Répondre aux marchés publics pour les PME : Formation, aide et assistance sur tout le territoire (sur site ou à distance)
Entreprises - PME : Répondre aux marchés publics (DC1, DC2, ATTRI1, DC4, mémoire technique, ...) Acheteurs publics
DATES J01 Fondamentaux J02 Répondre aux AO J03 Réponse électronique J04 Mémoire technique Formations Assistance
Répondre Formations "Répondre aux AO pour les entreprises" - INTER, sur site ou FOAD (Fondamentaux, réponse, dématérialisation, mémoire technique)
Intelligence artificielle (IA) et définitions associées

Lexique de l’intelligence artificielle (IA) – 50 définitions officielles et exemples concrets

Ce glossaire présente 50 termes publiés au Journal officiel, expliqués dans un langage accessible avec des exemples concrets. Il comprend également dix notions complémentaires utilisées dans les outils d’IA et les marchés publics.

Définition de l'intelligence artificielle, IA

Concrètement, l'intelligence artificielle (IA) regroupe des techniques informatiques permettant à des logiciels d'analyser des informations, de reconnaître des images, de prévoir des résultats ou de produire des textes. Les outils comme ChatGPT, Gemini et Copilot utilisent certaines de ces techniques. Dans les marchés publics, l'IA peut notamment aider à analyser un dossier de consultation ou à préparer un mémoire technique.

 Définition selon le Journal officiel

Selon le Journal officiel, elle est un champ interdisciplinaire théorique et pratique qui a pour objet la compréhension de mécanismes de la cognition et de la réflexion, et leur imitation par un dispositif matériel et logiciel, à des fins d'assistance ou de substitution à des activités humaines.

  • Elle peut être embarquée, s'il s'agit d'un dispositif d'intelligence artificielle intégré dans un objet connecté, qui lui permet de traiter en temps réel les données qu'il collecte pour déclencher la prise automatique de décisions.
  • Elle peut être générative, s'il s'agit d'une branche mettant en œuvre des modèles génératifs, qui vise à produire des contenus textuels, graphiques ou audiovisuels.

Une entreprise peut utiliser un outil d'IA pour retrouver dans un dossier d'appel d'offres les délais de remise des offres et les pièces demandées. Elle vérifie ensuite chaque résultat dans les documents de consultation.

Définition du système d'intelligence artificielle au sens du règlement européen 2024/1689

Selon l’article 3, point 1 du règlement européen 2024/1689, un « système d’IA » est un système automatisé conçu pour fonctionner à différents niveaux d’autonomie. Il peut s’adapter après son déploiement et déduit, à partir des données reçues, la manière de produire des prédictions, des contenus, des recommandations ou des décisions susceptibles d’influencer un environnement physique ou virtuel. Le système agit pour des objectifs explicites ou implicites. Cette présentation reformule la définition juridique.

Le règlement européen définit le système d'IA en fonction de son fonctionnement et des résultats qu'il peut produire. Cette définition sert à déterminer si un système entre dans le champ des règles européennes applicables.

Par exemple, un acheteur envisage un logiciel qui analyse des dossiers et propose des recommandations. Il doit examiner les caractéristiques du logiciel et son usage pour déterminer quelles obligations réglementaires peuvent s'appliquer.

Maitriser l'IA dans les AO (J05)

Les 12 notions principales pour appréhender l’IA

Pour chaque notion, vous pouvez accéder à sa définition détaillée et à un exemple d’application.

  • Intelligence artificielle (IA) – Techniques permettant à un système d’accomplir des tâches associées à des capacités humaines.
  • IA générative – IA utilisée pour produire des textes, images, sons et autres contenus.
  • Grand modèle de langage (LLM) – Modèle entraîné sur des textes pour comprendre des consignes et produire des réponses.
  • Modèle génératif – Modèle destiné à produire des données nouvelles.
  • Assistant IA – Application donnant accès à un ou plusieurs modèles pour exécuter des demandes.
  • Agent IA – Système pouvant organiser et réaliser plusieurs actions vers un objectif.
  • Prompt – instruction générative – Consigne adressée à un modèle ou à un assistant.
  • Jeton textuel – Fragment de texte utilisé par un modèle de langage.
  • RAG – Méthode associant recherche documentaire et génération de réponse.
  • Hallucination de l’IA – Réponse vraisemblable, mais incorrecte ou sans fondement vérifiable.
  • Apprentissage automatique – Méthode permettant d’ajuster un modèle à partir de données.
  • Transformeur – Type de réseau de neurones utilisé par de nombreux modèles génératifs.

Sommaire alphabétique des définitions officielles

Sélectionnez un terme pour atteindre sa définition et son exemple. Les 50 entrées sont classées par ordre alphabétique.

A

C

D

E

G

I

J

L

M

N

O

P

R

S

T

Glossaire des 50 définitions publiées au Journal officiel

Les termes officiels, les définitions, les notes et les sources sont reproduits à partir du document fourni. Les encadrés portent sur leur utilisation concrète.

agent

pour (en anglais) : agent

Logiciel envoyé sur un réseau pour effectuer une tâche à la place de l'utilisateur et sans son intervention.

Note :

  • On utilise, par exemple, les agents pour le filtrage d'informations et la recherche sur l'internet.
  • Un agent est dit «intelligent» lorsqu'il utilise les techniques de l'intelligence artificielle.

Source : Journal officiel du 1er septembre 2000.

Un agent effectue automatiquement une tâche qu'un utilisateur lui confie. Selon sa conception, il peut rechercher des informations, les trier ou effectuer plusieurs opérations successives. Certains agents utilisent l'intelligence artificielle pour choisir comment procéder.

Par exemple, une entreprise configure un agent de veille qui recherche chaque matin de nouveaux avis de marchés publics correspondant à son activité. L'agent lui transmet les annonces sélectionnées. S'il utilise l'IA, il peut aussi analyser leur contenu. Cet outil peut compléter les méthodes habituelles pour rechercher des appels d'offres publics.

apprentissage antagoniste

pour (en anglais) : adversarial machine learning, AML

Apprentissage automatique qui consiste à entraîner un modèle à partir d'un jeu de données comprenant des données trompeuses ou ambiguës, de manière qu'il apprenne à discerner de telles données.

Note :

  • Les données trompeuses ou ambiguës sont souvent produites par un autre modèle.
  • L'apprentissage antagoniste sert par exemple à améliorer la reconnaissance d'infox vidéo, ou d'images et de textes falsifiés.

Source : Journal officiel du 6 septembre 2024 - Liste relative au vocabulaire de l'intelligence artificielle (termes, expressions et définitions adoptés) NOR : CTNR2423171K.

Voir aussi : apprentissage automatique, infox vidéo.

Cette technique apprend à un outil d'IA à repérer des informations conçues pour le tromper. Pendant l'entraînement, on lui montre des exemples piégés afin qu'il distingue mieux les contenus fiables des contenus manipulés.

