Glossaire/IA & LLM

21 termes

Glossaire IA & LLM.

Les termes des modèles de langage et des architectures IA qui pilotent la recherche générative : LLM, embeddings, RAG, Titans, hallucination, grounding.

Les termes IA & LLM.

21 définitions, chacune reliée à sa fiche wiki quand elle existe.

Agent SEO

Programme IA autonome capable d'effectuer des tâches SEO de bout en bout, audit, recherche de mots-clés, brief, publication, sans intervention humaine à chaque étape. Différent d'un simple chatbot qui répond à des questions.

BERT

Bidirectional Encoder Representations from Transformers. Modèle de compréhension du langage déployé par Google en 2019. Analyse le contexte bidirectionnel des mots d'une requête, ce qui a rendu le keyword stuffing obsolète. Fondation technique du Passage Ranking actuel.

Confidence Score

Score interne calculé par Google AI Overviews pour déterminer si un résumé généré est suffisamment soutenu par des sources vérifiables. Si le score est trop bas, le résumé est supprimé ou modifié. Votre contenu sert de caution factuelle.

Dataset propriétaire

Ensemble de données collectées directement (sondages, tests, données clients) que personne d'autre ne possède. En 2026, c'est le signal de différenciation le plus fort face aux contenus générés par IA : un LLM ne peut pas reproduire vos chiffres.

DPR (Dense Passage Retrieval)

Architecture de recherche neuronale qui encode requêtes et passages en vecteurs denses pour mesurer leur similarité sémantique. Utilisée dans les systèmes RAG pour retrouver les passages les plus pertinents avant la génération.

Embedding

Représentation vectorielle d'un texte dans un espace mathématique à haute dimension. Deux phrases sémantiquement proches auront des embeddings proches. Base technique de la recherche sémantique et du classement par similarité cosinus.

Grounding Score

Score de similarité cosinus entre le vecteur d'une requête et le vecteur d'un passage de contenu. Un score proche de 1.0 signifie que le passage est mathématiquement aligné avec la demande, l'IA peut l'utiliser comme source sans risquer une hallucination.

Hallucination (LLM)

Génération par un LLM d'informations factuellement incorrectes présentées comme vraies. Les systèmes de Grounding (ancrage sur des sources vérifiables) existent précisément pour limiter ce phénomène, d'où l'importance des contenus factuels et vérifiables.

Knowledge Graph (personnel)

Ensemble des entités, faits et relations que vous publiez régulièrement sur vos propres canaux (site, LinkedIn, YouTube). Plus votre expertise est cohérente et documentée sur le web, plus les LLMs vous associent à votre domaine.

LLM (Large Language Model)

Modèle de langage entraîné sur de grandes quantités de texte pour comprendre et générer du langage naturel. GPT-4, Claude, Gemini sont des LLMs. Ils alimentent les moteurs génératifs qui transforment la façon dont les contenus sont trouvés et cités.

MIRAS (framework)

Cadre théorique de Google DeepMind généralisant les architectures de mémoire long-terme pour les LLMs. Introduit avec Titans. Décrit comment les modèles mémorisent sélectivement les informations à haute Surprise Metric pendant l'inférence.

MUM (Multitask Unified Model)

Modèle multimodal et multilingue de Google annoncé en 2021, présenté comme 1000 fois plus puissant que BERT. Comprend 75 langues et synthétise plusieurs sources pour répondre aux requêtes complexes. Alimente certaines fonctions des AI Overviews et met les contenus français et anglais en compétition directe.

Muvera

Algorithme de Google combinant recherche vectorielle et structurelle pour mieux comprendre la pertinence sémantique au niveau des vecteurs d'embeddings. Remplace progressivement les systèmes purement BM25 dans le classement des passages.

Neural Memory (Titans)

Module de mémoire long-terme de l'architecture Titans. Stocke de manière compressée les informations à haute Surprise Metric lors de l'inférence. Un contenu qui ne génère pas de 'surprise' n'entre pas dans cette mémoire et est oublié.

NLP (Natural Language Processing)

Ensemble des techniques permettant aux machines de comprendre, analyser et générer du langage humain. Sous-jacent à tous les systèmes de recherche modernes, du scoring BM25 aux embeddings transformers.

Prompt SEO

Formulation d'une requête optimisée pour extraire de Claude ou GPT une analyse SEO précise. La qualité du prompt détermine la qualité du résultat, un prompt vague produit une analyse générique, inutilisable sur un client réel.

RAG (Retrieval-Augmented Generation)

Architecture qui combine la recherche de documents (retrieval) avec la génération de texte (LLM). Les moteurs comme Perplexity et Google AI Overviews sont des systèmes RAG : ils cherchent des sources puis génèrent une réponse ancrée dessus.

Retrieval collapse

Effondrement progressif du retrieval des moteurs IA quand le pool web se sature de contenu généré par IA. À environ 67% de pollution, plus de 80% des réponses sont contaminées sans que la précision apparente baisse. Justifie le besoin de signaux d'humanité vérifiable : données terrain, expérience réelle, verbatims.

Surprise Metric

Mesure de la nouveauté informationnelle d'un contenu selon l'architecture Titans/MIRAS. Un contenu prévisible (reformulation de l'existant) génère un faible gradient, le LLM ne le mémorise pas. Un insight unique déclenche un fort gradient et entre dans la mémoire long-terme.

Titans (architecture)

Architecture de LLM de Google DeepMind combinant attention court-terme et mémoire neuronale long-terme. Peut gérer des contextes de plus de 2 millions de tokens. Les contenus à haute Surprise Metric sont préférentiellement mémorisés lors de l'inférence.

Weight Decay

Mécanisme d'oubli adaptatif dans les architectures de LLMs comme Titans. Les anciennes informations perdent du poids au fil du temps au profit des nouvelles à fort signal de surprise. Justifie l'importance de mettre à jour régulièrement vos contenus.

Les autres catégories.

Le glossaire complet couvre six catégories.

GEO & AEO →SERP & Ranking →Contenu →Structure & Maillage →Technique & Mesure →Tout le glossaire

Parlons de votre projet.

Je vous prépare un pré-audit de votre site et l'on en discute durant notre visio.

Prendre un call