Le glossaire IA & web de NSY

Par Cédric Barme · Fondateur de NSY

Les termes qui reviennent dans tout projet web + IA, expliqués sans jargon par quelqu'un qui les met en œuvre — pas seulement qui en parle. Chaque définition tient en quelques phrases ; pour les cas concrets, voyez la FAQ ou l'offre de création de site IA.

Intelligence artificielle

LLM (Large Language Model)

Grand modèle de langage : une IA entraînée sur d'immenses corpus de texte, capable de comprendre et produire du langage naturel. Claude (Anthropic), GPT (OpenAI) et Mistral en sont les représentants les plus utilisés en entreprise.

Token

L'unité de découpage du texte pour un LLM — environ ¾ de mot en français. La facturation des API et la taille de la fenêtre de contexte se mesurent en tokens : maîtriser cette unité, c'est maîtriser ses coûts.

Fenêtre de contexte

La quantité de texte qu'un LLM peut « garder en tête » dans un échange. Elle conditionne la taille des documents analysables d'un coup — un critère de choix majeur entre modèles.

Prompt

L'instruction donnée au modèle. La qualité du prompt (contexte, contraintes, exemples, format attendu) fait souvent plus pour le résultat que le choix du modèle lui-même.

Hallucination

Réponse fausse mais formulée avec assurance. Inévitable en génération libre, elle se maîtrise par le RAG (réponses ancrées dans vos documents), les garde-fous et la relecture humaine sur les usages à enjeu.

Embeddings

Représentation d'un texte sous forme de vecteur numérique qui capture son sens. Deux textes proches sémantiquement ont des vecteurs proches — c'est la brique de base de la recherche sémantique.

Recherche sémantique

Recherche par le sens plutôt que par mots-clés exacts : « congé parental » retrouve aussi les documents parlant de « naissance » ou d'« absence longue durée ». Repose sur les embeddings.

RAG (Retrieval-Augmented Generation)

Le motif d'architecture qui rend un assistant fiable : les documents pertinents sont d'abord retrouvés (recherche sémantique), puis le LLM répond à partir d'eux, sources à l'appui — au lieu d'inventer.

Agent IA

Un LLM qui ne se contente pas de répondre : il agit via des outils (consulter une base, remplir un formulaire, appeler une API), en plusieurs étapes, sous garde-fous. Voir l'intégration Claude.

Fine-tuning

Ré-entraîner partiellement un modèle sur vos données pour spécialiser son comportement. Souvent superflu : un bon prompt et du RAG couvrent la majorité des besoins, pour une fraction du coût.

MCP (Model Context Protocol)

Standard ouvert (initié par Anthropic) qui décrit comment un LLM se connecte à des outils et sources de données externes — l'équivalent d'un port universel entre modèles et systèmes d'entreprise.

Chatbot sans LLM

Moteur de règles à détection d'intentions : gratuit à l'usage, instantané, sans clé API ni fuite de données. Pertinent quand le périmètre de questions est borné — le chatbot de ce site fonctionne ainsi.

Web & référencement

SEO (Search Engine Optimization)

L'optimisation pour les moteurs de recherche classiques : contenu, technique (vitesse, mobile), maillage et autorité. La base — sans elle, rien d'autre ne fonctionne.

SEO sémantique

Structurer le sens au-delà des mots-clés : entités nommées, données structurées, cohérence des faits entre les pages. C'est ce qui permet aux moteurs — et aux IA — de comprendre qui vous êtes.

GEO (Generative Engine Optimization)

Être cité par les moteurs génératifs (ChatGPT, Claude, Gemini, Perplexity). Les leviers : contenus attribuables et datés, entités recoupables (Wikidata, registres officiels), fichiers llms.txt, FAQ conversationnelles.

LLMO (LLM Optimization)

Cousin du GEO : optimiser la compréhension de votre site par les LLM lors de leur entraînement ou de leur navigation — autoriser leurs crawlers, fournir du contexte structuré, éviter le contenu accessible uniquement en JavaScript.

llms.txt

Fichier à la racine d'un site (convention llmstxt.org) qui résume pour les IA qui vous êtes, ce que vous faites et où trouver l'essentiel. Celui de NSY : nsy.fr/llms.txt.

JSON-LD / données structurées

Balisage invisible (schema.org) qui décrit vos pages en langage machine : organisation, personnes, services, prix, FAQ. C'est la matière première du Knowledge Graph de Google et des réponses des assistants.

hreflang

Balises qui déclarent les versions linguistiques d'une page (fr/en…) pour que chaque visiteur — et chaque moteur — reçoive la bonne langue, sans être compté comme contenu dupliqué.

Core Web Vitals

Les métriques de Google qui mesurent l'expérience réelle : vitesse d'affichage (LCP), réactivité (INP), stabilité visuelle (CLS). Elles pèsent dans le classement — et surtout dans la patience de vos visiteurs.

Crawler IA

Robot d'exploration d'un acteur IA (GPTBot, ClaudeBot, PerplexityBot…). Les autoriser dans robots.txt est la condition d'entrée pour exister dans les réponses des assistants — les bloquer, c'est se rayer de leurs corpus.

Edge / hébergement edge

Servir votre site depuis des serveurs répartis au plus près des visiteurs (Cloudflare, Vercel) : latence minimale partout, résilience accrue — pertinent dès que votre audience dépasse une région.