adresse IPdébutant
Identifiant numérique attribué à une machine sur un réseau, qui permet de l'atteindre depuis n'importe où. Elle tient sur 32 bits en IPv4 et sur 128 bits en IPv6.
Glossaire technique — Réseaux, IA & Cybersécurité
Répertoire des notions abordées dans les formations Academy Ayinedjimi : TCP/IP, intelligence artificielle, LLM, RAG, prompt engineering, cybersécurité des systèmes d'IA et conformité RGPD. Chaque terme dispose d'une adresse partageable et renvoie vers les chapitres qui le traitent.
1906 notions référencées 116 définiesAucun terme ne correspond à votre recherche.
Réseaux 38
adresse MACdébutant
Identifiant physique gravé dans une carte réseau, sur 48 bits. Contrairement à l'adresse IP, il n'a de portée que sur le réseau local et ne traverse pas les routeurs.
ARPdébutant
Protocole qui traduit une adresse IP en adresse MAC sur un réseau local. Il fonctionne par diffusion générale et n'authentifie rien, ce qui le rend vulnérable à l'usurpation.
BGPavancé
Protocole de routage inter-domaines (Border Gateway Protocol) qui gère l'échange de routes entre systèmes autonomes sur Internet. C'est lui qui permet à un paquet de traverser des dizaines d'opérateurs pour atteindre sa destination.
Broadcastdébutant
Envoi d'une trame à toutes les machines d'un même réseau local simultanément. C'est le mécanisme employé par ARP ou DHCP quand le destinataire n'est pas encore connu.
Abordé dans
- Adressage IPv4 Introduction à TCP/IP
- Protocole ARP Introduction à TCP/IP
CIDRintermédiaire
Notation qui indique combien de bits d'une adresse IP identifient le réseau, sous la forme /24 par exemple. Elle a remplacé les anciennes classes A, B et C, trop rigides.
Abordé dans
- Adressage IPv4 Introduction à TCP/IP
DHCPdébutant
Protocole qui attribue automatiquement une adresse IP et ses paramètres à une machine qui se connecte, en quatre échanges : découverte, offre, requête, accusé.
DNSdébutant
Système qui traduit un nom de domaine en adresse IP, par interrogations successives de la racine, des serveurs de premier niveau puis des serveurs faisant autorité.
Abordé dans
- TCP contre UDP TCP/IP Sprint — les essentiels en RSVP
- Ports utiles et DNS TCP/IP Sprint — les essentiels en RSVP
DNSSECavancé
Extension du DNS qui signe cryptographiquement les réponses, afin de garantir qu'elles proviennent bien du serveur légitime et n'ont pas été altérées en chemin.
Abordé dans
- DNS — L'annuaire d'Internet Introduction à TCP/IP
Encapsulationdébutant
Ajout, par chaque couche réseau, de son propre en-tête aux données reçues de la couche supérieure. À la réception, l'opération inverse se déroule couche après couche.
Abordé dans
- Introduction à TCP/IP Introduction à TCP/IP
- Le Modèle OSI Introduction à TCP/IP
fenêtre de congestionintermédiaire
Estimation, par l'émetteur TCP, du volume de données que le réseau peut absorber sans saturer. Elle croît tant que tout passe et chute dès qu'une perte est détectée.
fenêtre de réceptionintermédiaire
Volume de données que le récepteur annonce pouvoir absorber. Elle protège le destinataire de la saturation, là où la fenêtre de congestion protège le réseau.
HTTPSdébutant
HTTP sécurisé par TLS : chiffre les échanges entre client et serveur et authentifie le serveur via un certificat.
Abordé dans
- TCP contre UDP TCP/IP Sprint — les essentiels en RSVP
- Ports utiles et DNS TCP/IP Sprint — les essentiels en RSVP
ICMPintermédiaire
Protocole de signalisation d'IP, qui transporte les messages de contrôle et d'erreur : destination injoignable, TTL expiré, fragmentation nécessaire. Ping et traceroute reposent dessus.
Abordé dans
- Diagnostic express TCP/IP Sprint — les essentiels en RSVP
IPv4débutant
Version historique du protocole IP, dont les adresses tiennent sur 32 bits — soit environ 4,3 milliards de combinaisons, aujourd'hui épuisées.
