Token, prompt, itération, agent, MCP… Apprenez enfin ce que signifient ces mots, avec des situations de cabinet et des exercices courts, sans jargon inutile.
Cet atelier est un bonus pédagogique : il ne modifie pas la collection des 30 cubes bronze, six cubes argent et du cube or des formations principales.
Comprendre ce que traite réellement une IA
Un assistant d’IA n’est pas une base de vérité : il produit des sorties à partir d’un modèle et d’unités de traitement.
Ensemble de méthodes informatiques capables d’effectuer certaines tâches de classification, prédiction ou génération.
Au cabinet : Un logiciel aide à regrouper des questions fréquentes du cabinet.
À ne pas confondre : Toutes les IA ne produisent pas du texte.
Famille de systèmes capables de produire du contenu : texte, image, son ou code.
Au cabinet : Créer le brouillon d’une affiche d’information générale.
À ne pas confondre : Le contenu généré n’est pas automatiquement exact.
Système mathématique entraîné à repérer des régularités et à produire des sorties.
Au cabinet : Deux modèles donnent des propositions différentes à partir d’une même consigne.
À ne pas confondre : Une version récente ne vaut pas certification médicale.
Modèle entraîné sur des données langagières pour traiter et générer du texte.
Au cabinet : Un LLM classe des phrases de questions administratives fictives.
À ne pas confondre : Un LLM n’accède pas nécessairement à Internet ou au dossier patient.
Unité de traitement du texte : morceau de mot, mot, caractère ou ponctuation selon le découpage du modèle.
Au cabinet : Un long document consomme davantage d’unités d’entrée, mais les comptes exacts varient.
À ne pas confondre : Un token n’est pas toujours un mot complet.
Une kinésithérapeute veut comprendre pourquoi un outil peut résumer une page sans « connaître » le patient.
Demander une reformulation d’une note fictive de prévention.
Vérifier les chiffres, références et recommandations proposés.
Confier un diagnostic à un modèle conversationnel non prévu à cet effet.
Expliquez avec vos propres mots deux termes de ce module, puis imaginez un cas professionnel fictif qui les illustre. Comparez votre explication aux cinq définitions ci-dessus. Le but est de savoir expliquer la notion à un collègue, pas de réciter une phrase.
OpenAI · Comprendre les tokens ↗Google Cloud · Glossaire IA générative ↗
Demander, préciser, corriger
La qualité du résultat dépend de la consigne et des vérifications successives, pas seulement du premier message.
Instruction et contexte fournis au modèle pour orienter sa réponse.
Au cabinet : « Prépare cinq titres pour une fiche de prévention générique. »
À ne pas confondre : Un prompt ne remplace pas une validation.
Pratique consistant à formuler et ajuster les consignes données au modèle.
Au cabinet : Définir le rôle de rédacteur, le public et les critères de sortie.
À ne pas confondre : Les mots magiques ne garantissent pas la qualité.
Cycle d’amélioration : produire un brouillon, l’examiner, préciser la demande et recommencer.
Au cabinet : « Réduis à 120 mots et remplace le jargon par des exemples. »
À ne pas confondre : Itérer sans vérifier peut répéter la même erreur.
Informations pertinentes fournies pour guider le modèle dans la tâche.
Au cabinet : Préciser que la fiche s’adresse aux patients âgés.
À ne pas confondre : Un contexte trop riche peut exposer des données inutilement.
Réponse produisant un contenu plausible mais faux, inventé ou insuffisamment étayé.
Au cabinet : Une bibliographie comporte un article inexistant.
À ne pas confondre : Une réponse assurée n’est pas un indice de fiabilité.
Une infirmière prépare une fiche d’accueil générique ; le premier brouillon est trop long et trop technique.
Utiliser un prompt mentionnant le public, la longueur et le format.
Demander à l’IA de signaler les informations non fournies.
Transformer automatiquement une réponse en consigne de soins individualisée.
Expliquez avec vos propres mots deux termes de ce module, puis imaginez un cas professionnel fictif qui les illustre. Comparez votre explication aux cinq définitions ci-dessus. Le but est de savoir expliquer la notion à un collègue, pas de réciter une phrase.
OpenAI · Comprendre les tokens ↗Google Cloud · Glossaire IA générative ↗
Agents, API, connecteurs et MCP
Un agent peut enchaîner des étapes avec des outils ; chaque connexion doit disposer d’autorisations adaptées et rester contrôlable.
Système qui peut organiser plusieurs étapes d’une tâche et, s’il y est autorisé, appeler des outils.
Au cabinet : Rechercher un modèle de courrier puis préparer un brouillon à valider.
À ne pas confondre : « Agent » ne signifie ni autonomie illimitée ni exactitude garantie.
Fonction externe qu’un système d’IA peut appeler pour lire, rechercher ou agir.
Au cabinet : Consulter un calendrier partagé configuré à cet effet.
À ne pas confondre : Une lecture et une écriture n’ont pas le même niveau de risque.
Interface permettant à deux logiciels d’échanger des demandes et des réponses de manière structurée.
Au cabinet : Un logiciel métier transmet une demande à un service autorisé.
À ne pas confondre : Une API n’est pas nécessairement accessible ni sécurisée par défaut.
Protocole ouvert standardisant la connexion d’applications d’IA à des outils et sources de données externes.
Au cabinet : Un client MCP interagit avec un serveur exposant des outils autorisés.
À ne pas confondre : MCP ne garantit pas, à lui seul, la confidentialité ou le bon paramétrage des accès.
