Lexique Sapiens IA
Les termes du Nouveau Paradigme
GPU
(Processeur Graphique) Initialement conçues pour le jeu vidéo, les puces GPU (notamment celles de NVIDIA) sont devenues le carburant de l'IA grâce à leur capacité de calcul parallèle. Elles sont au cœur de la tension géopolitique actuelle et de l'inflation énergétique des infrastructures de calcul.
Le Cloud
(Le Nuage) Le terme "Cloud" suggère une immatérialité trompeuse. En réalité, le cloud est un réseau global de centres de données interconnectés par des câbles sous-marins. Parler de "Cloud", c'est ignorer le coût écologique et politique de l'hébergement de nos vies numériques sur des serveurs appartenant souvent à des puissances étrangères.
Data Center
(Centre de données) Véritable système nerveux de l'économie numérique, le data center est une infrastructure lourde. Il ne se contente pas de stocker des données ; il les traite via des processeurs qui dégagent une chaleur immense, nécessitant des systèmes de refroidissement (eau ou climatisation) massifs. Selon l'AIE, ils sont les premiers responsables de l'explosion de la demande électrique mondiale.
TWh
TWh (Téra-watt-heure) : Unité de mesure de l'énergie (1 milliard de kWh). C'est l'échelle utilisée par l'AIE pour projeter la consommation des data centers (estimée à 1000 TWh d'ici 2026/2030).
Extractivisme Numérique
Processus de dépendance de l'IA envers l'extraction de métaux critiques (lithium, cobalt, terres rares). Terme popularisé par Kate Crawford pour décrire l'IA comme une industrie minière avant d'être logicielle.
Intensité Hydrique
Quantité d'eau douce évaporée ou polluée pour refroidir les serveurs des data centers. On estime qu'une conversation de 20 à 50 questions avec une IA générative "boit" environ 500 ml d'eau.
Effet Rebond (Paradoxe de Jevons)
Phénomène par lequel l'amélioration de l'efficacité énergétique d'une technologie (ex: des puces moins gourmandes) entraîne une augmentation massive de son usage, annulant ainsi les économies d'énergie initiales.
LCOE
Il permet de comparer le coût du MWh entre différentes sources (ex: Éolien vs Nucléaire). Note : le LCOE ne prend pas toujours en compte les coûts "système" comme le stockage par batterie, ce qui peut fausser la comparaison pour le 24/7.
Ruban Énergétique
Pour un data center, le ruban est vital : c'est la garantie d'une alimentation sans interruption. Alors que le solaire et l'éolien sont intermittents, le ruban est historiquement assuré par le nucléaire ou le gaz, posant un défi majeur à la transition énergétique du numérique.
PPA
Outil financier clé des GAFAM, le PPA permet de financer de nouveaux parcs éoliens ou solaires en garantissant l'achat de l'énergie sur 15 ou 20 ans à prix fixe. Cela protège l'industriel contre la volatilité des prix du marché.
SMR
Ces réacteurs de nouvelle génération visent à produire entre 50 et 300 MW. Leur avantage : être fabriqués en usine et installés directement à proximité de grands sites industriels ou de campus de data centers pour garantir un ruban décarboné local.
Deep Learning
On l'appelle "profond" car il superpose de nombreuses couches de calcul. Chaque couche extrait des caractéristiques de plus en plus abstraites (des pixels vers les formes, puis vers les objets). C'est la technologie qui a permis le saut de performance spectaculaire de l'IA depuis 2012.
Symbiose Stratégique
Dans le contexte de Sapiens IA, cela désigne par exemple l'installation de data centers à proximité immédiate de parcs éoliens offshore (Mer du Nord). Le GAFAM apporte le financement via des contrats à long terme (PPA), et l'énergéticien fournit un flux local décarboné, réduisant les pertes de transport électrique.
Minéraux Critiques
Ces minerais sont les "nouveaux pétroles". Ils sont essentiels à la fabrication des batteries, des aimants d'éoliennes et des composants électroniques des serveurs. Leur extraction soulève des enjeux géopolitiques majeurs (dépendance vis-à-vis de la Chine) et environnementaux (impact des mines).
Sobriété Numérique
Ce n'est pas "arrêter la tech", mais choisir ses usages. Est-il nécessaire de générer 100 images par IA pour un simple e-mail ? La sobriété, c'est remettre l'humain au centre et utiliser la puissance de calcul là où elle est vraiment utile (médecine, climat) plutôt que pour le gadget.
La Singularité
C'est un concept souvent utilisé par les technophiles pour dire que l'IA va devenir "divine". Chez Sapiens IA, nous traitons ce terme avec recul : avant de dépasser l'humain en intelligence, l'IA doit déjà relever le défi de sa propre survie énergétique sur une planète aux ressources limitées.
Hallucination
Puisque l'IA ne comprend pas le sens des mots mais calcule des probabilités, elle peut inventer des faits, des dates ou des sources qui semblent parfaitement crédibles. C'est l'un des plus grands défis pour la fiabilité de l'information à l'ère synthétique.
