Glossaire technique
Vous connaissez ce moment où vous lisez un article technique et vous tombez sur un acronyme que tout le monde semble comprendre sauf vous ? Ce glossaire est là pour ça. Pas de définitions Wikipedia recopiées à la hâte — chaque terme est expliqué comme on l’expliquerait à un collègue compétent qui n’a juste pas encore croisé le concept. Programmation, DevOps, bonnes pratiques, IA : on couvre tout ce qui touche au métier de faire tourner du code en production sans que personne ne pleure.
Développement & Programmation
- API REST : le guide complet du contrat invisible qui fait tourner le web — Qu'est-ce qu'une API REST ? Le contrat invisible qui permet à vos applications de se parler via HTTP, avec GET, POST, PUT et DELETE comme seul vocabulaire.
- Backend : tout ce qui se passe derrière le rideau — Le backend, c'est la cuisine du restaurant. Le client ne la voit jamais, mais c'est là que tout se prépare.
- CI/CD : automatiser tout ce qui se passe entre le commit et la production — Le CI/CD, c'est la chaîne d'assemblage du logiciel. Vous commitez du code, et un robot le teste, le build, et le déploie. Si tout va bien.
- CORS : le guide complet du videur d'Internet que personne n'a invité — Qu'est-ce que CORS ? Le mécanisme de sécurité qui bloque vos requêtes entre domaines différents — et pourquoi c'est une bonne chose, même quand ça fait mal.
- CSS : l'art de rendre le web présentable (et de centrer un div) — Le CSS, c'est le langage qui habille le HTML. Couleurs, marges, typographie, animations — tout ce qui fait qu'une page web ne ressemble pas à un document Word.
- DNS : l'annuaire téléphonique d'Internet que personne ne voit — Le DNS traduit les noms de domaine en adresses IP. Sans lui, vous devriez taper 142.250.179.206 au lieu de google.com. Et vous ne le feriez pas.
- Framework : le guide complet du squelette que vous n'avez pas construit — Qu'est-ce qu'un framework ? Le squelette préfabriqué de vos applications — vous remplissez les blancs, il s'occupe de la plomberie.
- Frontend : l'interface entre l'utilisateur et le chaos organisé du backend — Le frontend, c'est tout ce que l'utilisateur voit et touche. Le bouton, la couleur, l'animation, le formulaire qui refuse de valider. C'est la partie visible de l'iceberg.
- Full Stack : le développeur qui fait tout (et qu'on attend partout) — Full stack, c'est le profil qui touche au frontend, au backend, et parfois à l'infrastructure. Jack of all trades, master of... ça dépend.
- Git : le système de contrôle de version que Linus Torvalds a écrit en deux semaines — Git enregistre chaque modification de votre code. Chaque commit est un point de sauvegarde. Chaque branche est un univers parallèle. Et merge est le moment où ces univers se rencontrent.
- HTML : le squelette de toutes les pages web depuis 1991 — Le HTML, c'est le langage que chaque navigateur comprend. Pas un langage de programmation — un langage de structure. Et il tient le web debout depuis plus de 30 ans.
- HTTP : le guide complet du protocole invisible qui fait tourner le web — Qu'est-ce que HTTP ? Le protocole invisible qui transporte chaque page web, chaque API, chaque requête — et qui ne se souvient de rien entre deux livraisons.
- JavaScript : le langage que personne n'a prévu et que tout le monde utilise — JavaScript a été créé en 10 jours en 1995. Trente ans plus tard, c'est le langage de programmation le plus utilisé au monde. Personne n'avait prévu ça.
- TypeScript : JavaScript avec un gilet de sauvetage — TypeScript ajoute des types à JavaScript. Le compilateur attrape les erreurs avant que l'utilisateur ne les voie. Simple, mais ça change tout.
- WebSocket : quand le serveur a le droit de parler en premier — Le WebSocket ouvre un canal permanent entre le navigateur et le serveur. Les deux peuvent parler quand ils veulent, sans attendre l'autre. C'est HTTP, mais en conversation.
