Ce n’est pas un nuage.
C’est un atelier.

Une seule équipe,
du câble jusqu’au modèle.

Toute intelligence artificielle, où qu’elle tourne, a besoin de machines pour fonctionner, en cloud comme en local. Ces machines doivent être entretenues, surveillées, gérées : ce n’est pas une servitude propre à l’IA privée, c’est une réalité universelle qu’on choisit simplement de regarder en face plutôt que de la déléguer sans la voir.

Vingt-trois mots pour s’y retrouver.

Ce que recouvrent, concrètement, les termes qui reviennent le plus souvent quand on parle d’IA privée.

LLM

Sigle de « Large Language Model », grand modèle de langage. Le moteur qui lit, comprend et rédige : Mistral, Llama, ou un équivalent open source, le cerveau de l’ensemble.

Inférence

Le calcul que le modèle effectue pour produire une réponse à une question donnée. Par opposition à l’entraînement (la phase antérieure où il a appris), c’est l’inférence qui tourne en continu sur votre serveur.

Moteur d’inférence

Le logiciel qui fait réellement tourner le modèle pour produire ses réponses, par exemple vLLM ou Ollama. À distinguer de l’inférence, qui est le calcul lui-même : le moteur est l’outil, l’inférence est l’opération.

Noyau Linux

La couche logicielle de base, posée directement sur le matériel, qui fait tourner toute la machine. Libre et éprouvé, il constitue la fondation sur laquelle s’installent les briques d’IA.

Entraînement, affinage (fine-tuning)

La phase où un modèle apprend à partir de grandes quantités de données. Un modèle open source arrive déjà entraîné ; l’affiner (le « fine-tuner ») consiste à le spécialiser sur le vocabulaire ou les documents propres à votre métier.

Brique

Dans notre vocabulaire, un module ajouté autour du modèle pour lui donner une capacité précise : mémoire documentaire, outil métier, automatisation.

RAG

Sigle de « Retrieval-Augmented Generation », génération augmentée par récupération. La technique qui permet au modèle d’aller chercher la bonne information dans vos documents avant de répondre, plutôt que d’improviser sur ce qu’il ne sait pas.

Agent (IA agentique)

Un modèle capable d’enchaîner plusieurs actions de façon autonome pour accomplir une tâche (consulter un document, appeler un outil, rédiger, vérifier), plutôt que de se limiter à répondre une seule fois à une seule question.

GPU et VRAM

Le GPU (carte graphique) est le composant qui exécute les calculs du modèle ; sa VRAM, la mémoire qui lui est dédiée, détermine la taille de modèle qu’il peut faire tourner. Le choix des deux conditionne ce que votre serveur peut réellement faire.

CPU (processeur central)

Le chef d’orchestre de la machine. Il coordonne l’ensemble des opérations et prépare le travail, mais ce n’est pas lui qui effectue le gros des calculs de l’IA : ce rôle revient au GPU.

RAM (mémoire vive)

La mémoire de travail immédiate de la machine, où sont gardées les données en cours d’utilisation. Rapide mais temporaire : elle s’efface à l’extinction. À distinguer de la VRAM, propre au GPU.

NVMe

Un type de disque de stockage ultra-rapide, bien plus véloce qu’un disque dur classique. Il permet de charger un modèle ou d’ouvrir un gros volume de documents en une fraction du temps habituel.

Bus PCIe

Les voies de communication à haut débit de la carte mère, par lesquelles le processeur, la mémoire et les cartes GPU échangent leurs données. Plus le débit est élevé, plus les composants dialoguent vite.

Token

La plus petite unité de texte que le modèle traite, un mot ou un fragment de mot. La vitesse de calcul et la taille de la fenêtre de contexte se comptent en tokens.

Prompt

L’instruction donnée au modèle en langage naturel. Sa formulation précise change beaucoup la qualité de ce qu’il renvoie.

Fenêtre de contexte

La quantité de texte (mesurée en tokens) que le modèle peut prendre en compte en une seule fois. Trop courte, il oublie le début d’une conversation ou d’un document long.

API

Sigle de « Application Programming Interface », interface de programmation. Le point d’accès technique qui permet à un logiciel (le vôtre, ou l’un de nos outils) d’interroger le modèle ou une brique sans passer par une interface visuelle.

On-premise

Littéralement « sur site » : hébergé chez vous, sur votre propre matériel, plutôt que sur les serveurs d’un tiers.

Open source

Un modèle dont le fonctionnement (souvent jusqu’au code et aux poids du réseau de neurones) est public et librement réutilisable, sans dépendre d’une licence fermée ni d’un éditeur unique.

Latence

Le temps d’attente entre la question posée et le début de la réponse.

Chiffrement

Le procédé qui rend une donnée illisible sans une clé spécifique, au repos sur le disque comme pendant son transport sur le réseau.

Cloud Act

Loi américaine de 2018 qui autorise les autorités des États-Unis à exiger l’accès aux données hébergées par une entreprise américaine, même si les serveurs se trouvent hors du territoire américain. Un argument central en faveur d’une infrastructure qui échappe à ce périmètre.

Souveraineté des données

Le fait que vos données restent, à tout moment, sous votre contrôle légal et physique, plutôt que soumises au droit d’un pays tiers.