30+ définitions courtes, citables, classées par catégorie. Le vocabulaire dont une direction PME a besoin pour piloter un projet IA en 2026 — sans buzzwords.
Grand modèle de langage entraîné sur des volumes massifs de texte. Exemples : GPT-4, Claude, Gemini, Mistral.
Un LLM est un modèle d'apprentissage automatique entraîné sur des milliards de mots pour prédire le texte suivant. Les LLM modernes (GPT-4, Claude Sonnet, Gemini, Mistral Large) sont utilisés pour la génération de texte, la classification, l'extraction d'information et l'orchestration d'agents. Les coûts d'API se mesurent en cents par million de tokens.
Famille de modèles d'OpenAI (GPT-4o, GPT-4 Turbo). Très utilisée pour les agents conversationnels et l'extraction.
GPT est la famille de modèles transformeurs d'OpenAI. GPT-4o et GPT-4 Turbo sont les modèles de production en 2026. ChatGPT Enterprise est la version conformité LPD/RGPD pour les entreprises suisses.
Famille de modèles d'Anthropic (Claude Sonnet, Opus). Réputé pour le raisonnement long et la sécurité.
Claude est l'assistant IA d'Anthropic. Claude Sonnet 4 et Claude Opus 4 sont les modèles utilisés en production en 2026. Claude se distingue par sa capacité à traiter de longs documents (200k+ tokens) et son alignement sécurité.
Modèles français/européens (Mistral Large, Mixtral). Hébergement EU possible — pertinent pour la conformité LPD.
Mistral est l'éditeur français de modèles LLM. Avantages pour les PME suisses : hébergement EU natif (Frankfurt), open-weights pour les modèles plus petits, conformité RGPD facilitée.
Représentation vectorielle d'un texte. Base technique du RAG et de la recherche sémantique.
Un embedding transforme un texte en vecteur de quelques milliers de dimensions. Deux textes sémantiquement proches ont des vecteurs proches. C'est la base technique du RAG, de la recherche sémantique et de la classification.
LLM connecté à des outils (API, recherche, base de données) qui accomplit une tâche en plusieurs étapes.
Un agent IA combine un LLM, un prompt système, des outils (function calling, API, recherche web, base de données) et une boucle de raisonnement. L'agent décompose une tâche complexe, appelle les bons outils, et produit un résultat. Exemples métier en PME : qualification de leads entrants, support N1, extraction comptable, recherche juridique.
Capacité d'un LLM à appeler des fonctions externes (API, base de données) pour accomplir une tâche.
Le tool use, ou function calling, permet à un LLM de demander l'exécution de fonctions externes pendant son raisonnement. C'est ce qui transforme un chatbot en agent IA capable d'agir : interroger une base, envoyer un email, créer un ticket, etc.
Protocole standard ouvert d'Anthropic pour connecter un LLM à des outils et sources de données.
Le Model Context Protocol est un standard ouvert qui formalise la communication entre un LLM et ses outils. Avantage : un connecteur MCP écrit une fois (Slack, Gmail, base SQL) fonctionne avec tous les agents IA. Adopté par Claude Desktop, Cursor, IDEs.
Interface conversationnelle sur un site ou messagerie (WhatsApp, Slack, Teams). Sous-cas d'agent IA.
Un chatbot IA répond aux visiteurs ou clients en texte naturel. Les chatbots modernes utilisent un LLM + RAG sur la documentation produit + tool use pour ouvrir des tickets. Coût build PME suisse : 8-25 KCHF.
Architecture qui injecte des documents pertinents dans le prompt d'un LLM pour répondre sur les données de l'entreprise.
Le RAG combine une base vectorielle (embeddings de vos documents), un retriever (qui trouve les passages pertinents pour une question) et un LLM (qui génère la réponse en s'appuyant sur ces passages). C'est la solution de référence pour qu'un LLM réponde sur la documentation interne, le code, les contrats, sans fine-tuning.
Base spécialisée dans la recherche par similarité de vecteurs. Brique essentielle du RAG.
Une base vectorielle (Pinecone, Weaviate, pgvector, Qdrant) stocke des embeddings et permet la recherche par similarité cosinus en quelques millisecondes. Pour une PME, pgvector dans Supabase est souvent suffisant et moins cher qu'une base dédiée.