Intégration reliant un outil à un service, parfois via API ou MCP.
Au cabinet : Connecter un calendrier à un assistant pour préparer une liste de réunions.
À ne pas confondre : Toujours vérifier permissions, consentements et suppression des accès.
Une équipe envisage un assistant capable de retrouver un document administratif et de préparer une réponse, sans l’envoyer automatiquement.
Autoriser uniquement la lecture d’un dossier de documents génériques.
Vérifier chaque application connectée, son périmètre et ses journaux.
Donner accès à toute la messagerie et aux dossiers patients sans contrôle.
Expliquez avec vos propres mots deux termes de ce module, puis imaginez un cas professionnel fictif qui les illustre. Comparez votre explication aux cinq définitions ci-dessus. Le but est de savoir expliquer la notion à un collègue, pas de réciter une phrase.
Model Context Protocol · Spécification ↗Google Cloud · Glossaire IA générative ↗
Sources, RAG et ajustement
Fournir des documents vérifiables peut améliorer la pertinence, mais ne transforme pas une réponse automatique en preuve.
Génération augmentée par récupération : on retrouve des documents pertinents, puis on les fournit au modèle pour répondre.
Au cabinet : Chercher un guide publié sur un site officiel avant de le résumer.
À ne pas confondre : Des documents récupérés peuvent être inexacts ou hors sujet.
Représentation numérique qui aide notamment à rapprocher des contenus sémantiquement similaires.
Au cabinet : Retrouver des documents parlant de sauvegarde même si le mot « copie » est utilisé.
À ne pas confondre : Une proximité mathématique n’est pas une preuve factuelle.
Entraînement supplémentaire d’un modèle sur des exemples pour adapter certains comportements.
Au cabinet : Adapter un style de réponses à un format administratif générique.
À ne pas confondre : Ce n’est pas nécessaire pour chaque tâche et cela soulève des questions de données.
Capable de traiter ou générer plusieurs types de contenu selon le modèle : texte, image, audio, etc.
Au cabinet : Analyser un diagramme fictif accompagné d’une question.
À ne pas confondre : Cela n’autorise pas la transmission libre de photos de patients.
Réglage disponible sur certains modèles ou interfaces, agissant sur la diversité des sorties possibles.
Au cabinet : Comparer deux styles de formulation lorsque le réglage est proposé.
À ne pas confondre : Une température faible ne garantit pas la vérité.
Un responsable de cabinet veut comparer une réponse de l’IA aux procédures internes publiques mises à jour.
Utiliser un ensemble de documents validés comme base de réponse.
Vérifier les dates, versions, citations et pertinence de l’extrait trouvé.
Faire passer une synthèse non vérifiée pour une recommandation officielle.
Expliquez avec vos propres mots deux termes de ce module, puis imaginez un cas professionnel fictif qui les illustre. Comparez votre explication aux cinq définitions ci-dessus. Le but est de savoir expliquer la notion à un collègue, pas de réciter une phrase.
Google Cloud · Glossaire IA générative ↗Google Cloud · Comprendre le RAG ↗
Biais, anonymisation et responsabilité
Le bon vocabulaire sert surtout à choisir les bonnes limites : données minimales, supervision humaine et vérification.
Informations relatives à une personne identifiée ou identifiable, directement ou indirectement.
Au cabinet : Un rendez-vous associé à une identité et un numéro de téléphone.
À ne pas confondre : L’absence du nom ne suffit pas forcément à rendre une information anonyme.
Transformation visant à empêcher l’identification des personnes de manière irréversible selon les critères applicables.
Au cabinet : Créer une synthèse statistique ne permettant pas de retrouver un patient.
À ne pas confondre : C’est une exigence plus forte que masquer le nom.
Remplacement d’identifiants par des pseudonymes, avec possibilité de réidentification sous conditions.
Au cabinet : Remplacer le nom par un code conservé dans un fichier séparé.
À ne pas confondre : Les données pseudonymisées restent des données personnelles.
Distorsion systématique dans des données, un modèle ou ses usages, pouvant entraîner des résultats inadaptés.
Au cabinet : Une recommandation fondée sur des exemples très peu diversifiés.
À ne pas confondre : Un résultat identique ne garantit pas qu’il soit équitable pour chacun.
Contrôle par une personne compétente avant d’utiliser ou de diffuser un résultat significatif.
Au cabinet : Le professionnel relit la fiche, vérifie les sources et corrige avant publication.
À ne pas confondre : Le contrôle ne doit pas être une simple signature automatique.
Un professionnel veut tester une IA pour reformuler un bilan à partir d’une photographie de dossier réel.
Expérimenter avec des situations entièrement fictives.
Évaluer outil, responsabilités, hébergement et cadre de traitement avant des données réelles.
Considérer qu’enlever le nom suffit toujours à anonymiser un patient.
Expliquez avec vos propres mots deux termes de ce module, puis imaginez un cas professionnel fictif qui les illustre. Comparez votre explication aux cinq définitions ci-dessus. Le but est de savoir expliquer la notion à un collègue, pas de réciter une phrase.
Vous avez validé les cinq modules du lexique et leurs 15 questions. Continuez avec la formation IA complète ou révisez le glossaire.
Approfondir avec la formation IA →Les définitions ont été reformulées pour un public non technicien. Elles résument le vocabulaire couramment utilisé et ne valident pas un logiciel pour le traitement de données de santé. Les interfaces, capacités et conditions des services peuvent évoluer.