Par exemple, on entraîne un outil de détection de faux documents avec de vrais courriers et des courriers modifiés volontairement. Il apprend à repérer les anomalies, sans garantir une détection parfaite.

apprentissage automatique, apprentissage machine

pour (en anglais) : machine learning, ML

Processus par lequel un algorithme évalue et améliore ses performances sans l'intervention d'un programmeur, en répétant son exécution sur des jeux de données jusqu'à obtenir, de manière régulière, des résultats pertinents.

Note :

Un algorithme d'apprentissage automatique comporte un modèle dont il modifie les paramètres, de valeur initiale en général aléatoire, en fonction du résultat constaté.

  • L'apprentissage automatique relève de l'intelligence artificielle.
  • L'apprentissage automatique est fréquemment utilisé pour le traitement du langage naturel et la vision par ordinateur, ou pour effectuer des diagnostics et des prévisions.

Source : Journal officiel du 9 décembre 2018.

L'ordinateur apprend à partir d'exemples plutôt que d'appliquer uniquement une suite de règles écrites à l'avance. En comparant ses résultats, il ajuste progressivement sa façon de traiter les données.

Par exemple, un logiciel étudie des centaines d'anciens avis de marchés publics et apprend à reconnaître ceux qui concernent la maintenance informatique, même lorsque les formulations changent.

apprentissage autosupervisé

Domaine : Informatique.

Définition : Apprentissage automatique réalisé sur un jeu de données d'entraînement non annoté qui consiste, dans un premier temps, à découper automatiquement les données en fragments qui serviront d'annotations, puis, dans un second temps, à retirer successivement chaque fragment du jeu de données et à lui faire tenir le rôle d'une annotation pour que l'algorithme reconstitue le jeu de données entier par apprentissage supervisé.

Note :

1. L'apprentissage autosupervisé recourt à des transformeurs.

2. L'apprentissage autosupervisé est systématiquement utilisé dans les grands modèles de langage.

3. L'apprentissage autosupervisé peut être appliqué à une tâche de classification pour détecter de façon autonome des classes de données.

Voir aussi : apprentissage automatique, apprentissage supervisé, grand modèle de langage, transformeur.

Équivalent étranger : self-supervised learning (SSL).

Source : JO du 19 février 2026, NOR CTNR2603982K.

L'outil apprend à partir de données qui ne comportent pas de réponses fournies par un humain. Il retire des éléments, tente de les retrouver grâce au reste, puis améliore ses réglages en répétant cet exercice.

Par exemple, on masque des mots dans un grand nombre de textes et l'outil apprend à les retrouver avec les mots voisins. Cette méthode contribue à l'entraînement de modèles capables ensuite de comprendre ou de produire du texte.

apprentissage non supervisé

pour (en anglais) : data clustering, unsupervised learning, unsupervised training

Apprentissage automatique dans lequel l'algorithme utilise un jeu de données brutes et obtient un résultat en se fondant sur la détection de similarités entre certaines de ces données.

Note :

  • L'apprentissage non supervisé est utilisé, par exemple, pour l'identification de comportements et la recommandation d'achats.

Source : Journal officiel du 9 décembre 2018.

L'ordinateur reçoit des données sans catégories préalablement indiquées. Il recherche lui-même ce qui se ressemble et peut ainsi faire apparaître des groupes qu'un utilisateur n'avait pas définis.

Par exemple, un acheteur analyse ses commandes passées. Un logiciel rapproche les achats similaires et fait ressortir des familles de dépenses, à examiner ensuite par les services.

apprentissage par renforcement

pour (en anglais) : reinforcement learning

Apprentissage automatique dans lequel un programme extérieur évalue positivement ou négativement les résultats successifs de l'algorithme, l'accumulation des résultats permettant à l'algorithme d'améliorer ses performances jusqu'à ce qu'il atteigne un objectif préalablement fixé.

Note :

  • L'apprentissage par renforcement est fréquemment utilisé dans la robotique.
  • L'efficacité de l'apprentissage par renforcement a été attestée dans certains jeux stratégiques comme le jeu de go.

Source : Journal officiel du 9 décembre 2018.

Un programme essaie différentes actions et reçoit une évaluation positive ou négative selon le résultat. En répétant ses essais, il apprend quelles décisions l'aident à atteindre un objectif.

Par exemple, dans une simulation de déplacements de véhicules, un programme teste des itinéraires et reçoit une meilleure note lorsqu'il réduit les retards. Il apprend progressivement à choisir des trajets plus efficaces.

apprentissage par transfert

pour (en anglais) : transfer learning

Apprentissage automatique qui consiste à soumettre un modèle préentraîné à une nouvelle phase d'entraînement sur un volume réduit de données relatives à un domaine cible afin que le modèle ainsi obtenu génère des réponses pertinentes pour ce domaine.

Note :

  • L'apprentissage par transfert réduit la durée et le coût de l'apprentissage automatique dans un domaine cible, notamment lorsque le volume de données disponibles dans ce domaine est faible.

Source : Journal officiel du 6 septembre 2024.

On part d'un modèle qui possède déjà des connaissances acquises sur de nombreuses données. On le complète par un entraînement plus ciblé pour qu'il traite un nouveau domaine avec moins d'exemples.

Par exemple, un modèle déjà entraîné à lire des documents est adapté à la reconnaissance des rubriques d'un règlement de consultation à partir d'un ensemble limité de dossiers.

apprentissage profond

pour deep learning, deep structured learning, hierarchical learning

Apprentissage automatique qui utilise un réseau de neurones artificiels composé d'un grand nombre de couches dont chacune correspond à un niveau croissant de complexité dans le traitement et l'interprétation des données.

Note :

  • L'apprentissage profond est notamment utilisé dans la détection automatique d'objets au sein d'images et dans la traduction automatique.

Source : Journal officiel du 9 décembre 2018.

Cette méthode utilise plusieurs niveaux successifs de traitement pour reconnaître des éléments de plus en plus complexes. Elle est utile pour analyser des images, des sons ou des textes.

Par exemple, dans des photos de chantier, un outil peut apprendre à reconnaître des casques, des véhicules ou des zones de circulation. Les résultats doivent être vérifiés avant toute décision.

apprentissage supervisé

pour supervised learning, supervised training

Apprentissage automatique dans lequel l'algorithme s'entraîne à une tâche déterminée en utilisant un jeu de données assorties chacune d'une annotation indiquant le résultat attendu.

Note :

  • L'apprentissage supervisé recourt le plus souvent aux réseaux de neurones artificiels.
  • L'apprentissage supervisé est utilisé, par exemple, pour la reconnaissance d'images et la traduction automatique.

Source : Journal officiel du 9 décembre 2018.

Pendant l'entraînement, on fournit à l'ordinateur des exemples accompagnés de la bonne réponse. Il apprend à rapprocher de nouveaux cas des réponses observées.

Par exemple, on transmet à un logiciel des courriels déjà classés comme demandes de devis, réclamations ou messages divers. Il apprend ensuite à proposer un classement pour les nouveaux messages.

calcul intensif

pour supercomputing

Ensemble des techniques et des moyens destinés à traiter des applications complexes en faisant appel à des ordinateurs spécialisés dans le traitement rapide de gros volumes de données numériques.

