• Algorithme

Ensemble d'opérations qui doivent être suivies dans l'ordre par la machine pour obtenir un résultat.

• Nuage informatique (cloud)

Technologie qui permet de mettre les ressources informatiques dans des grands centres de données (datacenters), et d'y accéder par Internet via un abonnement. L'IA étant très gourmande en capacité de calcul, les entreprises optent pour le cloud pour entraîner et faire tourner leurs IA.

• Données

Au cœur du développement d'une IA, il s'agit d'images, textes, vidéos, chiffres... qui nourrissent les algorithmes. Leur qualité et leur volume déterminent les capacités et la précision de l'intelligence artificielle.

• Moteur de règles

Ce sont les intelligences artificielles les plus simples. La machine ne fait qu'appliquer une suite de conditions mathématiques prédéfinies, afin d'effectuer une tâche donnée par les développeurs. Ce type de système demande très peu de puissance de calcul, mais ne peut pas résoudre des problèmes complexes.

• Apprentissage automatique (machine learning)

Par abus de langage, c'est le terme assimilé à l'IA, alors qu'il n'en est qu'une sous catégorie. Sa particularité est d'autodéterminer le chemin de décision à partir de données fournies par les développeurs. Il se fait en deux étapes.

La première est l'entraînement des algorithmes jusqu'à obtenir un résultat satisfaisant à partir du corpus de données entrées dans la machine. La deuxième est le déploiement, c'est-à-dire l'utilisation du modèle dans une API (service web) ou une application pour un usage concret.

• Apprentissage profond (deep learning)

Branche de l'apprentissage automatique. Sa particularité est de fonctionner avec des réseaux de neurones, qui reproduisent de façon simplifiée le fonctionnement du cerveau. Ils permettent d'effectuer un très grand nombre de calculs en parallèle, et de résoudre des problèmes encore plus complexes. Mais cette méthode manque de transparence. Les réseaux de neurones se composent de plusieurs couches mais seulement deux sont observables : la couche d'entrée (les données fournies à la machine), et celle de sortie (le résultat obtenu). D'éventuels biais dans les données, traités dans les couches intermédiaires et qui viendraient modifier le résultat, ne sont pas visibles. L'apprentissage profond est énergivore : il requiert d'importantes quantités de données et beaucoup de puissance informatique.

• IA générale

Intelligence artificielle capable de reproduire le fonctionnement du cerveau humain. Les entreprises de recherche fondamentale comme DeepMind (rachetée par Google en 2014 pour plus de 400 millions d'euros) et OpenAI (dans lequel Microsoft a investi 1 milliard de dollars) en ont fait leur objectif ultime. Mais rien n'assure qu'on puisse y parvenir un jour. Les capacités de calcul actuelles sont trop insuffisantes. En attendant cet idéal, on parle d'IA faibles.