Biais Algorithmique
L'IA n'est pas neutre ; elle est le miroir des données qu'on lui donne. Si les données historiques contiennent des discriminations, l'algorithme les apprend et les amplifie. C'est un enjeu majeur de justice sociale défendu par des chercheuses comme Timnit Gebru.
Intelligence Artificielle (IA)
L'IA n'est ni "intelligente" au sens humain, ni "artificielle" au sens de magique. C'est un assemblage complexe d'algorithmes et de puissance de calcul qui identifie des motifs statistiques. Pour Sapiens IA, elle est avant tout un outil de transformation sociétale qui nécessite une surveillance humaine constante.
Test de Turing
Si un juge humain, lors d'une conversation textuelle à l'aveugle, ne peut pas distinguer la machine de l'humain, la machine a réussi le test. Bien que contesté aujourd'hui, il reste la référence philosophique sur l'imitation de l'intelligence.
Stochastic Parrots
Stochastic Parrots (Perroquets Stochastiques) Terme issu d'un papier célèbre de Timnit Gebru. Il décrit les modèles de langage comme des systèmes qui répètent des probabilités statistiques sans réelle compréhension du sens ni de la vérité.
Travail du Clic (Ghost Work)
Travail invisible de milliers d'humains qui filtrent les contenus toxiques et annotent les données pour "éduquer" les algorithmes, souvent dans des conditions précaires.
Concentration de l'Infrastructure
Situation où une poignée d'entreprises (Big Tech) possède l'intégralité de la pile technique (puces, cloud, modèles). Meredith Whittaker alerte sur le fait que l'IA renforce les monopoles plutôt que de les démocratiser.
Colonialisme Numérique
Concept soutenu par le DAIR Institute. Il désigne l'exploitation des ressources et du travail du Sud global (mines, étiquetage de données à bas coût) pour alimenter des technologies dont les profits et le contrôle restent concentrés au Nord.
Connexionnisme
À l'opposé du symbolisme, le connexionnisme mise sur l'apprentissage par l'exemple. Les connaissances ne sont pas codées manuellement, mais émergent des connexions entre des milliers de neurones artificiels. C’est le socle du Deep Learning moderne.
Hiver de l'IA
L'histoire de l'IA a connu deux "hivers" principaux (années 70 et fin des années 80). Ils surviennent quand les attentes du public et des investisseurs dépassent les capacités réelles de la technologie, entraînant un arrêt brutal des financements. Le "printemps" actuel dure depuis l'essor du Deep Learning.
Souveraineté Numérique
Capacité d'un État ou d'une communauté à ne pas dépendre des infrastructures étrangères (Cloud américain ou chinois) pour ses fonctions régaliennes et son énergie.
Chiffrement de Bout en Bout
Technologie défendue par la Signal Foundation pour protéger la vie privée. Elle garantit que seuls les correspondants peuvent lire les messages, rendant la surveillance algorithmique impossible sur ces flux.
Capitalisme de Surveillance
Modèle économique basé sur l'extraction des données personnelles pour prédire et modifier les comportements humains. L'IA est l'outil ultime de ce modèle.
L'IA de Confiance
C'est l'objectif de l'Europe (avec l'AI Act). L'idée est de dire que l'IA ne doit pas être une force sauvage, mais qu'elle doit respecter des règles : ne pas discriminer, ne pas manipuler les élections, et informer l'utilisateur qu'il parle à une machine.
Deepfake (Hypertrucage)
C'est l'usage de l'IA pour faire dire ou faire faire à quelqu'un quelque chose qu'il n'a jamais fait. Cela pose un défi immense pour la démocratie : comment croire ce que l'on voit si la preuve par l'image peut être totalement fabriquée par un algorithme ?
L'Open Source (Logiciel Libre)
C'est le contraire d'une boîte noire. Si une IA est "Open Source", n'importe quel chercheur peut vérifier comment elle fonctionne et si elle respecte la vie privée. C'est un outil de contre-pouvoir essentiel face aux géants de la technologie qui gardent leurs secrets.
Chatbot (Agent conversationnel)
On les appelle souvent ChatGPT, Claude ou Gemini. Ils sont la "vitrine" de l'IA. Pour l'utilisateur, c'est un assistant pratique. Pour Sapiens IA, c'est une interface qui cache une infrastructure lourde et des enjeux de captation de nos données personnelles.
IA Générative
Contrairement à l'IA ancienne qui savait seulement "classer" (ex: détecter un spam), l'IA générative "invente" du contenu. Elle fonctionne comme un artiste qui aurait mémorisé tout ce qui existe sur Internet pour en faire des synthèses nouvelles. C'est elle qui pose aujourd'hui la question du droit d'auteur et de la vérité.
Le "Prompt"
C'est le mode d'emploi que l'on donne à la machine. Apprendre à "prompter", c'est apprendre à parler le langage des probabilités pour obtenir le résultat voulu. Mais attention : chaque prompt envoyé déclenche un cycle de calcul dans un data center, consommant une infime fraction d'énergie et d'eau.
Algorithme
Un algorithme est une "recette" logique. Dans le cadre de l'IA, ils servent à classer, prédire ou générer. Le risque réside dans leur opacité ("boîte noire") : quand un algorithme décide d'un crédit ou d'une embauche, il peut reproduire des biais sans que l'humain ne puisse intervenir.