Source : Journal officiel du 10 octobre 1998.

Le calcul intensif utilise des ordinateurs très puissants ou de nombreux processeurs pour effectuer rapidement des opérations trop lourdes pour un ordinateur ordinaire.

Par exemple, un organisme de recherche utilise une infrastructure de calcul intensif pour analyser des millions de mesures et réaliser des simulations complexes.

centre de données

pour data center, data centre

Site physique où sont regroupées des infrastructures informatiques et de télécommunication destinées à stocker, à traiter ou à distribuer des données de façon sécurisée.

Note :

  • Une organisation peut posséder son ou ses propres centres de données ou recourir à ceux d'un prestataire de services.
  • L'informatique en nuage recourt aux centres de données.

Source : Journal officiel du 16 novembre 2019.

Un centre de données est un bâtiment ou un ensemble de locaux où fonctionnent les ordinateurs qui hébergent des fichiers et des services numériques. Il dispose notamment d'alimentations électriques et de moyens de refroidissement.

Par exemple, lorsqu'une entreprise consulte sa messagerie ou un dossier stocké en ligne, ses données peuvent être hébergées sur des serveurs situés dans un centre de données.

dialogueur, agent de dialogue

pour chatbot, conversational agent

Logiciel spécialisé dans le dialogue en langage naturel avec un humain, qui est capable notamment de répondre à des questions ou de déclencher l'exécution de tâches.

Note :

  • Un dialogueur peut être intégré à un terminal ou à un objet connecté.
  • Les dialogueurs sont utilisés, par exemple, dans les techniques de vente, les moteurs de recherche et la domotique.
  • On trouve aussi le terme «agent conversationnel», qui est déconseillé.

Source : Journal officiel du 9 décembre 2018.

Un dialogueur est un programme avec lequel on échange par écrit ou par la voix. Il peut répondre à des questions ou orienter l'utilisateur vers une démarche, selon ses fonctions.

Par exemple, sur un site de consultation, un dialogueur guide une entreprise vers les informations pratiques de dépôt d'une offre. Ses réponses ne remplacent pas les documents officiels de la consultation.

données FAIR, données facilement accessibles, interopérables et réutilisables

pour FAIR data, findable accessible interoperable reusable data

Données dont l'identification, la description normalisée, les conditions d'accès techniques ou juridiques et le type de licence facilitent leur mise à disposition et leur exploitation par les personnes intéressées.

Note :

  • Les données FAIR sont principalement utilisées dans les domaines scientifiques.
  • Les données FAIR sont généralement des données liées ou des données ouvertes.

Source : Journal officiel du 9 mars 2021.

Les données FAIR sont organisées pour qu'on puisse les retrouver, les comprendre, y accéder dans les conditions prévues et les réutiliser. Cela suppose notamment de bien les décrire et d'indiquer les règles d'accès.

Par exemple, un organisme publie un jeu de données sur les achats avec un titre précis, la description des colonnes, un format réutilisable et une licence. D'autres personnes peuvent alors l'exploiter plus facilement.

données liées

pour linked data

Données dont la description est normalisée, ce qui permet de les lier, via leur identifiant universel de ressource, avec des données provenant d'autres sources et décrites de la même façon.

Source : Journal officiel du 9 mars 2021.

Les données liées portent des identifiants qui permettent de faire des rapprochements entre plusieurs sources. Ces liens aident à réunir des informations dispersées sur un même sujet.

Par exemple, un jeu de données contient l'identifiant d'une commune. Cet identifiant permet de rapprocher les données de ses achats de données territoriales publiées ailleurs, si les sources emploient des identifiants compatibles.

données ouvertes

pour open data

Données qu'un organisme met à la disposition de tous sous forme de fichiers numériques afin de permettre leur réutilisation.

Note :

  • Les données ouvertes n'ont généralement pas de caractère personnel.
  • Elles sont accessibles dans un format favorisant leur réutilisation.
  • La réutilisation des données ouvertes peut être soumise à conditions.

Source : Journal officiel du 3 mai 2014.

Les données ouvertes sont des fichiers numériques mis à la disposition du public pour être réutilisés, sous réserve des règles applicables. Leur format doit permettre une exploitation pratique.

Par exemple, une entreprise télécharge les données publiées sur les marchés attribués et étudie les acheteurs actifs dans son secteur. Elle vérifie les dates et les conditions de réutilisation.

entrepôt de données

pour data warehouse

Infrastructure logicielle qui collecte, structure et stocke des données d'une organisation afin d'en permettre l'exploitation par des outils d'aide à la décision; par extension, ces données elles-mêmes.

Note :

  • L'entrepôt de données est généralement hébergé dans un centre de données.

Source : Journal officiel du 24 mars 2023.

Un entrepôt de données rassemble des informations provenant de plusieurs services et les organise pour faciliter les recherches, les tableaux de bord et les analyses.

Par exemple, une collectivité regroupe ses données d'achats, de budgets et de fournisseurs dans un même ensemble afin de suivre ses dépenses par famille de prestations.

expert, -e en mégadonnées

pour data scientist

Spécialiste de l'extraction et de l'exploitation d'informations pertinentes à partir de mégadonnées, qu'il organise, traite et interprète à l'aide d'outils statistiques, mathématiques et informatiques.

Source : Journal officiel du 26 septembre 2017

Ce professionnel travaille sur de très grands ensembles de données. Il les prépare, recherche des tendances et aide à comprendre ce que les chiffres montrent réellement.

Par exemple, un expert en mégadonnées analyse plusieurs années de commandes pour repérer les périodes de forte dépense et produire des prévisions utiles à l'acheteur.

explorateur de modèle

pour model-checker

Dispositif permettant l'exploration d'un modèle.

Source : Journal officiel du 1er janvier 2013.

Un explorateur de modèle est un outil qui vérifie le fonctionnement prévu d'un système décrit par des règles. Il recherche les situations où ce système risque de ne pas respecter ces règles.

Par exemple, avant la mise en service d'un logiciel, un explorateur de modèle teste différentes suites d'opérations pour repérer un cas où une validation serait oubliée.

exploration de données

pour data mining, datamining

Processus de recherche dans un ensemble de données destiné à détecter des corrélations cachées ou des informations nouvelles.

Source : Journal officiel du 27 février 2003

L'exploration de données consiste à examiner de nombreux chiffres ou fichiers pour y trouver des relations ou des informations qui ne sautent pas aux yeux.

Par exemple, un acheteur étudie l'historique de ses commandes pour détecter les produits fréquemment achetés ensemble et préparer un futur marché.

exploration de modèle

pour model checking

Méthode de vérification algorithmique, qui permet de déterminer avec efficacité si un système représenté par un modèle satisfait à un ensemble de spécifications formelles et qui, si une des spécifications n'est pas vérifiée, fournit des contre-exemples servant à identifier la source des erreurs.

