt;&lt;/small&gt;<br /> <br /> '''déclenchement'''<br /> <br /> '''activation'''<br /> <br /> == Anglais ==<br /> ''' (to) fire '''<br /> <br /> ''' activate '''<br /> <br /> ==Sources==<br /> <br /> [https://www.cs.utexas.edu/users/novak/aivocab.html Source : Utexas Ai vocabulary ]<br /> <br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Taux_d%27erreur_en_mots&diff=119140 2026-03-24T19:33:41Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Indicateur qui permet de mesurer les performances d'un système de '''[[Reconnaissance automatique de la parole|reconnaissance vocale]]''' ou de '''[[traduction automatique]]''', de comparer différents systèmes et d'évaluer les améliorations apportées à un même système.<br /> <br /> == Compléments ==<br /> Il ne fournit aucune précision sur la nature des erreurs.<br /> <br /> *'''Attention''': À ne pas confondre avec '''[[TER]]'''!<br /> *Le taux d'erreur sur les mots est dérivé de la '''[[distance de Levenshtein]]''', qui opère au niveau des mots (insertion, omission et substitution) plutôt qu'au niveau des phonèmes. Où 0 indique que les segments de texte comparés sont exactement identiques, et 1 (ou plus) indique qu'ils sont complètement différents et ne présentent aucune similitude.<br /> <br /> == Français ==<br /> ''' Taux d'erreur en mots'''<br /> <br /> ''' Taux d'erreur de mots'''<br /> <br /> &lt;!--'''TER'''--&gt;<br /> '''WER''' ''(de l'anglais)''<br /> <br /> == Anglais ==<br /> ''' Word error rate'''<br /> <br /> ''' WER'''<br /> <br /> ''WER stands for Word Error Rate and it is a metric measuring the performance of a speech recognition or machine translation system and comparing different systems as well as for evaluating improvements within one system. It provides no details on the nature of translation errors, and it typically ranges from 0 to 1.''<br /> <br /> ''It is erived from the Levenshtein distance, working at the word level instead of the phoneme level. where 0 indicates that the compared pieces of text are exactly identical, and 1 (or larger) indicates that they are completely different with no similarity''<br /> <br /> == Sources ==<br /> [https://hal.science/tel-01258153/document Christian Gillot (2012) - Taux d'erreur en mots]<br /> <br /> [https://www.afcp-parole.org/doc/Archives_JEP/2008_XXVIIe_JEP_Avignon/PDF/avignon2008_pdf/JEP/008_jep_1568.pdf Razik et al. (2008) - Taux d'erreur en mots]<br /> <br /> [https://docnum.univ-lorraine.fr/public/SCD_T_2004_0175_BARREAUD.pdf Barreaud (2004) - Taux d'erreur en mots]<br /> <br /> [https://fr.wikipedia.org/wiki/Taux_d%27erreur_de_mots Wikipédia - Taux d'erreur de mots]<br /> <br /> [https://en.wikipedia.org/wiki/Word_error_rate Wikipedia - Word error rate]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Taux_d%27erreur_en_mots&diff=119139 2026-03-24T19:33:21Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Indicateur qui permet de mesurer les performances d'un système de '''[[Reconnaissance automatique de la parole|reconnaissance vocale]]''' ou de '''[[traduction automatique]]''', de comparer différents systèmes et d'évaluer les améliorations apportées à un même système.<br /> <br /> == Compléments ==<br /> Il ne fournit aucune précision sur la nature des erreurs.<br /> <br /> *'''Attention''': À ne pas confondre avec '''[[TER]]'''!<br /> *Le taux d'erreur sur les mots est dérivé de la '''[[distance de Levenshtein]]''', qui opère au niveau des mots (insertion, omission et substitution) plutôt qu'au niveau des phonèmes. Où 0 indique que les segments de texte comparés sont exactement identiques, et 1 (ou plus) indique qu'ils sont complètement différents et ne présentent aucune similitude.<br /> <br /> == Français ==<br /> ''' Taux d'erreur en mots'''<br /> <br /> ''' Taux d'erreur de mots'''<br /> <br /> &lt;!