Le jargon de l’IA en entreprise, décrypté pour un dirigeant de TPE/PME

• Sommaire
• • Les outils qui vous répondent
  • Les outils qui agissent à votre place
  • No-code et low-code, la porte d'entrée sans développeur
  • Le vocabulaire qu'on vous jette en réunion
  • Ce qui peut mal tourner, et le mot pour le dire
  • Où tourne votre IA, et pourquoi ça compte
  • Les questions à poser avant de signer
  Tous nos articles

Le jargon de l’IA s’invite dans toutes les réunions commerciales depuis deux ans, et il change de sens selon qui le prononce. Un éditeur de logiciel appelle « agent IA » un simple chatbot amélioré. Un consultant appelle « automatisation » ce qui n’est qu’un copier-coller planifié. Résultat : un dirigeant de TPE ou PME risque de signer un contrat sans savoir précisément ce que l’outil va faire une fois installé chez lui.

Gartner l’a documenté noir sur blanc. Dans son tout premier Hype Cycle consacré à l’IA agentique, publié le 2 avril 2026, l’agent IA se situe au « pic des attentes exagérées » — l’endroit du cycle où les promesses commerciales dépassent largement ce que l’outil sait vraiment faire. Un an plus tôt déjà, en juin 2025, Gartner prévoyait que plus de 40 % des projets d’IA agentique seraient annulés d’ici fin 2027, notamment à cause de coûts qui grimpent et d’une valeur métier mal définie dès le départ.

Ce glossaire reprend les termes qui reviennent le plus souvent, et les relie à ce qu’ils veulent vraiment dire pour votre entreprise — avec, quand ça existe, un exemple déjà mis en place chez un client.

Les outils qui vous répondent

Cette famille regroupe les outils qui discutent avec un client ou un salarié, sans agir ailleurs qu’à l’écran, la plupart du temps. Ils informent, orientent, rassurent — mais ne créent pas de fiche CRM, n’envoient pas de facture, ne modifient rien dans vos systèmes, sauf exception précisée ci-dessous. C’est la première brique, la plus visible, et souvent la plus confondue avec les autres.

Chatbot

Un chatbot répond à des questions dans une fenêtre de discussion, sur un site ou une application. Les versions les plus simples suivent un script figé (« Pour un devis, tapez 1 »). Les versions récentes, adossées à l’IA générative, comprennent une question formulée librement et répondent dans un français naturel. À la base, il ne fait qu’informer — mais relié à un agenda ou à un CRM, il peut aussi déclencher une action simple, ce qui brouille vite la frontière avec l’agent IA.

Assistant IA

Un assistant IA va un cran plus loin que le chatbot : il garde le fil d’une conversation, connaît le contexte de votre entreprise si vous le lui donnez, et peut consulter une base documentaire pour répondre. Sa vocation première reste de répondre, mais certains assistants reçoivent aussi le droit d’agir sur un outil précis — envoyer un mail, créer une tâche — sans pour autant avoir la liberté de décision d’un agent IA. C’est la brique qui a permis, chez une agence accompagnée, de retrouver l’historique d’un dossier client en posant une simple question à Notion, sans fouiller dans des mails.

Copilot

Copilot est le nom que Microsoft donne à son assistant IA, intégré dans Word, Excel, Outlook et Teams. Le mot est devenu un raccourci générique pour désigner tout assistant IA collé à un outil bureautique existant — Google a le sien dans Workspace, sous un autre nom. Un copilote aide à rédiger, résumer, reformuler ; il ne remplace pas la décision finale.

Voicebot

Un voicebot est un chatbot qui répond à l’oral plutôt qu’à l’écrit — au téléphone, le plus souvent. Il repose sur les mêmes briques (reconnaissance vocale, IA générative, synthèse vocale) et peut filtrer un appel, recueillir les premières informations, prendre un rendez-vous ou répondre à une demande simple, avant de transférer vers une personne si besoin.

