VLM (modèle vision-langage)
En anglais : Vision-Language Model
Modèle capable de traiter conjointement des images et du texte, pour décrire une photo, lire un document scanné, analyser un graphique ou répondre à des questions sur une scène.
Exemple
Un service comptable envoie des photos de tickets de caisse à un VLM qui en extrait la date, le commerçant et le montant TTC au format JSON.
Notions liées
Embedding (plongement vectoriel)
IntermédiaireReprésentation d’un texte, d’une image ou d’un autre contenu sous forme de liste de nombres, un vecteur, construite pour que des contenus de sens proche aient des vecteurs proches.
Hallucination
DébutantRéponse produite par un modèle d’IA qui paraît plausible et assurée, mais qui contient des informations fausses, inventées ou non étayées par ses sources.
LLM (grand modèle de langage)
DébutantModèle d’IA entraîné sur d’immenses volumes de texte à prédire la suite d’une séquence, ce qui lui permet de rédiger, résumer, traduire, répondre à des questions ou écrire du code.
Multimodal
DébutantCaractéristique d’un modèle ou d’un système d’IA capable de traiter ou de produire plusieurs types de données, appelés modalités, comme le texte, l’image, l’audio ou la vidéo.
Sortie structurée (JSON)
IntermédiaireRéponse d’un modèle d’IA contrainte à suivre un format machine prédéfini, le plus souvent un objet JSON conforme à un schéma, pour être exploitée directement par un programme.
Vision par ordinateur
DébutantDomaine de l’intelligence artificielle qui permet aux machines d’analyser et d’interpréter des images ou des vidéos, par exemple pour reconnaître des objets, des visages ou du texte.