/ Lexique

Lexique IA, automatisation & SEO génératif

TL;DR — Glossaire de 18 termes — IA générative, agents, RAG, GEO, AIO, automatisation n8n — chacun défini en moins de 60 mots.

Un glossaire opérationnel des termes qu'on utilise dans nos briefs, audits et propositions. Pas de jargon gratuit — chaque définition tient en deux à trois phrases.

Agent IA

Programme autonome qui utilise un modèle de langage pour planifier, appeler des outils (API, bases de données, navigateur) et exécuter une tâche multi-étapes sans intervention humaine à chaque étape.

Un agent IA diffère d'un chatbot par sa capacité à agir — il déclenche des workflows, écrit dans des systèmes tiers et boucle jusqu'à atteindre un objectif.

Voir aussi: RAG (Retrieval-Augmented Generation), n8n

RAG (Retrieval-Augmented Generation)

Architecture qui combine un moteur de recherche vectorielle avec un LLM. Le système récupère les passages pertinents d'une base privée, puis les injecte dans le contexte du modèle pour générer une réponse sourcée.

Le RAG résout le problème d'hallucination sur des données propriétaires sans réentraîner le modèle. Coût marginal faible, mise à jour instantanée.

Voir aussi: Fine-tuning, Embedding

Fine-tuning

Procédé qui ajuste les poids d'un modèle pré-entraîné sur un jeu de données spécifique au domaine. Le modèle apprend un style, un format ou un raisonnement, pas des faits.

Voir aussi: RAG (Retrieval-Augmented Generation), LLM (Large Language Model)

Embedding

Représentation numérique (vecteur de plusieurs centaines de dimensions) d'un texte, d'une image ou d'un son. Deux contenus sémantiquement proches ont des vecteurs proches dans l'espace.

Voir aussi: RAG (Retrieval-Augmented Generation)

LLM (Large Language Model)

Modèle de langage à grande échelle entraîné sur des trillions de tokens. Exemples : GPT-5, Claude 4, Gemini 2, Llama 3. Génère du texte, du code et appelle des outils via tool-use.

GEO (Generative Engine Optimization)

Discipline qui optimise un site pour qu'il soit cité par les moteurs génératifs (ChatGPT, Perplexity, Google AI Overviews, Claude). Repose sur la structure sémantique, le balisage schema.org et la clarté factuelle.

Voir aussi: AIO (AI Overview), SEO (Search Engine Optimization)

AIO (AI Overview)

Bloc de réponse généré par l'IA affiché au-dessus des résultats organiques Google. Synthétise plusieurs sources avec liens. Capter une citation AIO est devenu plus stratégique que la position #1.

Voir aussi: GEO (Generative Engine Optimization), SEO (Search Engine Optimization)

SEO (Search Engine Optimization)

Optimisation pour les moteurs de recherche classiques basés sur des liens bleus. Couvre la technique, le contenu, l'autorité (backlinks) et l'expérience utilisateur. Toujours indispensable, mais ne suffit plus seul en 2026.

Voir aussi: GEO (Generative Engine Optimization), AIO (AI Overview)

n8n

Plateforme open-source d'automatisation de workflows, auto-hébergeable. Plus de 400 connecteurs, code JavaScript inline, exécution illimitée. Alternative à Zapier et Make pour scaler sans coût par tâche.

Voir aussi: Agent IA, Automatisation

Automatisation

Remplacement de tâches manuelles répétitives par des workflows orchestrés entre plusieurs systèmes (CRM, ERP, e-mail, base de données). Cible : facturation, lead routing, support N1, génération de rapports.

Voir aussi: n8n, Agent IA

Token

Unité de découpage d'un texte traitée par un LLM. Environ 0,75 mot en français. Le coût d'un appel API se facture au token entrant et sortant.

Prompt engineering

Conception et itération d'instructions données à un LLM pour obtenir un résultat fiable et reproductible. Inclut few-shot, chain-of-thought, structured outputs et garde-fous.

Vector database

Base de données spécialisée dans le stockage et la recherche de vecteurs d'embeddings par similarité cosinus. Exemples : Pinecone, Qdrant, pgvector. Brique fondamentale de toute architecture RAG.

Voir aussi: Embedding, RAG (Retrieval-Augmented Generation)

MCP (Model Context Protocol)

Protocole ouvert introduit par Anthropic qui standardise la connexion entre un LLM et des sources de contexte externes (fichiers, APIs, bases). Devient le standard de fait pour les écosystèmes d'agents en 2026.

Voir aussi: Agent IA

Hallucination

Réponse plausible mais factuellement fausse générée par un LLM. Mitigation : RAG sur sources vérifiées, tool-use pour les chiffres, citations obligatoires, validation par un second modèle.

Voir aussi: RAG (Retrieval-Augmented Generation)

Schema.org

Vocabulaire structuré (JSON-LD) qui décrit le contenu d'une page pour les moteurs et les LLM. Types clés en 2026 : Organization, FAQPage, Article, BreadcrumbList, SpeakableSpecification, DefinedTerm.

Voir aussi: GEO (Generative Engine Optimization), SEO (Search Engine Optimization)

Speakable

Propriété schema.org qui marque les sections d'une page lisibles à voix haute par un assistant vocal. Pré-requis pour apparaître dans les réponses Google Assistant et Alexa.

Voir aussi: Schema.org

SaaS replacement

Stratégie qui consiste à remplacer plusieurs abonnements SaaS payés par utilisateur par une application interne sur mesure construite avec IA et low-code. Amortie en 12 à 24 mois pour une équipe de 30+.