Aller au contenu
Glossaire

Les termes techniques, expliqués simplement.

D’agent à graphe de connaissances : les termes essentiels autour de MAKOR, des données et de l’IA. Chaque terme en une phrase, puis un peu plus en détail, avec une indication de l’endroit où il apparaît dans MAKOR.

Un terme manque ? Écrivez-nous, nous compléterons le glossaire.

A

Agent IAAgent

Un modèle de langage qui accomplit des tâches en plusieurs étapes.

Un agent ne se contente pas de répondre, il agit : il interroge des données, vérifie des résultats, prépare des rapports ou des demandes et se manifeste quand quelque chose attire l’attention. Pour que cela se fasse de façon fiable, il lui faut une mission claire, des droits limités et un journal. Dans MAKOR, il soumet les décisions qui ont de la portée à la validation d’un humain.

B

Base de données graphe

Stocke les données sous forme de nœuds et de relations.

Au lieu de tables, les données forment un réseau : client, a une commande, concerne un site. Les questions sur les liens deviennent rapides, par exemple qui est lié à qui sur deux niveaux. Makor Logos intègre sa propre base de données graphe.

C

Contexte

Tout ce qu’un modèle de langage doit savoir de la situation.

Un modèle de langage ne vaut que ce qu’il apprend de votre situation. Dans MAKOR, le contexte se compose de cinq éléments : faits, termes, processus, lieu et temps, et règles.

Couche sémantique

Un niveau de sens au-dessus de toutes les sources de données.

Elle relie bases de données, fichiers et flux par des termes communs en un graphe interrogeable, sans remplacer les systèmes sources. Dans MAKOR, c’est le rôle de Makor Logos.

D

DataCubeCube de données

Des données organisées selon plusieurs axes.

Dans Makor Atlas, ce sont l’espace, le temps et l’attribut. Chaque question est une coupe à travers le cube : une zone, une période, une grandeur. Une requête ne lit que la partie dont elle a besoin.

F

Fonctionnement isoléAir gap

Fonctionnement sans aucune connexion à Internet.

Les systèmes tournent dans un réseau séparé du monde extérieur. C’est courant dans les domaines critiques en matière de sécurité. Si vous le souhaitez, MAKOR fonctionne entièrement déconnecté du réseau.

G

Graphe de connaissancesKnowledge graph

Un réseau de faits et de relations au sens défini.

Un graphe de connaissances relie des données de nombreuses sources par les termes de l’ontologie. Pour les humains, c’est une requête ; pour les modèles de langage et les agents, c’est la mémoire aux faits vérifiés.

GroundingAncrage, RAG

Un modèle de langage reçoit des faits vérifiés avant de répondre.

Avec le grounding, souvent via la génération augmentée par récupération (RAG), un modèle de langage reçoit avant chaque réponse l’extrait pertinent de sources vérifiées. La réponse est alors ancrée, pas devinée. Dans MAKOR, ces faits proviennent du graphe de connaissances, avec leur provenance.

H

Hallucination

Un modèle de langage invente quelque chose de plausible mais faux.

Les modèles de langage formulent ce qui semble probable. Quand une connaissance leur manque, ils comblent parfois la lacune par une supposition. MAKOR y oppose ceci : les réponses s’appuient sur vos données, et là où des données manquent, MAKOR le dit ouvertement.

HarnaisHarness

Le cadre dans lequel travaille un modèle de langage ou un agent.

Littéralement l’équipement qui oriente une force dans une direction. Dans le développement de l’IA, le harnais définit quelles données un modèle voit, quels outils il peut utiliser et quelles règles s’appliquent. Makor Äther est le harnais qui relie données, processus, sens et IA.

I

Interface générativeUI générative

L’interface construit la vue adaptée à partir d’une question.

Au lieu de chercher dans les menus, vous posez une question. Makor Workspace choisit l’outil adapté, par exemple réseau, série temporelle ou carte, construit la vue et montre sur quoi elle repose. Chaque vue générée reste un outil à part entière.