LLM
Les LLM (comme GPT-4 ou Gemini) sont des modèles entraînés sur d'immenses corpus de données textuelles. Ils prédisent le mot suivant le plus probable dans une séquence. Leur impact réside dans leur capacité à automatiser la production de savoir, mais au prix d'une consommation énergétique colossale lors de la phase d'entraînement.
IA Agentique
Contrairement aux chatbots qui ne font que répondre, les agents IA peuvent utiliser des outils (web, logiciels, API) pour accomplir une mission (ex: "Organise mon voyage de A à Z"). C’est la grande frontière technologique de 2025-2026.
Transformer
Introduit par Google en 2017 avec le papier "Attention Is All You Need", le Transformer a révolutionné le traitement du langage. Grâce au mécanisme d'attention, il traite tous les mots d'une phrase simultanément, permettant l'émergence des modèles géants comme GPT-4.
IA Symbolique
Dominante des années 1950 à 1990, cette approche considère que l'intelligence est une manipulation de symboles. Elle excelle dans les environnements fermés (échecs, calcul) mais échoue face à l'ambiguïté du langage réel ou du "bon sens". C’est l’ancêtre des systèmes experts.
Open Weights
Modèle hybride entre l'Open Source total et le modèle fermé. Des entreprises comme Mistral ou Meta publient les "poids" de leurs modèles, permettant aux développeurs de les faire tourner sur leurs propres serveurs tout en gardant le contrôle sur leurs données.
CNN
Inventés par Yann LeCun, les CNN miment le cortex visuel humain. Ils appliquent des "filtres" successifs (convolutions) pour reconnaître des motifs spatiaux. Sans eux, pas de reconnaissance faciale, de diagnostic médical par scanner ou de voitures autonomes.
Intermittence
Contrairement aux centrales thermiques ou nucléaires, les énergies renouvelables ne produisent pas à la demande. Cette fluctuation pose un défi aux data centers qui, eux, ont besoin d'une alimentation stable 24h/24. Pour compenser l'intermittence, il faut soit stocker l'énergie (batteries, hydrogène), soit conserver des sources pilotables en secours.
Friche Industrielle
C'est la solution prioritaire pour limiter l'impact foncier de l'IA, bien que la dépollution de ces sols puisse être coûteuse.
Artificialisation des Sols
Ce processus détruit la biodiversité et modifie le cycle de l'eau. Pour l'IA, c'est le coût caché de l'infrastructure physique.
Artificialisation "Importée"
Concept montrant que même si la France protège ses terres agricoles, l'utilisation massive de l'IA par ses citoyens provoque la construction de serveurs sur des terres agricoles en Irlande ou aux USA, déplaçant le problème foncier à l'échelle mondiale.
ZAN
Inscrite dans la loi Climat & Résilience, cette règle impose aux développeurs de data centers de compenser chaque mètre carré construit sur un champ par la renaturation d'un sol équivalent ailleurs, ou de privilégier la réhabilitation de friches industrielles.
SMR
Développés pour produire entre 50 et 300 MW, les SMR sont conçus pour être fabriqués en série. Pour l'IA, ils représentent la promesse d'une autonomie énergétique décarbonée directement sur le site de calcul.
Ruban Énergétique
Contrairement aux énergies intermittentes, le ruban est la base de l'alimentation des data centers IA qui ne peuvent supporter aucune micro-coupure sans interrompre des calculs lourds (entraînements de modèles).
Pilotabilité
L'IA nécessite une alimentation stable ("le ruban"). Les sources pilotables (nucléaire, hydraulique) sont essentielles pour compenser l'intermittence du solaire et de l'éolien, garantissant que les data centers ne s'arrêtent jamais, même sans vent ni soleil.
Mix Énergétique Décarboné
En France, le mix électrique est le pilier de l'attractivité pour l'IA. Contrairement aux pays dépendant du gaz ou du charbon, la France permet aux entreprises d'IA de respecter leurs engagements ESG (Environnement, Social, Gouvernance) tout en augmentant leur puissance de calcul.
Chaleur Fatale
Considérée comme une ressource dans la réglementation française, elle doit de plus en plus être récupérée pour chauffer des réseaux de chaleur urbains, des serres ou des piscines municipales, transformant le data center en chaudière urbaine.
TICFE
En France, les data centers bénéficient d'un tarif réduit de TICFE à condition de respecter des critères stricts d'efficacité énergétique et de récupération de chaleur fatale (réutilisation de la chaleur des serveurs).
PUE
Ratio entre l'énergie totale consommée par le data center et l'énergie réellement utilisée par les serveurs. Un PUE de 2,0 signifie que pour chaque watt utilisé par l'IA, un watt est gaspillé en refroidissement ou éclairage. La France vise des PUE < 1,3 pour ses nouveaux centres.
Poste Source
C'est le point de congestion critique pour l'IA en France. Le raccordement d'un nouveau data center nécessite souvent le renforcement ou la création d'un poste source dédié, un chantier qui peut durer plusieurs années.