Abordé dans
- IPv4 en essentiel TCP/IP Sprint — les essentiels en RSVP
IPv6intermédiaire
Version du protocole IP dont les adresses tiennent sur 128 bits, ce qui rend l'espace pratiquement inépuisable. Elle apporte aussi l'autoconfiguration et supprime le besoin de NAT.
Masque de sous-réseaudébutant
Valeur qui sépare, dans une adresse IP, la partie identifiant le réseau de celle identifiant la machine. Un masque 255.255.255.0 réserve les trois premiers octets au réseau.
Abordé dans
- Adressage IPv4 Introduction à TCP/IP
Modèle OSIdébutant
Découpage théorique des communications réseau en sept couches, de la transmission physique à l'application. Il sert surtout de référence commune pour situer un protocole ou diagnostiquer une panne.
Abordé dans
- Les 4 couches TCP/IP TCP/IP Sprint — les essentiels en RSVP
MSSintermédiaire
Taille maximale des données utiles d'un segment TCP, soit la MTU moins les en-têtes IP et TCP. Elle vaut typiquement 1 460 octets sur un lien Ethernet.
Abordé dans
- TCP et la connexion fiable Introduction à TCP/IP
MTUintermédiaire
Taille maximale d'une trame pouvant circuler sur un lien réseau, généralement 1 500 octets en Ethernet. Un paquet plus grand doit être fragmenté ou rejeté.
NATintermédiaire
Mécanisme qui permet à plusieurs machines d'un réseau privé de partager une seule adresse IP publique. Il compense la pénurie d'adresses IPv4 mais complique les connexions entrantes.
Abordé dans
- IPv4 en essentiel TCP/IP Sprint — les essentiels en RSVP
- Adressage IPv4 Introduction à TCP/IP
OSPFavancé
Protocole de routage intra-domaine à état de lien (Open Shortest Path First). Chaque routeur construit une carte complète du réseau et calcule le chemin le plus court vers chaque destination.
pare-feudébutant
Équipement ou logiciel qui filtre le trafic selon des règles (ports, adresses, états) pour réduire la surface d'attaque.
Passerelledébutant
Équipement réseau reliant deux réseaux de couches différentes ou traduisant des protocoles ; en TCP/IP, route les paquets entre sous-réseaux.
Abordé dans
- IPv4 en essentiel TCP/IP Sprint — les essentiels en RSVP
- Diagnostic express TCP/IP Sprint — les essentiels en RSVP
PMTUintermédiaire
Plus petite MTU rencontrée sur le trajet complet entre deux machines. Sa découverte repose sur ICMP : le bloquer provoque des connexions qui s'ouvrent puis se figent.
portdébutant
Numéro sur 16 bits qui désigne l'application destinataire sur une machine. Les ports 0 à 1023 sont réservés aux services système, comme 443 pour HTTPS.
QUICintermédiaire
Protocole de transport multiplexé et chiffré reposant sur UDP, base d'HTTP/3, conçu pour réduire la latence de connexion.
Abordé dans
- UDP — La vitesse avant tout Introduction à TCP/IP
SLAACavancé
Mécanisme par lequel une machine construit seule son adresse IPv6 à partir du préfixe annoncé par le routeur, sans serveur DHCP.
Abordé dans
- Adressage IPv6 Introduction à TCP/IP
Socketdébutant
Association d'une adresse IP et d'un port, qui identifie une extrémité de communication. Le quadruplet formé par les deux sockets d'une connexion la distingue de toutes les autres.
Abordé dans
- Ports et Sockets Introduction à TCP/IP
SSHdébutant
Protocole sécurisé d'accès distant à un serveur, chiffrant session et authentification (clé ou mot de passe).
Abordé dans
- TCP contre UDP TCP/IP Sprint — les essentiels en RSVP
- Ports utiles et DNS TCP/IP Sprint — les essentiels en RSVP
TCPdébutant
Protocole de transport qui garantit que les données arrivent complètes, dans l'ordre et sans doublon. Il établit une connexion, numérote chaque segment et retransmet ce qui manque.
Abordé dans
- TCP contre UDP TCP/IP Sprint — les essentiels en RSVP
Three-Way Handshakeintermédiaire
Séquence en trois messages — SYN, SYN-ACK, ACK — qui ouvre une connexion TCP. Elle synchronise les numéros de séquence des deux extrémités avant tout échange de données.