L

L’humain décideHuman in the loop

Un humain vérifie et valide avant que quelque chose de conséquent ne se produise.

La technologie recommande, la décision vous revient. Dans MAKOR, les agents soumettent des propositions à validation, et les spécialistes donnent du poids et du contexte aux données.

M

Modèle de langageLLM, grand modèle de langage

Un programme qui comprend et formule du langage.

Il a appris d’une immense quantité de textes comment fonctionne la langue, mais pas comment fonctionne votre organisation. C’est pourquoi il a besoin de contexte : vos données, vos termes, vos règles. Dans MAKOR, il travaille avec ce contexte et cite la source.

O

On-premiseVotre propre matériel

Exploitation dans votre propre centre de données.

Le logiciel tourne sur votre matériel, sous votre contrôle. MAKOR fonctionne sur votre propre matériel, dans un cloud privé ou sur une PaaS européenne.

OWL, RDFS et SHACLStandards ouverts

Des standards pour décrire des termes et des règles de validation.

RDFS et OWL 2 servent à décrire des ontologies, SHACL à décrire des règles de validation des données. Comme MAKOR utilise ces standards du W3C, votre ontologie reste portable et vous appartient.

P

Piste d’auditAudit trail

Un journal complet de toutes les étapes de traitement.

Une piste d’audit enregistre quelle source, quel mapping, quelle règle et quelle étape ont conduit à un résultat. On peut ainsi retracer après coup comment une réponse a été obtenue, pour les humains comme pour les agents IA.

ProvenanceOrigine des données

D’où vient une information, dans quelle version et de quand.

Dans MAKOR, chaque information porte sa source, sa version, sa date et sa fiabilité. Pour chaque résultat, Makor Logos fournit la chaîne : quelle source, quel mapping, quelle règle.

R

RaisonnementInférence, reasoning

Déduire ce qui découle des termes et des règles.

Si la sous-unité E-9 fait partie de l’unité V-4 et que le véhicule F-112 fait partie de E-9, alors F-112 appartient aussi à V-4. Makor Logos ajoute de telles déductions sans modifier les données, et chaque déduction peut être retracée jusqu’à sa source.

Règlement sur l’IAEU AI Act

Loi européenne fixant des règles pour les systèmes d’IA.

Selon le niveau de risque, le règlement impose des exigences aux systèmes d’IA, par exemple en matière de transparence, de journalisation et de contrôle humain. La provenance de chaque réponse, une piste d’audit et la validation humaine aident à y répondre. Si et comment il s’applique dépend de l’usage.

S

Sémantique

Le sens des données.

Une colonne contient la valeur 3. Souvent, peu de gens savent ce qu’elle signifie. La sémantique rend ce sens explicite, pour que les humains, les analyses et l’IA parlent la même langue.

SIGSystème d’information géographique

Un logiciel pour les données ayant une dimension spatiale.

Un SIG traite des cartes, des zones, des sites et des mouvements. Makor Atlas associe le SIG à un DataCube, pour que même de très gros volumes restent analysables en temps réel.

Souveraineté numérique

Décider soi-même où se trouvent les données et qui y accède.

Pour MAKOR, cela signifie : développé, exploité et hébergé en Allemagne, aucun routage via des pays tiers, aucun service contrôlé de l’extérieur dans le chemin des données, des standards ouverts plutôt qu’une solution isolée.

SPARQL et GQLLangages de requête

Des langages standardisés pour interroger des graphes.

SPARQL est le standard du W3C pour les graphes RDF, GQL le standard ISO pour les graphes de propriétés (ISO/IEC 39075). Makor Logos prend en charge les deux, pour que vos requêtes ne soient pas liées à un produit.

Commencez par une question, pas par une plateforme.

Parlez-nous d’une question concrète et des sources dont vous disposez déjà. Nous vous montrons comment MAKOR permet d’y répondre.

Contact info@bonn-systems.com