Le glossaire IA du dirigeant produit

Agents, RAG, evals, MCP, orchestration… Le vocabulaire de l'IA s'invite dans toutes les réunions produit, souvent plus vite qu'il ne devient clair. Un dirigeant produit n'a pas besoin de savoir coder. Mais il a besoin de comprendre ces termes pour piloter : arbitrer un choix, cadrer un projet, poser la question qui sépare un vrai projet IA d'un théâtre IA.

Voici les 20 termes à comprendre en 2026, en trois temps : les briques (comment ça marche), comment on construit, comment on pilote. Pour chacun : une définition simple, et ce que ça change concrètement pour votre organisation.

Les briques

LLM (Large Language Model) — le moteur qui génère du texte à partir de ce qu'on lui donne. C'est le « cerveau » sous Claude, ChatGPT et les autres. Impact orga : le LLM est un composant, pas un produit. La valeur est dans ce que vous mettez autour — le contexte, les outils, le cadre.

Prompt — l'instruction qu'on donne au modèle. Impact orga : savoir formuler un problème clairement devient une compétence produit centrale. Bien formuler, c'est déjà la moitié du résultat.

Contexte (context engineering) — l'ensemble des informations qu'on fournit au modèle pour une tâche : documents, historique, règles. Impact orga : la qualité de vos réponses IA dépend d'abord de la qualité du contexte que vous donnez, avant même du modèle choisi.

Token & fenêtre de contexte — le token est l'unité qui mesure la longueur et le coût ; la fenêtre de contexte est ce que le modèle peut « tenir en tête » à un instant donné. Impact orga : le coût de l'IA est variable (par token), pas un abonnement fixe. Un usage agentique peut le faire exploser — à budgéter comme tel.

RAG (Retrieval-Augmented Generation) — brancher le modèle sur vos propres données pour qu'il réponde à partir d'elles. Impact orga : c'est ce qui permet une IA qui connaît VOTRE métier, et pas seulement le web.

Fine-tuning — ré-entraîner un modèle sur vos données pour spécialiser son comportement. Impact orga : puissant mais coûteux. Le plus souvent, un bon contexte (RAG) suffit — à ne pas dégainer par réflexe.

Multimodal — un modèle qui traite le texte, l'image et la voix. Impact orga : de nouveaux cas d'usage s'ouvrent : analyser une capture d'écran, un document scanné, un enregistrement.

Non-déterminisme — à la même question, le modèle peut donner une réponse différente. Impact orga : on ne teste pas une IA comme un logiciel classique. D'où l'importance des evals.

Hallucination — quand le modèle invente une réponse fausse, avec assurance. Impact orga : le risque n'est pas tant que l'IA se trompe, c'est qu'elle se trompe de façon convaincante. D'où evals + validation humaine.

Comment on construit

MCP (Model Context Protocol) — le standard qui branche l'IA sur vos outils : Gmail, Notion, votre base de données, etc. Impact orga : c'est le « REST » des agents. Écrire des connecteurs custom en 2026, c'est brûler du budget.

Tool use (function calling) — le mécanisme par lequel l'IA déclenche des actions dans vos outils. Impact orga : c'est ce qui rend un agent capable de faire, et pas seulement de dire.

Agent — une IA qui enchaîne plusieurs étapes en autonomie pour atteindre un but, au lieu de répondre en un coup. Impact orga : un agent en démo n'est pas un agent en production. La majorité des projets déraillent faute de cadre : validation, garde-fous, rollout progressif.

Skill — une capacité packagée et réutilisable qu'on donne à l'IA : un savoir-faire codifié. Impact orga : les skills transforment un usage personnel en process d'équipe réplicable. C'est le pont entre « je bricole » et « on industrialise ».

Orchestration — coordonner plusieurs agents ou étapes : décider qui fait quoi et dans quel ordre. Impact orga : le nouveau skill clé n'est plus de coder, c'est d'orchestrer et de reviewer.

Raisonnement (chain-of-thought) — les modèles qui « réfléchissent » étape par étape avant de répondre. Impact orga : plus de fiabilité sur les tâches complexes, au prix de plus de tokens et de temps. À réserver aux cas qui le justifient.

Mémoire persistante (CLAUDE.md, skills) — l'IA stocke et met à jour ses propres instructions à partir de vos échanges. Impact orga : le « prompt engineering » cède la place à la conversation. On ne rédige plus le prompt parfait : on discute, on donne du feedback, et le système apprend — de façon fiable et reproductible.

Comment on pilote

Evals (évaluations) — la façon de mesurer si l'IA fait bien son travail, avec des critères objectifs. Impact orga : c'est votre QA. Pas d'evals, pas de produit IA sérieux. « Qui écrit les evals ? » est la question qui trie les projets.

Guardrails — les limites qu'on pose pour empêcher l'IA de déraper : sécurité, périmètre, ton. Impact orga : sans garde-fous, un agent peut supprimer des données ou trancher une décision hasardeuse en production.

Human-in-the-loop — garder un humain qui valide aux étapes critiques. Impact orga : la vitesse vient de la délégation, la confiance vient de la validation. On dose l'un et l'autre selon le risque.

Vibe coding — coder « au feeling » avec l'IA, sans cadre ni spécification. Impact orga : ça marche pour un prototype. En production, la dette explose autour du troisième mois.

Le vrai sujet

Comprendre ces termes ne fait pas de vous un ingénieur IA — et ce n'est pas le but. Cela vous rend capable de piloter : d'arbitrer, de cadrer, et de distinguer un projet IA sérieux d'un effet de manche.

C'est exactement ce que j'accompagne auprès des équipes produit. Si le sujet est chez vous, parlons-en.