Note :

  • L'exploration de modèle trouve de nombreuses applications dans les industries du logiciel et du matériel, la vérification de puces, les protocoles de communication, les logiciels pilotes de périphériques, les systèmes critiques embarqués et les algorithmes de sécurité.

Source : Journal officiel du 1er janvier 2013.

L'exploration de modèle vérifie, de façon automatique, si un système informatique peut respecter toutes les règles fixées pour son fonctionnement. Si une règle échoue, elle fournit un scénario montrant le problème.

Par exemple, pour un outil de dépôt électronique, on teste qu'aucune offre ne puisse être ouverte avant la date prévue. Si le modèle révèle une exception, les concepteurs peuvent corriger le système.

génération automatique d'audio

pour AI audio generation, audio generative AI

Opération qui consiste à produire ou à modifier des contenus audio, en réponse à une instruction générative, le plus souvent en utilisant un modèle à bruit statistique.

Note :

  • La génération automatique d'audio est notamment employée pour composer des œuvres musicales en imitant un style donné ou pour produire un énoncé oral en imitant une voix particulière.

Source : Journal officiel du 6 septembre 2024.

La génération automatique d'audio permet de créer ou de modifier des sons à partir d'une demande. Selon l'outil, elle peut produire une musique, une voix ou d'autres contenus sonores.

Par exemple, un organisme prépare une courte présentation sonore d'une formation. Il fait produire une voix de synthèse à partir d'un texte qu'il a rédigé, puis écoute le résultat pour corriger les erreurs.

génération automatique d'image

pour AI image generation, automatic image generation, image2image, image-to-image, text2image, text-to-image

Opération qui consiste à produire ou à modifier des images, en réponse à une instruction générative, le plus souvent en utilisant un modèle à bruit statistique.

Note :

  • La génération automatique d'image peut être appliquée aux images animées. On parle alors de génération automatique de vidéo.

Source : Journal officiel du 6 septembre 2024.

La génération automatique d'image permet de créer une image à partir d'une description ou de modifier une image déjà fournie. Le résultat peut être réaliste ou illustratif.

Par exemple, un formateur demande une illustration montrant les étapes d'un dépôt d'offre dématérialisée. Il contrôle les textes et les éléments représentés avant de l'utiliser dans son cours.

génération automatique de texte

pour AI text generation, automatic text generation, text generation

Opération par laquelle un grand modèle de langage, en réponse à une instruction générative, produit, modifie ou complète automatiquement des textes.

Note :

  • La génération automatique de texte en langue naturelle peut être employée, par exemple, pour répondre à une simple question, pour produire un résumé, un rapport, une traduction, voire une œuvre littéraire.
  • La génération automatique de texte en langage de programmation est notamment employée à des fins d'écriture ou de correction de codes sources.

Source : Journal officiel du 6 septembre 2024.

La génération automatique de texte permet à un outil d'IA de rédiger, compléter ou reformuler un texte à partir d'une consigne. Le résultat doit être relu, surtout lorsqu'il contient des faits ou des références.

Par exemple, une entreprise demande un premier plan de mémoire technique à partir des exigences d'un CCTP. Elle vérifie ensuite chaque proposition et complète le document avec ses moyens réels.

grand modèle de langage, GML

pour large language model, LLM

Modèle génératif qui, à partir de grands volumes de données textuelles, calcule des probabilités des enchaînements de jetons textuels en vue de la génération automatique de texte ou de code informatique.

Note :

  • Les données textuelles du jeu d'entraînement d'un grand modèle de langage sont généralement moissonnées au préalable sur la toile et traitées par des transformeurs.
  • Les grands modèles de langage sont notamment employés dans les dialogueurs, la transcription automatique de la parole et la synthèse vocale.
  • On trouve aussi le terme grand modèle de langue dans le cas de données textuelles d'une langue.

Source : Journal officiel du 6 septembre 2024.

Un grand modèle de langage (LLM) est un modèle d'intelligence artificielle entraîné sur de grandes quantités de textes. Il peut répondre à des questions, rédiger des documents, résumer des informations ou traduire des textes. Parmi les familles de modèles connues figurent GPT (OpenAI), Gemini (Google), Claude (Anthropic), Mistral (Mistral AI), Llama (Meta), Grok (xAI) et DeepSeek.

Par exemple, une entreprise peut utiliser ChatGPT, Gemini, Microsoft Copilot, Claude, Le Chat ou Perplexity pour analyser un dossier de consultation, identifier les documents demandés ou préparer son mémoire technique. Ces assistants utilisent un ou plusieurs modèles d'IA. L'entreprise doit vérifier les résultats dans les documents du marché et s'assurer que les informations produites correspondent à ses capacités et à son offre.

informatique en périphérie, informatique en périphérie de réseau

pour edge computing, edge processing

Traitement des données qui s'effectue en périphérie d'un réseau de télécommunication, au moyen d'un dispositif proche de la source de ces données ou intégré à celle-ci.

Note :

La source des données est généralement un objet connecté.

  • L'informatique en périphérie permet notamment d'améliorer le temps de réponse d'un objet connecté et de réduire le volume des données qui transitent par le réseau. Elle offre également une meilleure sécurité des données en évitant un traitement centralisé et en limitant le transfert de données sensibles.

Source : Journal officiel du 30 juillet 2021.

Ce mode de traitement analyse les données à proximité de l'endroit où elles sont produites. Il évite d'envoyer systématiquement toutes les informations vers un serveur distant.

Par exemple, une caméra installée dans un bâtiment détecte localement une présence et transmet uniquement l'alerte utile, plutôt que toutes les images en continu.

infox vidéo, vidéotox

pour (en anglais) : deep fake, deepfake

Infox qui se présente sous la forme d'une vidéo falsifiée grâce aux techniques de l'intelligence artificielle, en particulier à celles de l'apprentissage profond.

Note :

  • La production d'infox vidéo fait notamment appel à l'analyse de l'expression faciale, à la synthèse vocale et à la synchronisation labiale.

Source : Journal officiel du 23 mai 2020.

Une infox vidéo est une vidéo truquée, parfois très convaincante, qui fait croire qu'une personne a dit ou fait quelque chose. L'IA peut servir à modifier son visage, ses gestes ou sa voix.

Par exemple, une vidéo diffusée sur un réseau social montre un responsable public annonçant une attribution de marché. L'enregistrement est falsifié. Il faut vérifier l'annonce auprès d'une source officielle.

infox, information fallacieuse

pour (en anglais) : fake news

Information mensongère ou délibérément biaisée.

Note :

  • Une infox peut servir, par exemple, à favoriser un parti politique au détriment d'un autre, à entacher la réputation d'une personnalité ou d'une entreprise, ou à contredire une vérité scientifique.

Source : Journal officiel du 23 mai 2020.

Une infox est une information fausse ou orientée volontairement pour induire le public en erreur. Elle peut circuler dans une publication, un article ou un message partagé en ligne.