Les outils qui agissent à votre place

Cette famille regroupe les outils qui font quelque chose dans vos systèmes — créent une fiche, envoient un mail, remplissent un tableau — au lieu de se contenter d’en parler. C’est là que le vocabulaire dérape le plus, parce que le mot « agent » est aujourd’hui collé à peu près n’importe quoi par les éditeurs de logiciels.

Automatisation

Une automatisation applique des règles fixées à l’avance : si telle information arrive, alors telle action se déclenche. Elle peut suivre plusieurs chemins selon les cas — une condition, une boucle, une reprise en cas d’erreur — mais ces chemins ont tous été prévus au moment de sa construction. Elle ne choisit pas librement une nouvelle méthode pour atteindre l’objectif : prévisible, contrôlable, mais qui échoue net dès qu’une donnée sort vraiment du cadre prévu. Chez un cabinet du BTP, une automatisation récupère les textes réglementaires et les données d’un dossier client pour préparer un tableau comparatif, sans une ligne d’IA générative dans le processus — la preuve que les deux ne sont pas synonymes.

RPA

RPA, pour Robotic Process Automation, désigne une automatisation qui imite les clics d’un humain dans une interface — ouvrir un logiciel, copier une donnée, la coller ailleurs. C’est une façon particulière de faire de l’automatisation, pensée pour les vieux logiciels qui n’ont pas d’API pour se connecter proprement. Une TPE en a rarement besoin : ses outils récents se connectent déjà entre eux sans passer par ce détour.

Agent IA

Un agent IA reçoit un objectif, une boîte à outils et des règles à respecter, et choisit certaines étapes selon ce qu’il découvre en cours de route — contrairement à l’automatisation, qui suit un chemin écrit d’avance. Son autonomie n’est pas forcément totale : on peut lui imposer des limites et exiger une validation humaine avant toute action sensible. Le décalage est révélateur : selon le Hype Cycle Gartner d’avril 2026, seulement 17 % des entreprises en avaient déployé un, alors que le mot, lui, est déjà partout — y compris chez des éditeurs qui appellent un chatbot relié à un agenda « agent IA » pour vendre plus cher un outil qui n’a rien d’autonome.

IA agentique

« IA agentique » désigne la capacité générale d’un système à poursuivre un objectif de façon autonome — c’est l’adjectif, « agent IA » est le nom de l’outil qui l’incarne. Gartner a jugé le sujet assez confus pour lui consacrer, en avril 2026, son tout premier cycle d’analyse dédié — une confusion cohérente avec la prévision d’annulations évoquée en introduction : elle datait déjà de juin 2025, avant même ce cycle. L’alerte était posée avant que l’engouement n’explose vraiment. Nous y reviendrons plus en détail dans un prochain article dédié aux agents IA sur mesure.

No-code et low-code, la porte d’entrée sans développeur

Ces deux mots décrivent comment on construit un outil, pas ce qu’il fait. Ils expliquent pourquoi une TPE peut aujourd’hui automatiser un processus sans embaucher un développeur — ce qui, il y a dix ans, aurait nécessité un budget informatique que peu de petites entreprises pouvaient se permettre.

No-code

Le no-code permet de construire un outil ou une automatisation en assemblant des blocs visuels, sans écrire une ligne de code. n8n, l’outil que nous utilisons en auto-hébergé, fonctionne sur ce principe : les étapes se relient à la souris, chacune représentant une action (récupérer un mail, extraire une donnée, l’envoyer ailleurs).

Low-code

Le low-code fonctionne sur le même principe visuel, mais autorise d’ajouter un peu de code quand un besoin sort du cadre prévu par les blocs standards. C’est le compromis entre la rapidité du no-code et la souplesse du développement classique — utile quand un cas particulier de votre métier ne rentre dans aucune case.

