Intelligence artificielle en anglais : tout le vocabulaire

Quand j’ai commencé à m’intéresser à l’intelligence artificielle il y a quelques années, j’ai vite réalisé que la quasi-totalité de la documentation, des publications et des tutoriels étaient rédigés en anglais. Pour un développeur francophone, la barrière n’est pas tant la langue courante que le vocabulaire technique spécifique à ce domaine. Aujourd’hui, que vous soyez développeur, étudiant ou simplement curieux, maîtriser le lexique de l’intelligence artificielle en anglais est devenu indispensable pour comprendre les innovations qui transforment notre quotidien.

Je vous propose dans ce guide un tour complet du vocabulaire de l’IA en anglais : des termes fondamentaux aux expressions les plus pointues utilisées dans les publications de recherche et les environnements professionnels.

Comment dit-on intelligence artificielle en anglais ?

La traduction directe d’intelligence artificielle en anglais est artificial intelligence. Ce terme a été formalisé en 1956 lors de la célèbre conférence de Dartmouth, considérée comme l’acte fondateur de la discipline. Le mathématicien John McCarthy est généralement crédité comme celui qui a proposé cette appellation pour désigner la science et l’ingénierie de la création de machines intelligentes.

En anglais, on utilise couramment l’abréviation AI (prononcée /eɪ aɪ/, soit « eï-aï »). Cette abréviation est omniprésente dans la presse technologique, les publications académiques et le monde professionnel. Vous la retrouverez dans des expressions comme :

• AI-powered : alimenté par l’intelligence artificielle
• AI-driven : piloté par l’intelligence artificielle
• AI assistant : assistant à intelligence artificielle
• AI model : modèle d’intelligence artificielle

Il existe également des synonymes et des termes proches en anglais. Le terme machine intelligence est parfois employé comme alternative, bien qu’il soit moins courant. On retrouve aussi computational intelligence dans certains contextes académiques. Selon la norme ISO/IEC 22989, l’artificial intelligence désigne la capacité d’un système à acquérir, traiter et appliquer des connaissances.

Pour ceux qui préparent un cours sur l’intelligence artificielle ou un exposé en anglais, retenir la formule complète « artificial intelligence » et son abréviation « AI » constitue la base indispensable.

AI ou IA : quelle différence entre les deux abréviations ?

C’est une question que je rencontre très souvent : quelle différence entre AI et IA ? La réponse est simple : il s’agit exactement du même concept, seul l’ordre des initiales change selon la langue.

• AI = Artificial Intelligence (anglais) : l’adjectif « artificial » précède le nom « intelligence »
• IA = Intelligence Artificielle (français) : le nom « intelligence » précède l’adjectif « artificielle »

Cette inversion reflète simplement une règle grammaticale : en anglais, l’adjectif se place avant le nom, alors qu’en français, il se place généralement après. Le sens reste strictement identique. Vous pouvez utiliser les deux abréviations selon votre contexte de communication, mais dans un document rédigé en anglais, utilisez toujours AI.

À noter que dans le monde professionnel francophone, l’abréviation anglaise AI gagne du terrain, notamment dans les startups et les entreprises technologiques internationales. Certains professionnels utilisent même indifféremment les deux formes à l’oral. Si vous travaillez dans un environnement bilingue, comprendre cette nuance vous évitera toute confusion lors de vos échanges avec des collègues anglophones.

D’autres langues ont leurs propres conventions : en espagnol, on dit inteligencia artificial (abrégé IA, comme en français), en allemand künstliche Intelligenz (abrégé KI). Seul l’anglais inverse l’ordre avec AI.

Le vocabulaire fondamental de l’IA en anglais

Avant de plonger dans les termes techniques avancés, il est essentiel de maîtriser le vocabulaire de base qui revient dans pratiquement toute discussion sur l’intelligence artificielle en anglais. Ces termes constituent le socle sur lequel repose l’ensemble du lexique spécialisé.

Les concepts généraux

• Artificial intelligence (AI) : intelligence artificielle, le domaine dans son ensemble
• Machine learning (ML) : apprentissage automatique, sous-domaine de l’IA où les machines apprennent à partir de données
• Deep learning (DL) : apprentissage profond, sous-ensemble du machine learning utilisant des réseaux de neurones multicouches
• Algorithm : algorithme, ensemble d’instructions permettant de résoudre un problème
• Dataset : jeu de données, collection de données utilisées pour entraîner un modèle
• Model : modèle, représentation mathématique entraînée sur des données
• Training : entraînement, processus d’apprentissage du modèle
• Inference : inférence, utilisation d’un modèle entraîné pour produire des résultats

Les types d’intelligence artificielle

En anglais, on distingue couramment trois niveaux d’IA, une classification que vous retrouverez dans de nombreux articles et formations pour débutants :

• Narrow AI (ou Weak AI) : IA étroite, spécialisée dans une tâche précise. C’est le type d’IA que nous utilisons aujourd’hui
• General AI (ou Strong AI, AGI) : IA générale, capable de raisonner comme un humain dans n’importe quel domaine. Cela reste un objectif de recherche
• Super AI (ou ASI, Artificial Superintelligence) : superintelligence artificielle, hypothétique IA surpassant l’intelligence humaine dans tous les domaines

Si vous vous intéressez aux implications de ces différents niveaux, je vous recommande de consulter mon article sur l’IA humaine et ses évolutions.