Par exemple, une publication affirme à tort qu'une administration a supprimé tous ses appels d'offres. Avant de relayer cette annonce, une entreprise vérifie l'information sur le site officiel de l'acheteur.

instruction, instruction générative

pour prompt

Consigne donnée par un utilisateur à un modèle génératif, généralement formulée en langue naturelle, qui décrit la tâche à accomplir.

Note :

  • L'instruction générative peut prendre la forme d'un texte à compléter, d'une question, d'une consigne à respecter dans la production de la réponse, voire d'un ou de plusieurs exemples de résultats attendus.
  • On trouve aussi le terme « invite », qui est déconseillé dans ce sens.

Source : Journal officiel du 6 septembre 2024.

Une instruction générative est la demande adressée à un outil d'IA. Plus elle précise l'objectif, le contexte et le résultat attendu, plus elle permet d'orienter la réponse.

Par exemple, avant de déposer son offre, une entreprise utilise un outil d'IA adapté à la confidentialité de ses documents pour comparer les pièces qu'elle a préparées avec les exigences du règlement de consultation (RC). Elle fournit les documents nécessaires au contrôle et demande à l'outil de signaler les pièces manquantes, les exigences non respectées et les points incertains, avec les références exactes du RC.

Elle lui donne l'instruction suivante : « Vérifie que mon dossier contient toutes les pièces demandées pour la candidature et l'offre. Repère les documents manquants, les exigences de présentation, les éventuelles visites obligatoires et les conditions de dépôt. Présente les résultats dans un tableau en indiquant, pour chaque exigence, la page du RC correspondante. Signale les points incertains sans inventer d'informations. » L'entreprise contrôle ensuite les résultats.

intelligence artificielle embarquée, IA embarquée

pour artificial intelligence of things, AIoT, edge AI, edge artificial intelligence

Dispositif d'intelligence artificielle intégré dans un objet connecté, qui lui permet de traiter en temps réel les données qu'il collecte pour déclencher la prise automatique de décisions.

Note :

  • L'intelligence artificielle embarquée utilise l'informatique en périphérie.

Source : Journal officiel du 30 juillet 2021.

L'IA embarquée fonctionne directement dans un appareil connecté ou à proximité immédiate. Elle peut analyser les données recueillies par l'appareil et réagir rapidement.

Par exemple, un capteur installé sur une machine analyse ses vibrations et signale un fonctionnement inhabituel sans attendre l'analyse complète d'un serveur distant.

intelligence artificielle générative, IA générative

pour GenAI, generative AI, generative artificial intelligence

Branche de l'intelligence artificielle mettant en œuvre des modèles génératifs, qui vise à produire des contenus textuels, graphiques ou audiovisuels.

Source : Journal officiel du 6 septembre 2024.

L'IA générative produit de nouveaux contenus à partir d'une demande. Il peut s'agir de textes, d'images, de sons ou de vidéos, que l'utilisateur doit contrôler selon leur usage.

Par exemple, un formateur utilise un outil d'IA générative pour préparer des exemples de questions sur la commande publique, puis vérifie les réponses et les références avant la séance.

intelligence artificielle, IA

pour artificial intelligence, AI

Champ interdisciplinaire théorique et pratique qui a pour objet la compréhension de mécanismes de la cognition et de la réflexion, et leur imitation par un dispositif matériel et logiciel, à des fins d'assistance ou de substitution à des activités humaines.

Source : Journal officiel du 9 décembre 2018.

L'intelligence artificielle regroupe des techniques qui permettent à des systèmes informatiques d'effectuer certaines tâches associées à des capacités humaines, comme reconnaître des éléments, analyser des informations ou produire des réponses.

Par exemple, un outil d'IA peut aider une entreprise à rechercher des clauses dans un DCE et à organiser les informations. La responsabilité de vérifier le dossier reste à l'entreprise.

jeton textuel

pour text token, token

Donnée élémentaire d'un grand modèle de langage, qui est constituée d'une suite de caractères obtenue par la segmentation automatique d'un texte.

Note :

  • La segmentation en jetons textuels est utilisée aussi bien dans la phase d'apprentissage automatique que dans la phase de traitement d'une instruction générative.
  • Le nombre de jetons textuels sert à mesurer la taille d'un grand modèle de langage; il permet aussi d'estimer et de facturer le coût de fonctionnement des grands modèles de langage commerciaux.

Source : Journal officiel du 6 septembre 2024.

Un jeton textuel est un petit morceau de texte traité par un modèle de langage. Selon les cas, il correspond à un mot, une partie de mot ou un signe de ponctuation.

Par exemple, lorsqu'une entreprise envoie un long CCTP à un outil d'IA, le texte est découpé en jetons. Leur nombre influe sur la quantité de texte que l'outil peut traiter et parfois sur son coût.

lac de données

pour data lake

Infrastructure logicielle qui collecte des mégadonnées dans leur format d'origine, généralement en continu, et les associe automatiquement à des métadonnées qui permettent d'en préparer l'exploitation; par extension, ces mégadonnées elles-mêmes.

Source : Journal officiel du 24 mars 2023.

Un lac de données stocke de grandes quantités de fichiers dans leur forme d'origine, avant leur éventuel tri ou traitement. Les informations nécessaires pour les retrouver lui sont associées.

Par exemple, un service conserve dans un lac de données des rapports, des fichiers de mesures et des historiques de maintenance, afin de pouvoir les analyser ultérieurement.

marécage de données, marais de données

pour data swamp

Lac de données qui est devenu inexploitable.

Note :

  • Un marécage de données est le plus souvent le résultat d'une insuffisance des moyens consacrés à la gestion d'un lac de données.

Source : Journal officiel du 24 mars 2023.

Un marécage de données est un ensemble de données devenu difficile à utiliser parce qu'il est mal rangé, mal décrit ou insuffisamment entretenu.

Par exemple, une collectivité conserve des milliers de fichiers sans nommage commun ni dates fiables. Les agents ne parviennent plus à retrouver les données nécessaires pour leurs analyses.

mégadonnées

pour big data

Données structurées ou non dont le très grand volume requiert des outils d'analyse adaptés.

Note :

  • On trouve aussi le terme données massives.

Source : Journal officiel du 22 août 2014.

Les mégadonnées sont des données présentes en quantités si importantes que leur traitement demande des outils adaptés. Elles peuvent provenir de tableaux, de textes, de capteurs ou de nombreuses autres sources.

Par exemple, pour étudier les déplacements dans une agglomération, un service rassemble un très grand volume de mesures de circulation collectées sur plusieurs années.

métadonnée

pour metadata

Donnée qui exprime une propriété commune à un ensemble de données de façon à en permettre l'exploitation.

Note :

  • Une métadonnée peut être un nom, une date, un lieu ou toute autre propriété utile à l'exploitation des données.
  • Les métadonnées peuvent être créées a priori, comme dans la conception d'une base de données, ou a posteriori, à partir d'un ensemble de données collectées, comme dans les applications de traitement automatique des langues naturelles.

Source : Journal officiel du 24 mars 2023.

Une métadonnée est une information qui décrit une autre donnée ou un fichier. Elle aide à le retrouver, à le comprendre et à savoir comment l'utiliser.