Abordé dans
- TCP et la connexion fiable Introduction à TCP/IP
TLSintermédiaire
Protocole cryptographique assurant confidentialité et intégrité des communications applicatives (notamment HTTPS).
TTLintermédiaire
Compteur porté par chaque paquet IP, décrémenté à chaque routeur traversé. À zéro, le paquet est détruit — ce qui évite les boucles infinies et permet à traceroute de cartographier un chemin.
Abordé dans
- Ports utiles et DNS TCP/IP Sprint — les essentiels en RSVP
UDPdébutant
Protocole de transport sans connexion ni garantie de livraison, réduit à un en-tête de 8 octets. Sa légèreté convient au DNS, à la voix et à la vidéo, où un retard coûte plus qu'une perte.
Abordé dans
- TCP contre UDP TCP/IP Sprint — les essentiels en RSVP
VLANintermédiaire
Réseau local virtuel qui segmente logiquement un LAN Ethernet sans exiger un câblage physique séparé.
VPNdébutant
Réseau privé virtuel qui chiffre le trafic entre deux points sur un réseau public. Il crée un tunnel sécurisé permettant d'accéder à des ressources distantes comme si on était sur le réseau local.
VXLANavancé
Protocole d'encapsulation réseau (RFC 7348) qui permet de superposer des réseaux virtuels de couche 2 sur une infrastructure IP existante. Très utilisé dans les clouds et datacenters pour dépasser la limite des 4 096 VLANs.
IA 66
affinageavancé
Poursuite de l'entraînement d'un modèle existant sur des données propres à un usage. Il enseigne une manière de répondre, non des connaissances fiables — d'où la préférence pour le RAG en entreprise.
agentavancé
Système qui enchaîne des appels d'outils de façon autonome pour atteindre un objectif : il planifie, agit, observe, recommence. Sa fiabilité décroît exponentiellement avec le nombre d'étapes.
Agent CLI
Programme en terminal qui enchaîne raisonnement et outils (lecture, édition, commandes) pour accomplir une tâche dans un environnement local.
annotationintermédiaire
Processus d'étiquetage manuel des données d'entraînement par des experts humains. La qualité de l'annotation conditionne directement les performances du modèle d'apprentissage supervisé.
Appel d'outilsavancé
Mécanisme par lequel un modèle produit un appel de fonction structuré que le code environnant décide d'exécuter. Le modèle n'a jamais d'accès direct : il propose, le code dispose.
Abordé dans
- Agents, outils et automatisation Introduction à l'intelligence artificielle
Apprentissage automatiquedébutant
Branche de l'IA où le programme dégage lui-même ses règles à partir d'exemples, au lieu de les recevoir d'un développeur. C'est ce déplacement des règles écrites vers les régularités apprises qui définit l'IA moderne.
Abordé dans
- Qu’est-ce que l’IA ? IA Sprint — essentiels en RSVP
apprentissage non superviséintermédiaire
Méthode où aucune réponse n'est fournie : le modèle doit dégager seul une structure dans les données, par exemple en regroupant des éléments semblables ou en repérant des anomalies.
Voir aussiApprentissage automatique
apprentissage par renforcementavancé
Méthode où un agent agit dans un environnement et reçoit une récompense ou une pénalité. Par essais répétés, il découvre la stratégie qui maximise la récompense cumulée.
Apprentissage par transfertavancé
Réutilisation d'un modèle entraîné sur un grand corpus généraliste, dont on ne réentraîne que les dernières couches. Quelques centaines d'exemples suffisent alors souvent.
Abordé dans
- La vision par ordinateur Introduction à l'intelligence artificielle
apprentissage profondintermédiaire
Sous-ensemble de l'apprentissage automatique fondé sur des réseaux de neurones à nombreuses couches. Chaque couche construit une abstraction plus élevée que la précédente.
Apprentissage superviséintermédiaire
Méthode où chaque exemple d'entraînement est accompagné de la réponse attendue. C'est la famille la plus employée en entreprise, mais elle exige des données étiquetées — souvent le poste de coût principal.
Abordé dans
- Comment une machine apprend IA Sprint — essentiels en RSVP
arrêt anticipéavancé
Interruption de l'entraînement au moment où l'erreur de validation cesse de diminuer, avant qu'elle ne remonte. C'est la parade la plus simple au surapprentissage.