--'''TER'''--&gt;<br /> '''WER''' ''(de l'anglais)''<br /> <br /> == Anglais ==<br /> ''' Word error rate'''<br /> <br /> ''' WER'''<br /> <br /> ''WER stands for Word Error Rate and it is a metric measuring the performance of a speech recognition or machine translation system and comparing different systems as well as for evaluating improvements within one system. It provides no details on the nature of translation errors, and it typically ranges from 0 to 1.''<br /> <br /> ''It is erived from the Levenshtein distance, working at the word level instead of the phoneme level. where 0 indicates that the compared pieces of text are exactly identical, and 1 (or larger) indicates that they are completely different with no similarity''<br /> <br /> == Sources ==<br /> [https://hal.science/tel-01258153/document Christian Gillot (2012) - Taux d'erreur en mots]<br /> <br /> [https://www.afcp-parole.org/doc/Archives_JEP/2008_XXVIIe_JEP_Avignon/PDF/avignon2008_pdf/JEP/008_jep_1568.pdf Razik et al. (2008) - Taux d'erreur en mots]<br /> <br /> [https://docnum.univ-lorraine.fr/public/SCD_T_2004_0175_BARREAUD.pdf Barreaud (2004) - Taux d'erreur en mots]<br /> <br /> [https://fr.wikipedia.org/wiki/Taux_d%27erreur_de_mots Wikipédia - taux d'erreur de mots]<br /> <br /> [https://en.wikipedia.org/wiki/Word_error_rate Wikipedia - Word error rate]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Implication_textuelle&diff=119131 2026-03-24T19:10:07Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Une inférence textuelle est définie comme une relation entre deux fragments de texte : en lisant le premier, on peut raisonnablement inférer que le second est vrai.<br /> <br /> Voir aussi '''[[compréhension du langage naturel]]''' et '''[[traitement du langage naturel]]''' <br /> <br /> == Compléments ==<br /> Les tâches typiques de l'inférence en langue naturelle comprennent l'établissement de liens entre les entités, la désambiguïsation des entités, l'expansion de la taxonomie, la découverte d'hyperonymes et l'association de textes.<br /> <br /> == Français ==<br /> ''' implication textuelle'''<br /> <br /> '''inférence textuelle'''<br /> <br /> == Anglais ==<br /> ''' Natural Language Inference'''<br /> <br /> ''' NLI'''<br /> <br /> ''' Textual Entailment'''<br /> <br /> ''' Recognizing Textual Entailment'''<br /> <br /> ''' TE'''<br /> &lt;!--Task that determines the inference relation (entailment, contradiction, or neutral) between two short and ordered texts or text fragments. The relation holds whenever the truth of one text fragment followa from another text. This task is used to infer semantic relations between given phrases. Typical NLI tasks include entity linking, entity disambiguation, taxonomy expansion, hypernym discovery, and text entailment--&gt;<br /> <br /> == Sources ==<br /> [https://umontreal.scholaris.ca/items/30f53472-4fae-41f7-b4a9-1b556dba5265 Zhouan Lin (2019) - implication textuelle]<br /> <br /> [https://hal.univ-lorraine.fr/tel-01748535 Marilisa Amoia (2008) - implication textuelle]<br /> <br /> [https://theses.hal.science/tel-01317577/document Martin Gleize 2016 - inférence textuelle]<br /> <br /> [https://arxiv.org/abs/2409.13731 Source : arxiv]<br /> <br /> [https://nlp.stanford.edu/projects/snli/ Source : Stanford.edu]<br /> <br /> [https://towardsdatascience.com/natural-language-inference-an-overview-57c0eecf6517/ Source : towards data science]<br /> <br /> [https://en.wikipedia.org/wiki/Textual_entailment Source : Wikipedia]<br /> <br /> [https://www.oreilly.com/library/view/natural-language-processing/9780596803346/pr02s07.html Bird et al. (2009) - Recognizing textual entailment]<br /> <br /> [[Catégorie:Publication]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Recherche_approfondie_assist%C3%A9e_par_l%27IA_g%C3%A9n%C3%A9rative&diff=119114 2026-03-24T18:20:47Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Méthode de [[recherche d'informations]] utilisant un [[agent]] basé sur l'[[IA générative]] qui fait une combinaison de [[Recherche d'informations|recherches d'informations]] traditionnelles et de [[Recherche assistée par l'IA générative|recherches assistées par l'IA générative]] avant de produire une synthèse sous la forme d'un rapport de recherche structuré.