# Glossaire de l'IA ouverte : GGUF, quantification, LoRA, MoE

## Poids ouverts (open weights)

Modèle dont les paramètres entraînés sont téléchargeables, ce qui permet de l'exécuter chez soi. Cela ne dit rien de la licence : certains poids ouverts interdisent l'usage commercial.

## Paramètres

Nombres appris pendant l'entraînement ; leur quantité (en milliards, « B ») donne l'ordre de grandeur de la taille du modèle et de la mémoire nécessaire.

## Quantification

Réduction de la précision des paramètres (par exemple de 16 bits à 4 ou 8 bits) pour diminuer la mémoire et accélérer l'exécution, au prix d'une légère perte de qualité.

## GGUF

Format de fichier de llama.cpp, repris par Ollama et LM Studio, qui regroupe les poids quantifiés et les métadonnées d'un modèle en un seul fichier exécutable sur un PC.

## Safetensors

Format de stockage des poids conçu pour être chargé rapidement et sans exécuter de code, utilisé par défaut par la bibliothèque transformers.

## MLX

Bibliothèque d'Apple pour exécuter des modèles sur les puces Apple Silicon ; un dépôt MLX contient des poids préparés pour elle.

## Fine-tune (affinage)

Entraînement complémentaire d'un modèle existant sur des données ciblées, pour le spécialiser sur une tâche, un style ou une langue.

## Adaptateur (LoRA)

Petit jeu de paramètres supplémentaires entraîné par-dessus un modèle de base, qu'on charge avec lui ; LoRA est la méthode la plus répandue.

## Fusion (merge)

Modèle obtenu en combinant les poids de plusieurs modèles de même architecture, sans nouvel entraînement complet.

## Modèle de base

Modèle dont un autre est dérivé (quantification, fine-tune, adaptateur, fusion). Hugging Face l'indique dans les métadonnées base_model.

## Mixture of Experts (MoE)

Architecture où seule une partie des paramètres (les « experts » choisis) travaille pour chaque mot : le modèle est gros sur le disque mais moins coûteux à exécuter qu'un modèle dense de même taille.

## Fenêtre de contexte

Quantité maximale de texte, comptée en tokens, que le modèle peut prendre en compte en une fois (consigne, documents et réponse compris).

## Token

Unité de texte manipulée par un modèle : un mot court, un morceau de mot ou un signe.

## Accès restreint (gated)

Dépôt Hugging Face dont le téléchargement exige d'accepter des conditions ou d'être approuvé par l'éditeur.

## Licence permissive

Licence (Apache 2.0, MIT…) qui autorise l'usage, y compris commercial, la modification et la redistribution, sous réserve de conserver les mentions.

## Embedding (plongement)

Vecteur de nombres qui représente le sens d'un texte ; sert à la recherche sémantique et au RAG.

## RAG

Retrieval-Augmented Generation : le modèle répond en s'appuyant sur des passages retrouvés dans vos documents au lieu de sa seule mémoire.

## OCR

Reconnaissance optique de caractères : transformation d'une image ou d'un PDF scanné en texte exploitable.

## Transcription (ASR)

Reconnaissance automatique de la parole : conversion d'un enregistrement audio en texte.

## Diarisation

Repérage de « qui parle quand » dans un enregistrement, souvent combiné à la transcription.

## Modèle vision-langage

Modèle qui prend en entrée des images et du texte, par exemple pour décrire une image ou lire un document.

## Appel d'outils (tool calling)

Capacité d'un modèle à produire un appel structuré vers une fonction ou une API, base des agents IA.

## Space

Application de démonstration hébergée sur Hugging Face, souvent faite avec Gradio ou Streamlit.

## Dataset

Jeu de données publié sur Hugging Face pour entraîner ou évaluer des modèles.

## Score Radar

Note de 0 à 100 calculée par Radar IA : 40 % popularité, 30 % diffusion, 20 % fraîcheur, 10 % pertinence pour l'IA pratique (voir la page Méthode).