Attentionavancé
Mécanisme par lequel un modèle pondère l'importance de chaque token du contexte lorsqu'il en traite un autre, quelle que soit la distance qui les sépare.
Abordé dans
- Les grands modèles de langage Introduction à l'intelligence artificielle
base vectorielleavancé
Base spécialisée qui indexe des embeddings pour retrouver rapidement les passages les plus proches d'une requête (cœur du RAG).
Abordé dans
- Pourquoi le RAG RAG : de la théorie à la production
BERTavancé
Modèle de langage pré-entraîné de Google basé sur l'architecture Transformer. Il est entraîné à prédire des mots masqués (MLM) et constitue la base de nombreux modèles spécialisés en classification et recherche sémantique.
Biaisintermédiaire
Régularité correctement apprise dans des données qui ne représentent pas la réalité visée, ou qui enregistrent des décisions passées avec leurs préjugés. Changer d'algorithme ne le corrige pas.
Abordé dans
- Les données : le vrai facteur limitant Introduction à l'intelligence artificielle
- Comment une machine apprend IA Sprint — essentiels en RSVP
- Limites et risques IA Sprint — essentiels en RSVP
chaîne de penséeintermédiaire
Technique de prompting (Chain-of-Thought) qui demande au modèle de détailler son raisonnement étape par étape avant de produire sa réponse finale. Elle améliore significativement les performances sur les tâches complexes.
chunkingavancé
Découpage d'un document en segments de taille fixe ou sémantique avant indexation vectorielle, pour optimiser la récupération RAG.
Abordé dans
- Pourquoi le RAG RAG : de la théorie à la production
- Chunking et préparation du corpus RAG : de la théorie à la production
Claude Code
Interface en ligne de commande agentique qui lit, édite et exécute des actions dans un dépôt de code sous contrôle de permissions, par opposition à un simple chat web.
CLAUDE.md
Fichier Markdown de consignes stables placé dans un projet pour orienter Claude Code (stack, conventions, périmètre, interdits) sans les répéter à chaque prompt.
CNNavancé
Réseau de neurones convolutif, architecture dominante en vision par ordinateur pour détecter des motifs locaux dans les images.
Abordé dans
- Réseaux de neurones et apprentissage profond Introduction à l'intelligence artificielle
- La vision par ordinateur Introduction à l'intelligence artificielle
Cross-encoderavancé
Modèle qui encode conjointement une requête et un document pour produire un score de pertinence, plus précis qu'un bi-encodeur mais plus coûteux à l'inférence.
Abordé dans
- Retrieval : retrouver le bon passage RAG : de la théorie à la production
- Rerank et fusion de signaux RAG : de la théorie à la production
Dériveavancé
Dégradation progressive des performances d'un modèle après son déploiement, causée par l'évolution des comportements ou du contexte. Elle impose surveillance et réentraînement.
Abordé dans
- Les données : le vrai facteur limitant Introduction à l'intelligence artificielle
diffusionintermédiaire
Famille de modèles génératifs qui synthétisent une image (ou autre signal) en dénisant progressivement un bruit.
donnéesdébutant
Ensemble d'informations structurées ou non utilisées pour entraîner, évaluer ou alimenter un modèle. La qualité, la quantité et la représentativité des données sont les facteurs décisifs pour les performances en apprentissage automatique.
embeddingavancé
Représentation numérique dense d'un texte, d'une image ou d'un objet dans un espace vectoriel, utilisée pour la similarité et la recherche sémantique.
Étiquetageintermédiaire
Travail consistant à associer à chaque exemple la réponse attendue. C'est presque toujours le poste le plus coûteux d'un projet d'apprentissage supervisé.
Abordé dans
- Comment une machine apprend Introduction à l'intelligence artificielle
Fenêtre de contexteintermédiaire
Quantité de texte qu'un modèle peut prendre en compte simultanément : question, documents fournis et historique. Au-delà, les éléments les plus anciens sortent du champ.
Abordé dans
- Les grands modèles de langage Introduction à l'intelligence artificielle
- Pourquoi le RAG RAG : de la théorie à la production
- Mémoire courte et longue Agents LLM et outils (function calling)
- Outils IA pour développeurs IA pour le développement logiciel
- Resources, prompts et contexte long MCP — Model Context Protocol pour l'IA en entreprise
Few-shotintermédiaire
Technique de prompt où l'on fournit quelques exemples entrée-sortie pour guider le modèle sans réentraînement.