<br /> <br /> == Compléments ==<br /> La réponse typique est un rapport cohérent et détaillé, et à la fin, elle contient également de nouvelles idées et les sources utilisées pour la synthèse. La recherche approfondie prend plus de temps que la '''[[Recherche assistée par l'IA générative]]''' et doit être utilisée lorsque l'utilisateur a besoin d'une analyse plus poussée sur un sujet complexe.<br /> <br /> La technique repose sur un ensemble de [[requête générative|requêtes génératives]] spécialisées.<br /> <br /> À ne pas confondre avec '''[[recherche assistée par l'IA générative]]'''.<br /> <br /> == Français ==<br /> ''' recherche approfondie assistée par l'IA générative'''<br /> <br /> ''' recherche approfondie'''<br /> <br /> ''' recherche documentaire approfondie assistée par l'IA générative'''<br /> <br /> ''' recherche documentaire approfondie'''<br /> <br /> == Anglais ==<br /> ''' deep research'''<br /> <br /> ''' deep research agent'''<br /> <br /> ''AI-enhanced way of searching and synthesizing relevant information by taking the time to read it. The typical output is a coherent report or detailed answer, and at the end, it also contains new ideas. Deep research is more time consuming than deep search and it is to use when the user needs a thorough analysis on a complex topic.''<br /> <br /> == Sources ==<br /> [https://leehanchung.github.io/blogs/2025/02/26/deep-research/ Source : GitHub.io]<br /> <br /> [https://medium.com/@themeynoush/deep-search-vs-deep-research-what-are-they-and-how-do-they-compare-ac24db023002 Source : Medium]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Mod%C3%A8le_fondateur&diff=119031 2026-03-17T08:12:24Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Des chercheurs de l'Université Stanford ont proposé le terme modèle fondateur ou modèle de fondation (de l'anglais ''foundation model'') pour définir un ensemble de [[grand modèle de langues|grands modèles de langues]] basés sur des architectures de [[réseau autoattentif]] préentraînées sur de très vastes [[corpus]] parfois selon plusieurs modalités (textes, voix, images, etc.).<br /> <br /> Les modèles fondateurs peuvent être adaptés à un large éventail de tâches. <br /> <br /> ==Compléments==<br /> <br /> Les modèles fondateurs constituent un changement radical de paradigme en IA. Ils représentent une augmentation spectaculaire des capacités en termes de précision, de qualité et d'extrapolation à de nouvelles tâches. <br /> <br /> Les modèles fondateurs présentent également des problèmes évidents d'utilisation à des fins de désinformation, l'exacerbation des biais et le risque d'oligopole de l'[[intelligence artificielle]] entre les mains de quelques entreprises.<br /> <br /> &lt;hr/&gt;<br /> Bien que le terme ''modèle de fondation'' soit répandu, ce terme est déconseillé par la DGLFLF. <br /> <br /> == Français ==<br /> '''modèle fondateur'''<br /> <br /> '''modèle de fondation'''<br /> <br /> '''modèle fondationnel'''<br /> <br /> == Anglais ==<br /> '''foundation model'''<br /> <br /> ==Español==<br /> [[Catégorie:es]]<br /> <br /> ''''' modelo fundacional ''''' <br /> <br /> ''Investigadores de la Universidad de Stanford han propuesto el término modelo fundacional (del inglès fundation model) para definir un conjunto de modelo extenso de languaje basados en arquitecturas de red autoatencional preentrenadas en grandes corpus, a veces utilizando varias modalidades (texto, voz, imágenes, etc.).'' <br /> <br /> ''Modelos fundacionales como BERT, GPT-3, LLaMA y DALL-E pueden adaptarse a una amplia gama de tareas.'' <br /> <br /> ==Sources==<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=FOUNDATION+MODEL&amp;index=alt&amp;codom2nd_wet=1#resultrecs Source : TERMIUM Plus]<br /> <br /> [https://fr.wikipedia.org/wiki/Mod%C3%A8le_de_fondation Source : Wikipédia ]<br /> <br /> [https://arxiv.org/abs/2108.07258 Source : arxiv ]<br /> <br /> [https://www.youtube.com/watch?v=dG628PEN1fY Source : YouTube ]<br /> <br /> [https://www.insa-lyon.fr/es/evenement/conference-les-enjeux-des-modeles-de-langage Source : Conférence INSA]<br /> <br /> [https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000050185686 Source : Legifrance - Modèle génératif ]<br /> {{Modèle:101}}<br /> [[Catégorie:Intelligence artificielle]]<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Mod%C3%A8le_fondateur&diff=119030 2026-03-17T08:11:51Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Des chercheurs de l'Université Stanford ont proposé le terme modèle fondateur ou modèle de fondation (de l'anglais ''foundation model'') pour définir un ensemble de [[grand modèle de langues|grands modèles de langues]] basés sur des architectures de [[réseau autoattentif]] préentraînées sur de très vastes [[corpus]] parfois selon plusieurs modalités (textes, voix, images, etc.).<br /> <br /> Les modèles fondateurs comme [[BERT]], [[GPT-3]], [[LLaMA]], [[DALL-E]] peuvent être adaptés à un large éventail de tâches. <br /> <br /> ==Compléments==<br /> <br /> Les modèles fondateurs constituent un changement radical de paradigme en IA. Ils représentent une augmentation spectaculaire des capacités en termes de précision, de qualité et d'extrapolation à de nouvelles tâches. <br /> <br /> Les modèles fondateurs présentent également des problèmes évidents d'utilisation à des fins de désinformation, l'exacerbation des biais et le risque d'oligopole de l'[[intelligence artificielle]] entre les mains de quelques entreprises.<br /> <br /> &lt;hr/&gt;<br /> Bien que le terme ''modèle de fondation'' soit répandu, ce terme est déconseillé par la DGLFLF. <br /> <br /> == Français ==<br /> '''modèle fondateur'''<br /> <br /> '''modèle de fondation'''<br /> <br /> '''modèle fondationnel'''<br /> <br /> == Anglais ==<br /> '''foundation model'''<br /> <br /> ==Español==<br /> [[Catégorie:es]]<br /> <br /> ''''' modelo fundacional ''''' <br /> <br /> ''Investigadores de la Universidad de Stanford han propuesto el término modelo fundacional (del inglès fundation model) para definir un conjunto de modelo extenso de languaje basados en arquitecturas de red autoatencional preentrenadas en grandes corpus, a veces utilizando varias modalidades (texto, voz, imágenes, etc.).'' <br /> <br /> ''Modelos fundacionales como BERT, GPT-3, LLaMA y DALL-E pueden adaptarse a una amplia gama de tareas.'' <br /> <br /> ==Sources==<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=FOUNDATION+MODEL&amp;index=alt&amp;codom2nd_wet=1#resultrecs Source : TERMIUM Plus]<br /> <br /> [https://fr.wikipedia.org/wiki/Mod%C3%A8le_de_fondation Source : Wikipédia ]<br /> <br /> [https://arxiv.org/abs/2108.07258 Source : arxiv ]<br /> <br /> [https://www.youtube.com/watch?v=dG628PEN1fY Source : YouTube ]<br /> <br /> [https://www.insa-lyon.fr/es/evenement/conference-les-enjeux-des-modeles-de-langage Source : Conférence INSA]<br /> <br /> [https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000050185686 Source : Legifrance - Modèle génératif ]<br /> {{Modèle:101}}<br /> [[Catégorie:Intelligence artificielle]]<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Mod%C3%A8le_fondateur&diff=119029 2026-03-17T08:06:58Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Des chercheurs de l'Université Stanford ont proposé le terme modèle fondateur ou modèle de fondation (de l'anglais ''foundation model'') pour définir un ensemble de [[grand modèle de langues|grands modèles de langues]] basés sur des architectures de [[réseau autoattentif]] préentraînées sur de vastes [[corpus]] parfois selon plusieurs modalités (textes, voix, images, etc.).