Les termes techniques du machine learning

Le machine learning (apprentissage automatique) possède son propre lexique en anglais. Ces termes sont omniprésents dans la documentation technique, les articles de recherche publiés sur arXiv, la plateforme de référence en recherche IA, et les environnements de développement.

Les méthodes d’apprentissage

• Supervised learning : apprentissage supervisé, le modèle apprend à partir de données étiquetées
• Unsupervised learning : apprentissage non supervisé, le modèle découvre des structures dans des données non étiquetées
• Reinforcement learning : apprentissage par renforcement, le modèle apprend par essai-erreur avec un système de récompenses
• Semi-supervised learning : apprentissage semi-supervisé, combinaison des deux premières approches
• Self-supervised learning : apprentissage auto-supervisé, le modèle génère ses propres étiquettes à partir des données
• Transfer learning : apprentissage par transfert, réutilisation d’un modèle pré-entraîné sur une nouvelle tâche

Les termes d’évaluation et d’optimisation

• Accuracy : précision globale du modèle
• Loss function : fonction de perte, mesure l’écart entre prédiction et réalité
• Overfitting : surapprentissage, quand le modèle mémorise les données au lieu de généraliser
• Underfitting : sous-apprentissage, quand le modèle est trop simple pour capturer les tendances
• Hyperparameter : hyperparamètre, paramètre défini avant l’entraînement
• Epoch : époque, un passage complet sur l’ensemble des données d’entraînement
• Batch size : taille du lot, nombre d’exemples traités simultanément
• Learning rate : taux d’apprentissage, contrôle la vitesse d’ajustement du modèle
• Gradient descent : descente de gradient, algorithme d’optimisation fondamental
• Backpropagation : rétropropagation, méthode de calcul des gradients dans un réseau de neurones

Ces termes techniques reviennent constamment lorsqu’on travaille avec des frameworks comme TensorFlow ou PyTorch. En tant que développeur, j’utilise quotidiennement cette terminologie dans mes projets impliquant du langage de programmation Python appliqué à l’IA.

Lexique du deep learning et des réseaux de neurones

Le deep learning constitue la branche la plus dynamique de l’IA actuelle. Son vocabulaire en anglais est particulièrement riche et mérite une attention spécifique.

Architecture des réseaux

• Neural network : réseau de neurones, architecture inspirée du cerveau humain
• Neuron (ou node) : neurone, unité de calcul élémentaire du réseau
• Layer : couche, niveau de traitement dans le réseau
• Input layer : couche d’entrée, reçoit les données brutes
• Hidden layer : couche cachée, effectue les transformations intermédiaires
• Output layer : couche de sortie, produit le résultat final
• Weight : poids, paramètre ajusté pendant l’entraînement
• Bias : biais, paramètre additionnel facilitant l’apprentissage
• Activation function : fonction d’activation, détermine la sortie d’un neurone

Types de réseaux de neurones

• CNN (Convolutional Neural Network) : réseau de neurones convolutif, spécialisé dans le traitement d’images
• RNN (Recurrent Neural Network) : réseau de neurones récurrent, adapté aux séquences temporelles
• GAN (Generative Adversarial Network) : réseau antagoniste génératif, utilisé pour la création de contenu
• Transformer : architecture à mécanisme d’attention, base des modèles de langage modernes
• Autoencoder : auto-encodeur, réseau qui apprend à compresser et reconstruire des données
• Diffusion model : modèle de diffusion, utilisé pour la génération d’images de haute qualité

L’architecture Transformer, introduite par Google en 2017, a révolutionné le domaine. C’est elle qui se cache derrière des modèles comme GPT (Generative Pre-trained Transformer) et BERT (Bidirectional Encoder Representations from Transformers). Comprendre cette terminologie est essentiel pour suivre les évolutions du top des intelligences artificielles actuelles.

Le vocabulaire de l’IA générative en anglais

L’IA générative a explosé dans l’usage courant depuis fin 2022. Son vocabulaire spécifique en anglais est désormais utilisé bien au-delà du cercle des développeurs, y compris par les professionnels de la comptabilité et d’autres secteurs traditionnels.