Le vocabulaire qu’on vous jette en réunion

Ces mots ne décrivent ni un outil ni une action : ce sont les briques techniques qui font fonctionner tout le reste. Personne n’a besoin de les maîtriser pour utiliser l’IA au quotidien, mais les connaître fait déjà une bonne partie du chemin d’une formation d’acculturation à l’IA — comprendre le vocabulaire avant de choisir un outil.

IA générative

L’IA générative produit une réponse à partir d’une demande — texte, image ou son. Elle peut rédiger un contenu qui n’existait pas, mais aussi résumer, reformuler ou extraire une information d’un document existant. C’est la brique derrière ChatGPT, Claude ou Midjourney. Chez un camping où les réponses aux avis Google sont préparées chaque semaine, c’est elle qui rédige un brouillon de réponse adapté à ce que le vacancier a vraiment écrit — pas l’automatisation qui l’entoure.

LLM

LLM, pour Large Language Model — grand modèle de langage —, désigne le type de programme entraîné sur d’énormes quantités de texte pour prédire, morceau de texte après morceau de texte, la suite la plus probable d’une phrase. ChatGPT, Claude et Gemini sont chacun construits autour d’un LLM. Le nom du modèle change, le principe de fonctionnement reste le même.

Machine learning

Le machine learning, ou apprentissage automatique, est la famille de techniques qui permet à un programme d’apprendre à partir de données plutôt que d’être programmé règle par règle. Les LLM en sont une branche récente et spectaculaire, mais le machine learning existait déjà dans des usages plus discrets : détection de fraude bancaire, recommandation de produits, filtrage de spam.

Prompt

Un prompt est la demande que vous adressez à une IA générative — la question, l’instruction, le contexte que vous lui donnez. Sa formulation change beaucoup le résultat : un prompt vague donne une réponse vague. C’est pour ça qu’une formation à l’IA passe presque toujours par apprendre à mieux formuler ce qu’on demande.

Token

Un token est le petit morceau de texte, souvent une portion de mot, que l’IA traite un par un. Les services techniques qui connectent une IA à une automatisation — une API — facturent généralement au volume de tokens échangés. Les applications grand public comme ChatGPT, Claude ou Copilot proposent le plus souvent un abonnement mensuel classique, sans que vous ayez à compter vos tokens.

API

Une API est la porte par laquelle deux logiciels échangent des informations sans passer par un écran ni un humain — c’est elle qui permet à une automatisation de récupérer une donnée dans un logiciel de facturation, ou d’envoyer un message dans une messagerie. Une automatisation ou un agent IA qui agit dans vos systèmes le fait presque toujours via une API. Sans elle, il faudrait imiter des clics à l’écran — c’est justement ce que fait le RPA.

OCR

L’OCR, pour reconnaissance optique de caractères, transforme une image ou un PDF scanné en texte que l’IA peut lire et traiter. C’est la brique qui permet d’extraire automatiquement un montant ou une date sur un devis ou une facture reçue en photo, plutôt que de les ressaisir à la main.

Multimodal

Un modèle multimodal comprend et produit plusieurs types de contenus — texte, image, son, parfois vidéo — au lieu de se limiter à un seul. Concrètement, ça permet de décrire une photo, de faire lire un document scanné, ou de générer une image à partir d’une simple description écrite, avec le même outil.

Ce qui peut mal tourner, et le mot pour le dire

Trois mots reviennent quand une IA se trompe, ou quand on cherche à limiter les dégâts avant que ça arrive. Les connaître aide à poser les bonnes questions à un prestataire, plutôt que de découvrir le problème une fois l’outil en place.

Hallucination

Une hallucination, c’est une réponse fausse formulée avec la même assurance qu’une réponse juste — un chiffre inventé, une source qui n’existe pas, une citation reconstruite. L’IA générative ne « sait » pas qu’elle se trompe : elle produit la suite de mots la plus probable, pas nécessairement la plus vraie. D’où la règle qui revient dans tous nos articles : jamais publier un chiffre sans être remonté à sa source.