Par exemple, dans un dossier numérique, le nom du document, sa date de création, son auteur et son format peuvent servir de métadonnées pour le classer.

modèle à bruit statistique

pour diffusion model, diffusion probabilistic model, latent diffusion model, LDM, score-based generative model

Modèle génératif qui est obtenu par un apprentissage automatique, au cours duquel est éliminé le bruit statistique préalablement ajouté aux données du jeu d'entraînement et qui produit des contenus graphiques ou audio nouveaux.

Note :

  • L'instruction générative donnée à un modèle à bruit statistique peut être une image assortie d'un texte spécifiant par exemple l'application d'un style ou l'ajout d'un élément dans la composition du contenu à produire.

Source : Journal officiel du 6 septembre 2024.

Ce type de modèle apprend à faire apparaître une image ou un son en retirant progressivement des perturbations ajoutées pendant son entraînement. Il peut ainsi produire un contenu nouveau.

Par exemple, un outil reçoit la demande de produire une illustration d'un chantier. Il construit progressivement l'image à partir de son procédé de génération, puis l'utilisateur vérifie qu'elle correspond à son besoin.

modèle génératif

pour deep generative model, foundation model, generative model

Résultat d'un apprentissage automatique destiné à être appliqué à une tâche de génération de données comparables à celles de son jeu de données d'entraînement.

Note :

  • Un modèle génératif est généralement obtenu par l'application d'un apprentissage supervisé à un modèle préentraîné.
  • Un modèle génératif est notamment utilisé dans la génération automatique de texte, la génération automatique d'image et la génération automatique d'audio.
  • On trouve aussi, dans le langage professionnel, le terme « modèle de fondation», qui est déconseillé.

Source : Journal officiel du 6 septembre 2024.

Un modèle génératif est un système entraîné pour produire de nouveaux contenus ressemblant, par leur forme ou leurs caractéristiques, aux exemples qu'il a étudiés.

Par exemple, une entreprise utilise un modèle génératif pour obtenir une première proposition de présentation de son organisation. Elle corrige le texte pour qu'il corresponde à ses effectifs et à ses moyens.

modèle préentraîné, modèle d'apprentissage préentraîné

pour pretrained model

Résultat d'un apprentissage automatique généraliste réalisé sur un grand volume de données, qui est destiné à être réutilisé dans une grande variété de tâches, généralement à l'issue d'un apprentissage par transfert.

Note :

  • Un modèle préentraîné est accompagné d'une notice.

Source : Journal officiel du 6 septembre 2024.

Un modèle préentraîné est un modèle qui a déjà appris à partir d'un grand ensemble de données. Il peut ensuite être utilisé directement ou adapté à une tâche particulière.

Par exemple, un éditeur part d'un modèle préentraîné pour concevoir un outil capable de classer les pièces d'un dossier de consultation, puis teste ses résultats sur des documents réels.

moissonnage, moissonnage de données

pour web harvesting, web scraping

Extraction automatisée de contenus de sites de la toile, pratiquée en vue d'un traitement spécifique.

Note :

  • Le moissonnage de données est utilisé par exemple dans le domaine commercial pour établir des comparaisons de prix ou évaluer la réputation d'une marque.

Source : Journal officiel du 30 avril 2022.

Le moissonnage collecte automatiquement des informations publiées sur des sites internet. La collecte dépend des possibilités techniques et des conditions d'accès aux sites consultés.

Par exemple, un outil de veille relève des avis de marchés sur des plateformes accessibles pour créer une liste d'opportunités. Son fonctionnement doit respecter les règles applicables aux sites et aux données.

neurone artificiel, neurone formel

pour artificial neuron, artificial neurone, formal neuron, formal neurone

Dispositif à plusieurs entrées et une sortie, qui simule certaines propriétés du neurone biologique.

Note :

  • La valeur de sortie du neurone artificiel est une fonction non linéaire, généralement à seuil, d'une combinaison de valeurs d'entrée dont les paramètres sont ajustables.

Source : Journal officiel du 9 décembre 2018.

Un neurone artificiel est un petit élément de calcul qui reçoit plusieurs valeurs, les combine et produit un résultat. De nombreux éléments de ce type peuvent fonctionner ensemble.

Par exemple, dans un outil de reconnaissance d'images, des neurones artificiels participent aux calculs qui aident à détecter des formes ou des objets.

notice de modèle préentraîné, notice de modèle d'apprentissage préentraîné

pour model card

Ensemble des informations qui accompagnent un modèle préentraîné et qui définissent les caractéristiques de son jeu de données d'entraînement, son paramétrage et le cadre de son utilisation.

Source : Journal officiel du 6 septembre 2024.

Cette notice explique comment un modèle a été conçu et entraîné, ce qu'il peut faire et dans quelles limites il doit être utilisé. Elle aide à apprécier son adéquation à un besoin.

Par exemple, avant de choisir un outil d'analyse documentaire, un acheteur consulte la notice du modèle pour connaître les types de données d'entraînement et les limites annoncées.

objet connecté

Objet qui est capable, outre sa fonction principale, d'envoyer ou de recevoir des informations par l'intermédiaire d'un réseau de télécommunication.

Note :

  • La capacité à envoyer ou à recevoir des informations permet, dans certains cas, d'étendre ou de diversifier les fonctions de l'objet.
  • Les objets connectés relèvent par exemple des domaines du transport (véhicule connecté), de la santé (automesure connectée), de l'industrie (outillage connecté), de la domotique (compteur électrique interactif) ou encore de la vie quotidienne (montre connectée).

Source : Journal officiel du 11 janvier 2018.

Un objet connecté est un équipement qui communique par un réseau. En plus de sa fonction principale, il peut transmettre des mesures, recevoir des réglages ou signaler un événement.

Par exemple, un compteur d'eau connecté envoie des relevés à distance. Le service gestionnaire peut suivre les consommations sans devoir relever chaque compteur sur place.

plateforme de données

pour data hub

Infrastructure logicielle qui regroupe des données, en général structurées, liées à un domaine d'activité et qui les rend disponibles pour l'exploitation par les parties prenantes.

Note :

  • Les données sont hébergées dans un ou plusieurs centres de données.
  • Les plateformes de données permettent de regrouper par exemple des données relatives à la santé ou à l'éducation.

Source : Journal officiel du 24 mars 2023.

Une plateforme de données regroupe des informations sur un même domaine et les rend disponibles aux personnes ou services autorisés à les utiliser.

Par exemple, une plateforme rassemble des données sur les équipements communaux afin que les services techniques et financiers travaillent sur des informations cohérentes.

réseau de neurones, réseau de neurones artificiels, réseau de neurones formels

pour artificial neural network, neural network

Ensemble de neurones artificiels interconnectés qui constitue une architecture de calcul.

Source : Journal officiel du 9 décembre 2018.

Un réseau de neurones rassemble de nombreux éléments de calcul reliés entre eux. Ensemble, ils apprennent à reconnaître des situations ou à produire des résultats à partir de données.