Fine-tuningavancé
Ajustement des poids d'un modèle pré-entraîné sur un jeu de données spécifique pour adapter son comportement à un domaine ou une tâche cible.
Abordé dans
- Les grands modèles de langage Introduction à l'intelligence artificielle
- Pourquoi le RAG RAG : de la théorie à la production
- Quand fine-tuner (vs RAG et prompt) Fine-tuning et adaptation de modèles
Fonction d'activationintermédiaire
Opération non linéaire appliquée en sortie d'un neurone. Sans elle, empiler des couches serait inutile : une succession d'opérations linéaires reste équivalente à une seule.
Voir aussiréseau de neurones
Abordé dans
- Réseaux de neurones et apprentissage profond Introduction à l'intelligence artificielle
Fuite de donnéesavancé
Erreur consistant à laisser entrer dans l'entraînement une information qui n'existera pas au moment réel de la prédiction. Le modèle affiche des scores excellents puis s'effondre en production.
Abordé dans
- Les données : le vrai facteur limitant Introduction à l'intelligence artificielle
- Comment une machine apprend IA Sprint — essentiels en RSVP
GPUavancé
Processeur graphique parallélisant massivement les calculs matriciels ; indispensable à l'entraînement et à l'inférence des modèles de deep learning.
grand modèle de langagedébutant
Modèle entraîné à prédire le token suivant d'une séquence de texte. Toutes ses capacités apparentes — résumer, traduire, coder — découlent de cette unique tâche.
Hallucinationintermédiaire
Production par un modèle d'un énoncé faux formulé avec la même assurance qu'un fait établi. Le phénomène est structurel : le modèle optimise la vraisemblance, pas la vérité.
Abordé dans
- Limites, hallucinations et risques Introduction à l'intelligence artificielle
- Grands modèles de langage IA Sprint — essentiels en RSVP
- Limites et risques IA Sprint — essentiels en RSVP
- Anti-hallucination et ancrage factuel Prompt engineering pour professionnels
- Métriques pour systèmes LLM Évaluer et fiabiliser les systèmes LLM
Human-in-the-loopintermédiaire
Boucle où un opérateur humain valide, corrige ou arbitre les décisions du système IA avant une action irréversible.
Abordé dans
- OCR et document AI Vision par ordinateur appliquée
- UX de confiance Concevoir un produit IA (du POC au scale)
- Éthique produit et responsabilité Concevoir un produit IA (du POC au scale)
hyperparamètreavancé
Réglage choisi avant l'entraînement — vitesse d'apprentissage, taille du modèle, nombre d'itérations. Il se distingue des paramètres, ajustés automatiquement pendant l'entraînement.
inférencedébutant
Utilisation d'un modèle déjà entraîné sur une donnée nouvelle. Peu coûteuse à l'unité mais répétée à chaque requête, elle constitue le coût récurrent d'exploitation.
Voir aussiApprentissage automatique
Intelligence artificielledébutant
Ensemble des techniques permettant à un programme d'accomplir une tâche qui demanderait de l'intelligence humaine. Le terme couvre aussi bien les systèmes à règles écrites que ceux qui apprennent de données.
Abordé dans
- Qu’est-ce que l’IA ? IA Sprint — essentiels en RSVP
Jeu de testintermédiaire
Partie des données réservée à l'évaluation finale, à n'utiliser qu'une seule fois. Ajuster le modèle d'après ses résultats sur ce jeu lui ôte toute valeur de mesure indépendante.
Voir aussiApprentissage supervisé
Abordé dans
- Comment une machine apprend Introduction à l'intelligence artificielle
- Comment une machine apprend IA Sprint — essentiels en RSVP
LLMdébutant
Grand modèle de langage (Large Language Model) entraîné sur d'énormes corpus pour prédire et générer du texte.
Abordé dans
- Grands modèles de langage IA Sprint — essentiels en RSVP
LLM-as-judgeavancé
Évaluation automatisée où un LLM note ou compare des sorties selon des critères définis, souvent en complément de métriques classiques.