Biais algorithmique

Un biais algorithmique, c’est quand une IA reproduit ou amplifie un déséquilibre présent dans les données qui l’ont entraînée, par exemple favoriser certains profils dans un tri de CV parce que les recrutements passés en favorisaient déjà. Le risque grandit avec l’automatisation de décisions qui touchent des personnes : recrutement, crédit, tarification.

RAG

RAG, pour Retrieval-Augmented Generation, désigne une IA qui va chercher une information dans vos documents avant de répondre, plutôt que de répondre uniquement avec ce qu’elle a appris pendant son entraînement. C’est ce qui permet à un assistant de citer un vrai passage de votre contrat ou de votre procédure interne, plutôt que d’en inventer un vraisemblable. Ça réduit fortement le risque d’hallucination, sans l’éliminer : l’IA peut encore mal interpréter le document ou sélectionner le mauvais passage.

Où tourne votre IA, et pourquoi ça compte

Ce dernier point ne concerne ni l’outil, ni l’action, mais l’endroit où vos données transitent pendant que l’IA travaille — et c’est souvent ce que les dirigeants découvrent le plus tard, au moment où quelqu’un pose une question de conformité.

Cloud

Le cloud, c’est un ordinateur qui n’est pas dans vos locaux, loué à un fournisseur — Microsoft, Google, Amazon ou un plus petit acteur. La plupart des outils IA grand public fonctionnent ainsi : vos données transitent par leurs serveurs avant que la réponse ne revienne sur votre écran. Selon l’outil et le contrat choisi, ces serveurs peuvent se trouver en France, ailleurs en Europe, ou hors de l’Union européenne — l’emplacement seul ne suffit pas à juger : il faut aussi regarder qui exploite le service, quels sous-traitants interviennent, et si vos données servent à entraîner leurs modèles.

IA locale

Une IA locale fonctionne directement sur l’ordinateur ou l’infrastructure de votre entreprise, sans passer par un serveur distant : le traitement se fait physiquement chez vous. C’est le choix le plus radical en matière de confidentialité, au prix d’une puissance de calcul à financer et à maintenir soi-même.

IA souveraine

Une IA souveraine vise un contrôle juridique et opérationnel sur les données, les modèles et l’hébergement — pas seulement un serveur situé en France ou en Europe. Un serveur européen ne rend pas automatiquement une IA souveraine si le contrat, le sous-traitant ou la maison mère restent soumis à une législation étrangère qui peut autoriser l’accès aux données par une autorité tierce. Pour une entreprise qui manipule des données sensibles — santé, juridique, RH —, c’est une question de conformité autant que de principe.

Auto-hébergé

Une solution auto-hébergée tourne sur une infrastructure que vous louez ou possédez, configurée pour vous plutôt que partagée entre des milliers de clients d’un même éditeur. Ça donne davantage de contrôle sur les données, les accès et les mises à jour. Attention cependant : si l’automatisation appelle un service externe — l’API d’OpenAI ou d’Anthropic, par exemple — les informations envoyées à ce service quittent malgré tout votre serveur. C’est le choix fait pour n8n chez La Boîte à Out’IA, avec cette limite assumée plutôt que cachée.

Les questions à poser avant de signer

Le nom de l’outil compte moins que ce qu’il fait vraiment chez vous, une fois branché sur vos données et vos process. Avant de signer quoi que ce soit, quatre questions suffisent à clarifier ce qu’on vous propose — et à éviter de découvrir les vraies réponses après coup, quand il est trop tard pour négocier.

• Quelles données l’outil peut-il consulter ?
• Quelles actions peut-il effectuer sans validation humaine ?
• Que se passe-t-il quand il rencontre un cas qu’il n’a pas prévu ?
• Où les données sont-elles traitées et conservées ?

Un prestataire sérieux répond aux quatre sans détour. Si l’une des réponses reste vague, c’est probablement que le mot vendu ne correspond pas encore à l’outil livré.