Par exemple, un réseau de neurones est entraîné à reconnaître des types de documents parmi des factures, des devis et des bons de commande. Ses propositions de classement peuvent être contrôlées.

science des données

pour data science

Discipline qui fait appel à des méthodes statistiques, mathématiques et informatiques pour analyser des données, en particulier des mégadonnées, afin d'en extraire toute information utile.

Source : Journal officiel du 9 mars 2021.

La science des données consiste à organiser, analyser et interpréter des informations à l'aide de méthodes informatiques et statistiques pour répondre à une question concrète.

Par exemple, une collectivité étudie ses achats sur cinq ans pour connaître l'évolution des dépenses et préparer la programmation de ses prochains marchés.

synthèse vocale de texte, SVT, synthèse vocale

pour text-to-speech, TTS

Conversion automatique d'un texte en un énoncé oral, qui recourt notamment aux techniques de traitement automatique des langues naturelles et de production de la parole.

Note :

  • La synthèse vocale de texte facilite par exemple l'accès des personnes malvoyantes aux outils informatiques.

Source : Journal officiel du 16 novembre 2019.

La synthèse vocale transforme un texte écrit en parole produite automatiquement. Elle peut faciliter l'écoute d'un document ou l'utilisation d'un service numérique.

Par exemple, un organisme propose une version audio de ses consignes de formation afin que les participants puissent les écouter plutôt que les lire.

transcription automatique de la parole, TAP, transcription de la parole

pour speech-to-text, STT, voice typing

Conversion automatique d'un énoncé oral en texte, qui recourt notamment aux techniques de traitement du signal et de traitement automatique des langues naturelles.

Source : Journal officiel du 16 novembre 2019.

La transcription automatique transforme des paroles enregistrées ou prononcées en texte. Le résultat doit être relu, car des noms, chiffres ou termes techniques peuvent être mal reconnus.

Par exemple, après une réunion de préparation d'un marché, un outil produit une transcription des échanges. Le rédacteur vérifie les interventions avant d'établir le compte rendu.

transformeur

pour transformer

Réseau de neurones artificiels qui réalise un traitement parallèle des données d'entraînement d'un apprentissage autosupervisé afin de développer un modèle génératif.

Note :

  • Le traitement parallèle permet d'accélérer l'apprentissage et ainsi d'exploiter à faible coût des jeux de données hétérogènes, peu ou pas structurées.
  • Le transformeur est notamment utilisé dans la génération automatique de texte, la génération automatique d'image et la génération automatique d'audio.

Source : Journal officiel du 6 septembre 2024.

Un transformeur est un type de réseau de neurones qui traite les éléments d'un texte ou d'autres données en tenant compte de leurs relations. Il intervient dans l'entraînement de nombreux modèles génératifs.

Par exemple, pour répondre à une question portant sur plusieurs passages d'un document, un modèle utilisant des transformeurs examine les liens entre les mots et les phrases. La réponse reste à vérifier dans le document source.

triturage de données

pour data crunching

Traitement automatisé de mégadonnées brutes qui consiste à les mettre en forme pour permettre leur analyse grâce aux méthodes de la science des données.

Note :

  • Le triturage de données peut inclure des changements de format, des corrections d'erreurs, des filtrages des données.

Source : Journal officiel du 30 avril 2022.

Le triturage de données prépare des fichiers difficiles à exploiter pour qu'ils deviennent utilisables. Il peut corriger des formats, éliminer des erreurs et rassembler des valeurs comparables.

Par exemple, avant d'analyser les achats d'un service, un agent harmonise les dates, corrige les doublons et met les montants dans un même format à l'aide d'un outil informatique.

Dix notions complémentaires pour utiliser l’IA

Les explications qui suivent répondent à des questions courantes des utilisateurs. Elles sont rédigées pour cet article et ne sont pas issues de citations du Journal officiel.

Agent IA

Equivalent anglais : AI agent

Un agent IA est un système qui utilise un ou plusieurs modèles et, selon sa conception, des outils pour organiser et exécuter plusieurs actions en vue d’un objectif. Son autonomie et ses autorisations dépendent des réglages prévus.

Par exemple, un agent peut examiner chaque matin les nouveaux avis de marchés, rapprocher leur objet des compétences d’une entreprise et produire une liste à valider. Toute action sensible, comme l’envoi d’un document, doit rester sous contrôle.

A distinguer de la définition de l’« agent » publiée au Journal officiel en 2000.

Ajustement fin d’un modèle

Equivalent anglais : fine-tuning

L’ajustement fin consiste à poursuivre l’entraînement d’un modèle déjà entraîné sur des exemples adaptés à un objectif particulier. Cette opération modifie le modèle et se distingue d’une simple recherche dans des documents.

Par exemple, un éditeur entraîne davantage un modèle de classification à partir de dossiers étiquetés pour mieux reconnaître les rubriques d’un RC. Il teste ensuite les erreurs de classement sur de nouveaux dossiers.

L’ajout d’un document à une conversation ne constitue pas, à lui seul, un ajustement fin.

Assistant IA

Equivalent anglais : AI assistant

Un assistant IA est une application destinée à aider une personne à obtenir des réponses ou à réaliser des tâches. Il donne accès à un ou plusieurs modèles et peut intégrer d’autres fonctions, comme la recherche documentaire.

Par exemple, une entreprise demande à un assistant de dresser la liste des pièces de candidature prévues dans un RC. Elle vérifie cette liste dans le règlement de consultation et ses annexes.

ChatGPT, Gemini, Copilot, Claude et Le Chat sont des exemples d’assistants, selon leurs offres et leurs fonctionnalités.

Fenêtre de contexte

Equivalent anglais : context window

La fenêtre de contexte désigne la quantité d’informations qu’un modèle peut prendre en compte au cours d’un traitement. Elle dépend du modèle et peut comprendre l’instruction, les documents transmis et les échanges récents.

Par exemple, une entreprise transmet un DCE volumineux. Selon l’outil, une partie du contenu peut dépasser la capacité disponible ou ne pas être prise en compte comme prévu. L’utilisateur contrôle la couverture des pièces.

Une grande fenêtre de contexte ne garantit pas une analyse exhaustive.

Hallucination de l’IA

Equivalent anglais : AI hallucination

On parle d’hallucination lorsqu’un système d’IA présente comme fondée une information inexacte, inventée ou non vérifiée. Une formulation convaincante ne garantit pas la justesse du résultat.

Par exemple, un assistant cite un arrêt du Conseil d’Etat avec un numéro erroné. Avant de reprendre la référence dans une note juridique, l’utilisateur contrôle la décision sur une source officielle.

Le terme est employé ici au sens courant des usages de l’IA.

IA multimodale

Equivalent anglais : multimodal AI

Une IA multimodale peut traiter plusieurs types de contenus, comme du texte, des images, du son ou de la vidéo. Les possibilités exactes dépendent du modèle et de l’application.

Par exemple, un acheteur demande l’analyse d’un tableau de prix accompagné d’un schéma technique. L’outil traite les deux formats, puis l’acheteur vérifie séparément les chiffres et le schéma.