<br /> <br /> Les modèles fondateurs comme [[BERT]], [[GPT-3]], [[LLaMA]], [[DALL-E]] peuvent être adaptés à un large éventail de tâches. <br /> <br /> ==Compléments==<br /> <br /> Les modèles fondateurs constituent un changement radical de paradigme en IA. Ils représentent une augmentation spectaculaire des capacités en termes de précision, de qualité et d'extrapolation à de nouvelles tâches. <br /> <br /> Les modèles fondateurs présentent également des problèmes évidents d'utilisation à des fins de désinformation, l'exacerbation des biais et le risque d'oligopole de l'[[intelligence artificielle]] entre les mains de quelques entreprises.<br /> <br /> &lt;hr/&gt;<br /> Bien que le terme ''modèle de fondation'' soit répandu, ce terme est déconseillé par la DGLFLF. <br /> <br /> == Français ==<br /> '''modèle fondateur'''<br /> <br /> '''modèle de fondation'''<br /> <br /> '''modèle fondationnel'''<br /> <br /> == Anglais ==<br /> '''foundation model'''<br /> <br /> ==Español==<br /> [[Catégorie:es]]<br /> <br /> ''''' modelo fundacional ''''' <br /> <br /> ''Investigadores de la Universidad de Stanford han propuesto el término modelo fundacional (del inglès fundation model) para definir un conjunto de modelo extenso de languaje basados en arquitecturas de red autoatencional preentrenadas en grandes corpus, a veces utilizando varias modalidades (texto, voz, imágenes, etc.).'' <br /> <br /> ''Modelos fundacionales como BERT, GPT-3, LLaMA y DALL-E pueden adaptarse a una amplia gama de tareas.'' <br /> <br /> ==Sources==<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=FOUNDATION+MODEL&amp;index=alt&amp;codom2nd_wet=1#resultrecs Source : TERMIUM Plus]<br /> <br /> [https://fr.wikipedia.org/wiki/Mod%C3%A8le_de_fondation Source : Wikipédia ]<br /> <br /> [https://arxiv.org/abs/2108.07258 Source : arxiv ]<br /> <br /> [https://www.youtube.com/watch?v=dG628PEN1fY Source : YouTube ]<br /> <br /> [https://www.insa-lyon.fr/es/evenement/conference-les-enjeux-des-modeles-de-langage Source : Conférence INSA]<br /> <br /> [https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000050185686 Source : Legifrance - Modèle génératif ]<br /> {{Modèle:101}}<br /> [[Catégorie:Intelligence artificielle]]<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Mod%C3%A8le_fondateur&diff=119028 2026-03-17T08:03:47Z

<p>Claude COULOMBE : </p> <hr /> <div>== Définition ==<br /> Des chercheurs de l'Université Stanford ont proposé le terme modèle fondateur ou modèle de fondation (de l'anglais ''foundation model'') pour définir un ensemble de [[grand modèle de langues|grands modèles de langues]] basés sur des architectures de [[réseau autoattentif]] préentraînées sur de vastes [[corpus]] parfois selon plusieurs modalités (textes, voix, images, etc.).<br /> <br /> Les modèles fondateurs comme [[BERT]], [[GPT-3]], [[LLaMA]], [[DALL-E]] peuvent être adaptés à un large éventail de tâches. <br /> <br /> ==Compléments==<br /> <br /> Les modèles fondateurs constituent un changement radical de paradigme en IA. Ils représentent une augmentation spectaculaire des capacités en termes de précision, de qualité et d'extrapolation à de nouvelles tâches. <br /> <br /> Les modèles fondateurs présentent également des problèmes évidents d'utilisation à des fins de désinformation, l'exacerbation des biais et le risque d'oligopole de l'[[intelligence artificielle]] entre les mains de quelques entreprises.