Ré-entraînement d'un LLM sur vos données pour spécialiser son comportement. Rarement nécessaire en PME.
Le fine-tuning ajuste les poids d'un modèle pré-entraîné sur vos données spécifiques. Coûteux (build et run), souvent inutile : le RAG combiné à un bon prompt système couvre 90% des cas en PME. Vrai cas d'usage : ton de marque, vocabulaire métier très spécifique, classification fine.
Conversion d'image ou PDF scanné en texte exploitable. Brique d'entrée des workflows fiduciaire / juridique.
L'OCR transforme un PDF scanné ou une photo en texte. Les modèles modernes (GPT-4 Vision, Claude Vision, Mistral OCR) gèrent bien les factures, contrats, notes de frais. Indispensable pour automatiser la fiduciaire et le juridique sur les pièces papier.
Discipline de conception des instructions données aux LLM. Compétence clé pour la qualité des résultats.
Le prompt engineering est l'art de structurer les instructions d'un LLM (rôle, contexte, format de sortie, exemples, garde-fous). Un bon prompt vaut souvent un changement de modèle. C'est la compétence n°1 à internaliser dans une PME qui démarre l'IA.
Maquette pour valider la faisabilité technique. Piège classique : rester en PoC sans industrialiser.
Un PoC valide qu'un cas d'usage IA est techniquement possible. Le piège : 70% des PoC IA en entreprise n'atteignent jamais la production (source : Gartner). Notre méthode : pilote industrialisable dès le départ, pas de PoC orphelin.
Déploiement d'un workflow en production sur périmètre restreint. 4-6 semaines en PME.
Le pilote est la phase qui suit le diagnostic chez Les Précurseurs Lab : on choisit un workflow à fort volume (extraction de pièces, qualification de leads), on déploie en production sur un périmètre limité, on mesure le gain réel avant industrialisation.
Phase 3 d'un projet IA : déploiement par ordre de ROI sur tous les workflows pertinents.
L'industrialisation suit le pilote. On déploie les autres workflows par ordre de ROI, on documente, on forme les équipes, on met en place le monitoring et la maintenance. Cycle complet pour une PME 50 collaborateurs : 6-12 mois.
Audit de maturité PME : données, processus, conformité, talents, outils, ambition. 60 min suffisent en première passe.
Le diagnostic IA cartographie la maturité d'une PME sur 6 axes (donnée, processus, LPD/RGPD, talents, outils, ambition stratégique) et identifie 3 quick wins prioritaires. Chez Les Précurseurs Lab : 60 minutes gratuites en première passe, restitution avec matrice impact/effort.
Outil de priorisation : impact business sur axe Y, effort de mise en œuvre sur axe X. Prendre les quadrants haut-gauche.
La matrice impact/effort classe les opportunités IA d'une PME par impact business (gain horaire, CA, marge) et effort (build + run + adoption équipe). Les quick wins sont en haut à gauche. Les chantiers stratégiques en haut à droite.
Nouvelle LPD en vigueur depuis le 1er septembre 2023, alignée RGPD. Obligation pour toute PME suisse traitant des données personnelles.
La nouvelle LPD est entrée en vigueur le 1er septembre 2023. Elle aligne la Suisse sur le RGPD européen : registre des traitements, droits des personnes concernées, notification de violation, DPA avec sous-traitants. Tout projet IA en PME suisse doit l'intégrer dès la conception.
Règlement général européen sur la protection des données (2018). Référence pour le hosting EU.
Le RGPD est le règlement européen 2016/679 applicable depuis mai 2018. Il définit les bases légales du traitement, les droits des personnes, les obligations des sous-traitants. La nouvelle LPD suisse s'aligne sur ses principes.
Contrat entre un responsable de traitement et un sous-traitant. Obligatoire avec chaque fournisseur SaaS qui traite vos données.
Le DPA encadre le traitement de données personnelles par un sous-traitant (OpenAI, Anthropic, Supabase, etc.). Il précise les finalités, les durées, les mesures de sécurité, les sous-traitants ultérieurs. Indispensable pour la conformité LPD/RGPD.
Hébergement des données en Union européenne ou Suisse. Souvent obligatoire pour les données sensibles (santé, financier, juridique).
