Glossaire
Pas des définitions Wikipedia. Un glossaire ancré dans la pratique, avec un point de vue éditorial assumé.
Architecture
MCP server Serveur implémentant le Model Context Protocol d'Anthropic, qui expose des outils et des ressources qu'un LLM peut utiliser dans ses workflows. Multi-agent Architecture où plusieurs agents IA spécialisés collaborent ou se relaient sur une même tâche ou un même projet. System prompt Instructions persistantes données à un LLM avant toute interaction utilisateur — le cadre dans lequel l'agent raisonne. Tool use Capacité d'un LLM à appeler des fonctions externes (outils) pendant une génération, pour exécuter des actions ou récupérer des données.
Tooling
Coding agent Outil logiciel qui combine un LLM et un accès à l'environnement de développement pour exécuter des tâches de code de manière autonome. Vendor lock-in (IA) Dépendance à un fournisseur IA au point où changer d'outil ou de modèle a un coût de migration réel : abonnements restreints, configs non portables, workflows figés.
Modèles
Context window Quantité maximale de texte (en tokens) qu'un LLM peut traiter en une seule fois, incluant l'historique de la conversation, les instructions et les fichiers chargés. LLM Large Language Model — modèle de traitement du langage entraîné sur de grandes quantités de texte, capable de générer du texte cohérent et de raisonner sur des instructions. Token Unité de traitement d'un LLM — approximativement 0.75 mot en anglais. La tarification des APIs LLM est calculée en tokens input et output.
Workflow
Agentic workflow Mode de travail où un agent IA exécute des tâches de manière autonome sur une durée étendue, avec accès aux fichiers, outils et environnement. AI enablement Travail de structuration et de diffusion de la pratique IA dans une équipe : conventions versionnées, commands/skills partagées, choix d'outils documentés, onboarding. Context rot Dégradation progressive de la qualité des réponses d'un LLM au fil d'une longue session, causée par la dilution des instructions initiales dans le contexte. Model routing Politique consistant à orienter chaque tâche vers un modèle IA différent selon son risque, sa complexité ou son coût, plutôt que d'utiliser un modèle unique pour tout. Prompt engineering L'art de formuler des instructions pour qu'un LLM produise exactement le résultat voulu — pas approximativement. Shadow AI Adoption d'outils ou de comptes IA non validés par l'organisation — comptes personnels, prompts contenant du code propriétaire, extensions non auditées.
Coût
AI ROI Mesure du retour réel de la pratique agentique via des proxies honnêtes (durée de session, taux de commit, tokens économisés) plutôt que des métriques vanité (nombre de prompts). Inference cost Coût en dollars de l'exécution d'un LLM pour générer une réponse — calculé en tokens input et output, variable selon le modèle et le provider.