<br /> <br /> &lt;hr/&gt;<br /> Bien que le terme ''modèle de fondation'' soit répandu, ce terme est déconseillé par la DGLFLF. <br /> <br /> == Français ==<br /> '''modèle fondateur'''<br /> <br /> '''modèle de fondation'''<br /> <br /> '''modèle fondationnel'''<br /> <br /> == Anglais ==<br /> '''foundation model'''<br /> <br /> '''frontier model'''<br /> <br /> ==Español==<br /> [[Catégorie:es]]<br /> <br /> ''''' modelo fundacional ''''' <br /> <br /> ''Investigadores de la Universidad de Stanford han propuesto el término modelo fundacional (del inglès fundation model) para definir un conjunto de modelo extenso de languaje basados en arquitecturas de red autoatencional preentrenadas en grandes corpus, a veces utilizando varias modalidades (texto, voz, imágenes, etc.).'' <br /> <br /> ''Modelos fundacionales como BERT, GPT-3, LLaMA y DALL-E pueden adaptarse a una amplia gama de tareas.'' <br /> <br /> ==Sources==<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=FOUNDATION+MODEL&amp;index=alt&amp;codom2nd_wet=1#resultrecs Source : TERMIUM Plus]<br /> <br /> [https://fr.wikipedia.org/wiki/Mod%C3%A8le_de_fondation Source : Wikipédia ]<br /> <br /> [https://arxiv.org/abs/2108.07258 Source : arxiv ]<br /> <br /> [https://www.youtube.com/watch?v=dG628PEN1fY Source : YouTube ]<br /> <br /> [https://www.insa-lyon.fr/es/evenement/conference-les-enjeux-des-modeles-de-langage Source : Conférence INSA]<br /> <br /> [https://www.legifrance.gouv.fr/jorf/id/JORFTEXT000050185686 Source : Legifrance - Modèle génératif ]<br /> {{Modèle:101}}<br /> [[Catégorie:Intelligence artificielle]]<br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=D%C3%A9vEx&diff=119013 2026-03-16T19:16:09Z

<p>Claude COULOMBE : </p> <hr /> <div><br /> == Définition ==<br /> Travail conjoint des équipes de développement logiciel et d'exploitation des infrastructures informatiques au fil des étapes d'un processus continu et itératif correspondant au cycle de vie automatisé du développement logiciel.<br /> <br /> == Compléments == <br /> Le développement et exploitation repose typiquement sur des pratiques et des démarches associées à l'agilité, comme les tests automatisés, l'intégration continue, le déploiement continu et la livraison continue.<br /> <br /> Le développement et l'exploitation s'est généralisée avec l'apparition de l'[[infonuagique]]. <br /> <br /> <br /> == Français ==<br /> ''' DévEx '''<br /> <br /> ''' développement et exploitation '''<br /> <br /> == Anglais ==<br /> ''' DevOps'''<br /> <br /> '''development and operations'''<br /> <br /> <br /> ==Sources==<br /> <br /> [https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/26530087/developpement-et-exploitation OQLF, Développement et exploitation]<br /> <br /> [https://fr.wikipedia.org/wiki/Devops Wikipédia - Devops]<br /> <br /> [https://en.wikipedia.org/wiki/DevOps Wikipedia - DevOps]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=D%C3%A9vEx&diff=119012 2026-03-16T19:13:17Z

<p>Claude COULOMBE : </p> <hr /> <div><br /> == Définition ==<br /> Travail conjoint des équipes de développement logiciel et d'exploitation des infrastructures informatiques au fil des étapes d'un processus continu et itératif correspondant au cycle de vie du développement logiciel.<br /> <br /> == Compléments == <br /> Le développement et exploitation repose typiquement sur des pratiques et des démarches associées à l'agilité, comme les tests automatisés, l'intégration continue, le déploiement continu et la livraison continue.<br /> <br /> Le développement et l'exploitation s'est généralisée avec l'apparition de l'[[infonuagique]]. <br /> <br /> <br /> == Français ==<br /> ''' DévEx '''<br /> <br /> ''' développement et exploitation '''<br /> <br /> == Anglais ==<br /> ''' DevOps'''<br /> <br /> '''development and operations'''<br /> <br /> <br /> ==Sources==<br /> <br /> [https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/26530087/developpement-et-exploitation OQLF, Développement et exploitation]<br /> <br /> [https://fr.wikipedia.org/wiki/Devops Wikipédia - Devops]<br /> <br /> [https://en.wikipedia.org/wiki/DevOps Wikipedia - DevOps]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=D%C3%A9vEx&diff=119011 2026-03-16T19:12:47Z