Le hosting EU réduit l'exposition aux lois extraterritoriales US (CLOUD Act) et facilite la conformité LPD/RGPD. Les principaux fournisseurs proposent des régions EU (Frankfurt, Dublin, Zurich). Pour les données très sensibles : hosting on-premise ou souverain (OVH, Infomaniak, Exoscale).
Plateforme d'automatisation no-code (ex-Integromat). Concurrent direct de Zapier. Forte sur les workflows IA.
Make (anciennement Integromat) est une plateforme d'automatisation no-code qui connecte 1500+ applications. Plus visuelle que Zapier, plus puissante sur les transformations de données et les workflows complexes avec branches conditionnelles. Pricing avantageux.
Plateforme d'automatisation open-source. Self-hostable. Pertinent pour la conformité LPD (hosting EU).
n8n est une alternative open-source à Make/Zapier. Avantages PME suisses : self-hosting possible (Suisse, EU), licence permissive, contrôle total des données. Inconvénient : nécessite une équipe technique pour l'opérer.
Pionnier de l'automatisation no-code. Catalogue d'intégrations le plus large mais cher à l'usage intensif.
Zapier est le pionnier de l'automatisation no-code. Catalogue très large (5000+ apps) mais pricing à la tâche qui devient cher dès qu'on dépasse quelques milliers d'opérations/mois. Souvent supplanté par Make en PME en 2026.
Plateforme de génération d'applications web par IA (génère le code React). Build rapide d'apps métier.
Lovable génère des applications React complètes à partir de prompts en langage naturel. Permet à un studio de livrer un MVP applicatif en quelques jours. Code exporté propre, déployable sur Vercel/Cloudflare. Adopté par Les Précurseurs Lab pour les apps clients.
Plateforme no-code historique pour applications web métier (CRM custom, portails, dashboards).
Bubble permet de construire des applications web complexes sans code. Concurrent : FlutterFlow, Glide, Lovable. Bubble reste pertinent pour les applications longue durée avec logique métier riche, mais le code est verrouillé sur la plateforme.
Backend-as-a-Service open-source basé sur Postgres. Hosting EU disponible. pgvector intégré pour le RAG.
Supabase fournit base Postgres, auth, storage, Edge Functions Deno, pgvector pour le RAG. Open-source, hosting EU disponible (Frankfurt). Alternative crédible à Firebase pour les PME suisses qui veulent rester proches des standards open-source.
Éditeur de ChatGPT et GPT-4. ChatGPT Enterprise propose le hosting EU et la conformité LPD.
OpenAI est l'éditeur de ChatGPT et de la famille GPT-4. Pour une PME suisse : éviter les comptes ChatGPT Plus individuels (données utilisées pour l'entraînement par défaut), préférer ChatGPT Enterprise ou l'API avec opt-out d'entraînement.
Éditeur de Claude. Approche centrée sécurité et alignement. API enterprise disponible avec opt-out d'entraînement.
Anthropic est l'éditeur de la famille Claude. Société américaine fondée en 2021 par d'anciens d'OpenAI. Approche centrée sécurité (Constitutional AI). API enterprise avec garanties contractuelles sur la non-utilisation des données pour l'entraînement.
Approche de développement sans écrire de code. Make, Bubble, Lovable, FlutterFlow.
Le no-code regroupe les plateformes qui permettent de construire applications, automatisations et sites sans coder. Avantages PME : vitesse, autonomie, coûts réduits. Limites : verrouillage plateforme, plafond de complexité.
Plateformes hybrides où on peut sortir au code custom quand le no-code ne suffit plus.
Le low-code permet d'aller plus loin que le no-code en injectant du code custom (JavaScript, Python) là où c'est nécessaire. Lovable, Retool, FlutterFlow sont à mi-chemin. Bon compromis pour les applications métier qui doivent évoluer.
60 minutes de diagnostic gratuit pour transformer ces concepts en plan d'action concret pour votre PME.
Réserver un diagnosticNous utilisons des cookies pour mesurer l'audience (Google Analytics, Microsoft Clarity) et améliorer votre expérience. Conforme RGPD/LPD. Vous pouvez accepter ou refuser à tout moment.