La présence d’une image ou d’un PDF ne garantit pas que toutes ses informations soient correctement lues.

Interface de programmation – API

Equivalent anglais : application programming interface, API

Une API permet à deux logiciels d’échanger des informations et de demander des opérations selon des règles prévues. Certaines API donnent accès à des modèles d’IA.

Par exemple, une entreprise relie son outil interne de suivi des appels d’offres à une API pour faire résumer des avis. Elle doit contrôler les autorisations, les coûts, la confidentialité et la qualité des résultats.

Une API est un moyen de connexion entre logiciels, pas un modèle d’IA.

RAG – génération augmentée par récupération

Equivalent anglais : retrieval-augmented generation, RAG

Le RAG consiste à rechercher des informations dans une collection de documents et à fournir les passages retrouvés à un modèle de langage pour l’aider à formuler une réponse. La qualité dépend notamment de la recherche et des documents accessibles.

Par exemple, une entreprise utilise un outil d'IA pour analyser un dossier de consultation (DCE) qu'elle a téléchargé. Elle interroge notamment le RC, le CCTP et le CCAP. L'outil retrouve les passages relatifs aux délais et prépare une synthèse accompagnée de références à vérifier. Cette méthode peut faciliter l'analyse du cahier des clauses techniques particulières (CCTP). Elle suppose au préalable de télécharger le dossier de consultation.

Le RAG ne garantit ni l’exhaustivité de la recherche ni l’exactitude de la réponse.

Recherche vectorielle

Equivalent anglais : vector search

La recherche vectorielle rapproche des textes ou d’autres éléments selon des représentations numériques qui peuvent tenir compte de leur sens. Elle aide à retrouver des passages pertinents même lorsque les mots employés diffèrent.

Par exemple, une recherche de « transport de personnes à mobilité réduite » peut proposer des passages contenant « déplacement adapté » dans des avis ou des CCTP. Les résultats doivent être contrôlés.

Ce procédé peut être utilisé dans des systèmes RAG.

Reconnaissance optique de caractères – OCR

Equivalent anglais : optical character recognition, OCR

L’OCR transforme le texte visible dans une image ou un document numérisé en texte exploitable par un logiciel. La qualité du résultat dépend notamment de la lisibilité du document.

Par exemple, un candidat reçoit un CCAP sous forme de pages scannées. Un outil d’OCR extrait le texte pour faciliter la recherche de clauses. Les chiffres, tableaux et articles sont ensuite vérifiés sur le document d’origine.

L’OCR peut fonctionner sans IA générative.

Différences entre les modèles, les assistants et les agents IA

Un modèle traite des informations. Un assistant permet à une personne d’utiliser un ou plusieurs modèles. Un agent peut enchaîner des actions. Le RAG fournit au modèle des informations retrouvées dans des documents.

  • Un modèle d’IA est un composant qui traite des données et produit un résultat. Exemples : familles GPT, Gemini, Claude, Mistral et Llama. Une application peut utiliser plusieurs modèles.
  • Un assistant IA est une application dans laquelle l’utilisateur formule une demande. Exemples : ChatGPT, Gemini, Claude, Microsoft Copilot et Le Chat. Les fonctionnalités varient selon les services.
  • Un agent IA est un système pouvant effectuer plusieurs étapes pour atteindre un objectif défini, par exemple préparer une veille sur des avis de marché. Ses autorisations doivent être maîtrisées.
  • Un RAG est une méthode utilisée pour rechercher dans des documents avant de formuler une réponse. Elle peut aider à répondre à des questions sur des RC ou CCTP, sans garantie d’exhaustivité.

Cinq questions courantes sur l’intelligence artificielle

Quelle différence entre ChatGPT et un LLM ?

Un LLM est un modèle de langage. ChatGPT est une application qui utilise des modèles d’IA pour répondre à des demandes. Un même assistant peut utiliser plusieurs modèles ou fonctionnalités. Voir aussi les notions de grand modèle de langage et d’assistant IA.

Quelle différence entre intelligence artificielle et IA générative ?

L’intelligence artificielle (IA) permet notamment d’analyser des informations, de reconnaître des éléments, de faire des prévisions ou de proposer des recommandations. L’IA générative est une catégorie d’intelligence artificielle capable de créer des contenus, comme des textes, des images, des sons ou des vidéos.

Pourquoi une IA peut-elle inventer une jurisprudence ?

Plusieurs affaires aux Etats-Unis ont montré que l’intelligence artificielle peut inventer des décisions de justice ou fournir des références erronées. Une réponse peut paraître convaincante alors que la jurisprudence citée n’existe pas ou ne correspond pas à ce qui est affirmé. Avant de citer une décision de justice proposée par une IA, il faut vérifier son existence dans une source officielle, contrôler sa date et son numéro, puis lire les passages qui concernent la question juridique traitée.

Peut-on transmettre un DCE à un outil d’IA ?

Avant de transmettre des documents à un outil d’intelligence artificielle (IA), assurez-vous qu’ils ne contiennent pas d’informations confidentielles sur votre entreprise, vos clients ou vos salariés. Vérifiez également comment ces documents seront utilisés, qui pourra y accéder et s’ils pourront servir à entraîner l’IA. Pour les documents sensibles, privilégiez un outil offrant des garanties de confidentialité et de protection des données.

Une IA peut-elle rédiger un mémoire technique de marché public ?

Elle peut aider à construire un plan et à rédiger des propositions à partir des exigences du CCTP. Le candidat doit ensuite vérifier les informations, les moyens réellement disponibles, les engagements pris et la conformité de son offre au règlement de consultation.

Précautions pour utiliser l’IA dans les marchés publics

Une réponse d’IA peut omettre une exigence du RC, confondre une règle de candidature et une exigence de l’offre, ou inventer une référence juridique. Toute information déterminante doit être vérifiée dans les pièces de la consultation ou les sources officielles.

Avant de transmettre des documents confidentiels, des secrets d’affaires ou des données personnelles à un outil d’IA, il faut examiner ses conditions d’utilisation, les accès aux fichiers et leurs conditions de conservation. La CNIL publie des recommandations sur l’utilisation des systèmes d’IA générative.

Actualités

IA générative et emploi des jeunes, les embauches ralentissent en France. - 9 octobre 2026.

Comment utiliser l’intelligence artificielle pour répondre à un marché public ? - 6 octobre 2026.

IA dans les achats publics - Jusqu'où le métier d'acheteur va-t-il être transformé ? Un rapport IGF-IGA-IGAS estime que 20 % des agents publics, occupent des emplois exposés à l'intelligence artificielle (IA). Les fonctions administratives et les fonctions support figurent parmi les plus concernées. Or les achats publics sont expressément cités. Quelles tâches resteront demain au cœur du métier d'acheteur public ? - 3 juillet 2026.

MAJ 26/10/2026

(c) F. Makowski - Formateur et consultant en marchés publics pour entreprises et acheteurs publics - Ingénieur ENSEA et juriste en droit des contrats publics

Mentions légales - RGPD