<p>Claude COULOMBE : </p> <hr /> <div><br /> == Définition ==<br /> Travail conjoint des équipes de développement logiciel et d'exploitation des infrastructures informatiques au fil des étapes d'un processus continu et itératif correspondant au cycle de vie du développement logiciel.<br /> <br /> == Compléments == <br /> Le développement et exploitation repose typiquement sur des pratiques et des démarches associées à l'agilité, comme les tests automatisés, l'intégration continue, le déploiement continu et la livraison continue.<br /> <br /> Le développement et l'exploitation s'est généralisée avec l'apparition de l'[[infonuagique]]. <br /> <br /> <br /> == Français ==<br /> ''' DévEx '''<br /> <br /> ''' développement et exploitation '''<br /> <br /> == Anglais ==<br /> ''' DevOps'''<br /> <br /> '''development and operations'''<br /> <br /> <br /> ==Sources==<br /> <br /> [https://vitrinelinguistique.oqlf.gouv.qc.ca/fiche-gdt/fiche/26530087/developpement-et-exploitation OQLF, Développement et exploitation]<br /> <br /> [Devops Wikipédia - Devops]<br /> <br /> [https://en.wikipedia.org/wiki/DevOps Wikipedia - DevOps]<br /> <br /> [[Catégorie:GRAND LEXIQUE FRANÇAIS]]</div>

Claude COULOMBE https://datafranca.org/wiki/index.php?title=Agent&diff=119006 2026-03-16T18:55:08Z

<p>Claude COULOMBE : </p> <hr /> <div>==Définition==<br /> Un agent (du latin ''agere'' : agir) est une entité physique ou virtuelle, pilotée par un logiciel. Il agit de façon, au moins partiellement, [[Système d'IA autonome|autonome]] dans un environnement. L’agent accomplit une tâche à la manière d’un automate en fonction de ce que lui a demandé son auteur. La notion d’agent est à la base de l’[[apprentissage par renforcement]].<br /> <br /> Notez que dans certains systèmes qui comportent plusieurs agents, appelés systèmes [[Multiagent|multiagents]], un agent peut être un processus, un robot, un être humain, etc., qui interagit selon certaines conditions.<br /> <br /> ==Compléments==<br /> <br /> On appelle agent une entité physique ou virtuelle :<br /> <br /> *qui est capable d'agir dans un environnement ;<br /> *qui peut communiquer directement avec d'autres agents ;<br /> *qui est mue par un ensemble de tendances (sous forme d'objectifs individuels ou d'une fonction de satisfaction, voire de survie, qu'elle cherche à optimiser) ;<br /> *qui possède des ressources propres ;<br /> *qui est capable de percevoir (mais de manière limitée) son environnement ;<br /> *qui ne dispose que d'une représentation partielle de cet environnement (et éventuellement aucune) ;<br /> *qui possède des compétences et offre des services ;<br /> *qui peut éventuellement se reproduire.<br /> <br /> ==Français==<br /> '''agent''' <br /> <br /> '''agent logiciel''' <br /> <br /> ==Anglais==<br /> '''agent'''<br /> <br /> '''software agent'''<br /> <br /> ==Español==<br /> [[Catégorie:es]]<br /> <br /> '''agente'''<br /> <br /> '''agente software'''<br /> <br /> '''''agente de software ''''' <br /> <br /> ''Un agente (del latín agere: actuar) es una entidad física o virtual controlada por un programa informático. Actúa de forma al menos parcialmente autónoma en un entorno. El agente realiza tareas a la manera de un autómata, según lo que su autor le ha pedido que haga. El concepto de agente es la base del aprendizaje por refuerzo.'' <br /> <br /> ''Nótese que en algunos sistemas con varios agentes, llamados sistemas multiagente, un agente puede ser un proceso, un robot, un ser humano, etc., que interactúa en determinadas condiciones.'' <br /> <br /> <br /> <br /> <br /> ==Sources==<br /> [https://fr.wikipedia.org/wiki/Agent_logiciel Source: Wikipedia, ''Agent logiciel'']<br /> <br /> [https://datafranca.org/wiki/images/50_termes_de_l'IA-2025.pdf Source : DGLF ]<br /> <br /> [https://www.btb.termiumplus.gc.ca/tpv2alpha/alpha-fra.html?lang=fra&amp;i=1&amp;srchtxt=AGENT+LOGICIEL&amp;codom2nd_wet=1#resultrecs Source : TERMIUM Plus]<br /> <br /> &lt;/small&gt;&lt;br&gt; <br /> <br /> {{Modèle:101}}<br /> <br /> {{Modèle:GDT}}<br /> <br /> [[Catégorie:GDT]]<br /> [[Catégorie:ENGLISH]]<br /> [[category:GRAND LEXIQUE FRANÇAIS]]<br /> [[Catégorie:101]]</div>

Claude COULOMBE