Termes liés aux modèles de langage

• LLM (Large Language Model) : grand modèle de langage, comme GPT-4 ou Claude
• Prompt : instruction ou requête soumise au modèle
• Prompt engineering : ingénierie de prompt, art de formuler des instructions optimales
• Token : unité de texte traitée par le modèle (mot, sous-mot ou caractère)
• Context window : fenêtre de contexte, quantité maximale de texte que le modèle peut traiter
• Fine-tuning : ajustement fin, spécialisation d’un modèle pré-entraîné sur des données spécifiques
• RAG (Retrieval-Augmented Generation) : génération augmentée par la recherche, combinaison de recherche documentaire et de génération de texte
• Hallucination : hallucination, quand le modèle génère des informations fausses mais plausibles
• Grounding : ancrage, technique pour lier les réponses du modèle à des sources vérifiables
• Chain of thought : chaîne de raisonnement, méthode incitant le modèle à décomposer son raisonnement

Termes liés à la génération de contenu

• Text-to-image : conversion de texte en image
• Text-to-speech (TTS) : conversion de texte en parole, un domaine en plein essor dans l’IA audio
• Speech-to-text (STT) : conversion de parole en texte
• Image generation : génération d’images
• Multimodal : multimodal, capacité à traiter plusieurs types de données (texte, image, son)
• Embedding : plongement vectoriel, représentation numérique du sens d’un mot ou d’une phrase

ChatGPT, développé par OpenAI, est effectivement une IA : plus précisément, c’est un LLM conversationnel basé sur l’architecture Transformer. C’est aujourd’hui l’un des exemples les plus connus d’artificial intelligence accessible au grand public. Pour comparer les différentes solutions disponibles, consultez notre comparatif des meilleures IA.

Expressions courantes de l’IA en contexte professionnel

Au-delà du vocabulaire purement technique, il existe toute une série d’expressions anglaises liées à l’IA que vous rencontrerez dans un contexte professionnel. Les connaître vous permettra de suivre des réunions, lire des rapports et communiquer efficacement avec des équipes internationales.

Dans les discussions stratégiques

• AI adoption : adoption de l’IA par une organisation
• AI governance : gouvernance de l’IA, cadre de règles et de bonnes pratiques
• AI ethics : éthique de l’IA
• Responsible AI : IA responsable
• Explainable AI (XAI) : IA explicable, dont les décisions peuvent être comprises par un humain
• AI bias : biais de l’IA, tendances discriminatoires dans les résultats
• AI alignment : alignement de l’IA, s’assurer que l’IA agit conformément aux intentions humaines
• AI safety : sécurité de l’IA, prévention des comportements dangereux

Dans les discussions techniques et produit

• AI pipeline : chaîne de traitement IA, de la collecte de données au déploiement
• MLOps : opérations de machine learning, pratiques d’industrialisation des modèles
• Edge AI : IA embarquée, exécutée directement sur l’appareil sans connexion au cloud
• AI-as-a-Service (AIaaS) : IA en tant que service, modèle commercial d’accès à l’IA via le cloud
• Agentic AI : IA agentique, systèmes autonomes capables d’exécuter des tâches complexes
• Foundation model : modèle de fondation, grand modèle pré-entraîné servant de base à diverses applications
• Benchmark : référentiel d’évaluation, test standardisé pour comparer les performances des modèles

Ces termes sont de plus en plus utilisés dans les entreprises qui intègrent l’IA dans leurs processus. Si vous travaillez sous Windows avec des fonctions IA, vous les rencontrerez régulièrement dans la documentation Microsoft.

Prononciation des termes IA en anglais

La prononciation des termes techniques en anglais pose souvent problème aux francophones. Voici les prononciations correctes des termes les plus courants, transcrites en phonétique simplifiée :

• AI : /eɪ aɪ/ → « eï-aï » (deux syllabes bien distinctes)
• Algorithm : /ˈæl.ɡə.rɪ.ðəm/ → « al-gue-ri-dzeume »
• Machine learning : /məˈʃiːn ˈlɜːr.nɪŋ/ → « meu-chine leurning »
• Neural network : /ˈnjʊə.rəl ˈnet.wɜːrk/ → « niou-reul nett-oueurk »
• Deep learning : /diːp ˈlɜːr.nɪŋ/ → « dip leurning »
• Data : /ˈdeɪ.tə/ → « dé-ta » (et non « da-ta »)
• Bias : /ˈbaɪ.əs/ → « baï-euss »
• Epoch : /ˈiː.pɒk/ → « i-pok »

Un piège fréquent concerne la prononciation de IA en anglais lorsqu’on parle français dans un contexte international. Si vous dites « i-a » à un interlocuteur anglophone, il risque de ne pas comprendre immédiatement. Préférez « eï-aï » (AI) dans ce cas. L’intelligence artificielle pour apprendre l’anglais peut d’ailleurs vous aider à perfectionner ces prononciations grâce à des outils de reconnaissance vocale.

Tableau comparatif français-anglais des termes IA

Pour faciliter vos recherches et vos échanges, voici un tableau de référence regroupant les termes essentiels de l’intelligence artificielle avec leur traduction et leur abréviation.

Ce tableau couvre les termes que vous rencontrerez le plus fréquemment. Je vous conseille de le garder sous la main lorsque vous lisez de la documentation technique en anglais ou que vous préparez un exposé sur l’intelligence artificielle en anglais. La Délégation générale à la langue française publie régulièrement des recommandations sur la traduction officielle de ces termes techniques.

Pour aller plus loin dans la compréhension de l’écosystème, notamment le lien entre intelligence artificielle et robotique, ces bases lexicales vous seront précieuses. Et si vous souhaitez peser le pour et le contre de ces technologies, consultez notre analyse des avantages et inconvénients de l’IA.