Abordé dans
- Évaluer la qualité d'un prompt Prompt engineering pour professionnels
- Évaluer un pipeline RAG RAG : de la théorie à la production
- Métriques pour systèmes LLM Évaluer et fiabiliser les systèmes LLM
- LLM-as-judge : forces et limites Évaluer et fiabiliser les systèmes LLM
- Choix de stack technique Concevoir un produit IA (du POC au scale)
LoRAavancé
Méthode d'adaptation légère d'un LLM : seules de petites matrices de rang faible sont entraînées, ce qui réduit fortement le coût GPU par rapport au fine-tuning complet.
MCP
Model Context Protocol : protocole permettant de brancher des outils et sources externes (docs, tickets, bases) à un agent LLM via des serveurs dédiés.
Mode print
Mode non interactif de Claude Code adapté aux scripts et à l'automatisation : la réponse est émise puis le processus se termine.
Modèle de diffusionavancé
Générateur d'images qui part de bruit pur et le retire progressivement, guidé par une description textuelle, jusqu'à faire apparaître une image cohérente.
Abordé dans
- L'IA générative : image, son et code Introduction à l'intelligence artificielle
multimodalintermédiaire
Qualifie un modèle capable de traiter et de générer plusieurs types de données simultanément : texte, images, audio, vidéo. Les modèles multimodaux comme GPT-4o combinent la compréhension visuelle et linguistique.
neurone artificielintermédiaire
Unité de calcul élémentaire qui effectue la somme pondérée de ses entrées, ajoute un biais, puis applique une fonction d'activation. La puissance vient de leur nombre, pas de l'unité elle-même.
Permissions Claude Code
Contrôles qui limitent ce que l'agent peut lire, écrire ou exécuter (shell) ; un périmètre trop large expose secrets et modifications non revues.
précisionintermédiaire
Proportion des alertes émises par un modèle qui sont justifiées. Elle s'oppose au rappel : améliorer l'une dégrade l'autre.
Promptdébutant
Consigne ou contexte fourni à un modèle de langage pour orienter sa réponse. La qualité du prompt conditionne souvent la qualité du résultat.
Abordé dans
- Grands modèles de langage IA Sprint — essentiels en RSVP
Prompt engineeringintermédiaire
Discipline consistant à concevoir des instructions précises pour guider un LLM vers la réponse souhaitée. Elle inclut les techniques de chain-of-thought, few-shot, rôle et format de sortie.
Abordé dans
- Quand fine-tuner (vs RAG et prompt) Fine-tuning et adaptation de modèles
RAGdébutant
Technique consistant à rechercher les documents pertinents et à les fournir au modèle dans son contexte. Elle permet des réponses à jour et citables, ce que l'affinage ne permet pas.
Abordé dans
- Les grands modèles de langage Introduction à l'intelligence artificielle
- Grands modèles de langage IA Sprint — essentiels en RSVP
rappelintermédiaire
Proportion des cas positifs réels effectivement détectés par un modèle. Sur un jeu déséquilibré, c'est un indicateur bien plus parlant que l'exactitude globale.
réseau antagoniste génératifavancé
Architecture composée d'un générateur (qui crée des données synthétiques) et d'un discriminateur (qui les distingue des vraies). L'entraînement en compétition produit des données très réalistes.
réseau convolutifavancé
Architecture conçue pour les images, qui fait glisser des filtres appris détectant des motifs locaux, puis les combine en motifs de plus en plus abstraits.
réseau de neuronesintermédiaire
Fonction mathématique composée de neurones artificiels organisés en couches, dont les coefficients sont ajustés pendant l'entraînement. Malgré son nom, il n'a presque rien de commun avec un cerveau.
Rétropropagationavancé
Algorithme d'entraînement d'un réseau de neurones : après chaque prédiction, il remonte le réseau pour calculer la contribution de chaque poids à l'erreur, puis corrige chacun en conséquence.
Abordé dans
- Réseaux de neurones et apprentissage profond Introduction à l'intelligence artificielle
sous-apprentissageintermédiaire
Défaut d'un modèle trop simple pour le problème posé : il se trompe autant sur les données d'entraînement que sur les nouvelles.
Voir aussiApprentissage automatique
Surapprentissageintermédiaire
Défaut d'un modèle qui mémorise ses exemples d'entraînement au lieu d'en dégager des régularités. Il excelle sur les données vues et échoue sur toute donnée nouvelle.