Intelligence Artificielle
- Agent IA : quand le modèle de langage apprend à agir dans le monde réel — Un agent IA, c'est un LLM qui ne se contente plus de répondre — il planifie, utilise des outils et agit. Ce qui change tout, y compris les risques.
- Computer Vision : apprendre aux machines à voir (et à se tromper différemment de nous) — La computer vision, c'est le domaine qui apprend aux ordinateurs à interpréter des images. Pas en voyant — en calculant des patterns de pixels.
- Deep Learning : quand les réseaux de neurones deviennent profonds — Le deep learning, c'est du machine learning avec des réseaux de neurones empilés en couches. Plus c'est profond, plus c'est puissant — et plus c'est opaque.
- Embedding : transformer le sens des mots en géométrie — Un embedding, c'est une traduction du langage humain en coordonnées dans un espace géométrique. Et ça marche étonnamment bien.
- Fenêtre de contexte : la mémoire de travail des modèles de langage — La fenêtre de contexte, c'est la quantité de texte qu'un LLM peut voir en même temps. Sa mémoire de travail. Et elle a des limites que les chiffres marketing ne montrent pas.
- Fine-tuning : spécialiser un modèle pré-entraîné pour votre cas d'usage — Le fine-tuning, c'est prendre un modèle qui sait tout faire de façon moyenne et lui apprendre à faire une chose de façon excellente.
- Hallucination (IA) : quand le modèle invente avec une confiance absolue — Un LLM ne ment pas — il ne sait pas qu'il invente. Comprendre les hallucinations pour ne plus leur faire confiance les yeux fermés.
- LLM (Large Language Model) : le guide complet pour comprendre les modèles de langage — Qu'est-ce qu'un LLM ? Le guide complet des Large Language Models — ces programmes qui prédisent le mot suivant à une échelle qui les rend étrangement compétents.
- Machine Learning : quand les algorithmes apprennent de leurs erreurs — Le machine learning, c'est un algorithme qu'on ne programme pas — on l'entraîne. On lui montre des exemples, il trouve les patterns. Et parfois, il trouve les mauvais.
- NLP : quand les machines apprennent à lire (et à faire semblant de comprendre) — Le NLP, c'est le domaine qui essaie de faire comprendre le langage humain aux machines. Soixante-dix ans de tentatives, et on n'y est toujours pas — mais on fait semblant de mieux en mieux.
- Prompt Engineering : l'art de parler aux machines pour qu'elles vous écoutent — Le prompt engineering, c'est la discipline qui consiste à formuler ses instructions pour qu'un LLM fasse ce qu'on veut. Plus facile à dire qu'à faire.
- Prompt Injection (IA) : de l'injection SQL aux LLM, le guide complet — Qu'est-ce que le prompt injection ? De l'injection SQL aux LLM, l'éternel problème de mélanger instructions et données dans le même canal — et pourquoi l'IA l'a rendu pire.
- RAG (Retrieval-Augmented Generation) : donner des sources à l'IA avant qu'elle invente — Qu'est-ce que le RAG ? La technique qui transforme un LLM en étudiant à livre ouvert — en lui donnant des documents à lire avant de répondre.
- Temperature : le curseur entre fiabilité et créativité des LLM — La temperature, c'est le bouton qui règle le degré de folie contrôlée d'un LLM. Trop bas, il est ennuyeux. Trop haut, il invente n'importe quoi.
- Token : comprendre l'unité de base des modèles de langage — Qu'est-ce qu'un token ? L'unité de texte que les modèles de langage découpent, comptent et facturent — le pixel du texte, en quelque sorte.
- Transformer : l'architecture qui a tout changé en intelligence artificielle — Le Transformer a remplacé les réseaux récurrents par un mécanisme d'attention pure. Huit chercheurs, un article de 2017, et toute une industrie qui bascule.