Abordé dans
- Les données : le vrai facteur limitant Introduction à l'intelligence artificielle
Tokendébutant
Fragment de texte manipulé par un modèle de langage, généralement plus court qu'un mot — trois à quatre caractères en français. La tarification et la limite de contexte se comptent en tokens.
Abordé dans
- Les grands modèles de langage Introduction à l'intelligence artificielle
tokenisationintermédiaire
Découpage d'un texte en unités (tokens) que le modèle traite. La fenêtre de contexte se compte en tokens, pas en mots.
tool callingavancé
Capacité d'un agent ou d'un LLM à invoquer des outils externes (API, calcul, recherche) pendant le raisonnement.
Transformeravancé
Architecture introduite en 2017, fondée sur le mécanisme d'attention, qui traite une séquence entière en parallèle. Elle sert de base à tous les grands modèles de langage actuels.
Abordé dans
- Qu'est-ce que l'intelligence artificielle ? Introduction à l'intelligence artificielle
- Réseaux de neurones et apprentissage profond Introduction à l'intelligence artificielle
- Les grands modèles de langage Introduction à l'intelligence artificielle
vitesse d'apprentissageavancé
Ampleur de la correction appliquée aux poids à chaque étape d'entraînement. Trop grande, l'entraînement oscille ; trop faible, il n'en finit pas.
Zero-shotintermédiaire
Capacité d'un modèle à réaliser une tâche sans exemple fourni dans le prompt, en s'appuyant uniquement sur ses connaissances pré-entraînées.
Cybersécurité 8
ARP Spoofingintermédiaire
Attaque consistant à répondre faussement à une requête ARP pour se faire passer pour la passerelle, et détourner ainsi le trafic du réseau local. C'est la base des attaques de l'homme du milieu en couche 2.
Abordé dans
- Protocole ARP Introduction à TCP/IP
chiffrementdébutant
Transformation d'une donnée lisible en une forme inintelligible à l'aide d'une clé. Le destinataire disposant de la clé peut retrouver le message original. C'est le socle de la confidentialité sur Internet.
Empoisonnementavancé
Introduction délibérée d'exemples corrompus dans un jeu d'entraînement, afin d'altérer durablement le comportement du modèle.
Abordé dans
- Sécuriser un système d'IA Introduction à l'intelligence artificielle
- Limites, hallucinations et risques Introduction à l'intelligence artificielle
exemple adverseavancé
Entrée modifiée de façon imperceptible pour un humain, mais suffisante pour faire basculer la décision d'un modèle. Cette fragilité découle de l'absence de sens commun.
Injection de promptavancé
Attaque visant à détourner un LLM en insérant des instructions malveillantes dans le contexte (entrée utilisateur, document RAG, etc.).
Abordé dans
- Surface d'attaque des systèmes IA Cybersécurité des systèmes d'IA
Injection de requêteintermédiaire
Attaque consistant à dissimuler des instructions dans un contenu que le modèle va lire, afin de détourner son comportement. Le risque devient critique dès qu'un agent peut agir.
Abordé dans
- Sécuriser un système d'IA Introduction à l'intelligence artificielle
Jailbreakavancé
Tentative de contourner les garde-fous d'un LLM pour obtenir des sorties interdites ou dangereuses.
Abordé dans
- Red teaming et abus Évaluer et fiabiliser les systèmes LLM
Red teamingavancé
Exercice offensif structuré visant à identifier les failles d'un système IA (prompt injection, fuite de données, biais) avant mise en production.
Abordé dans
- Red teaming et abus Évaluer et fiabiliser les systèmes LLM
Conformité 4
AI Actintermédiaire
Règlement européen sur l'intelligence artificielle, adopté en 2024. Il classe les systèmes en quatre niveaux de risque selon leur usage — jamais selon leur technologie.
Abordé dans
- Cadre réglementaire européen Introduction à l'intelligence artificielle
- Cadre et conformité IA Sprint — essentiels en RSVP
AIPDintermédiaire
Analyse d'impact relative à la protection des données, obligatoire dès qu'un traitement est susceptible d'engendrer un risque élevé — ce qui couvre la plupart des systèmes de profilage.
Abordé dans
- Cadre réglementaire européen Introduction à l'intelligence artificielle
Haut risqueintermédiaire
Catégorie de l'AI Act regroupant les usages soumis à conditions strictes : recrutement, crédit, éducation, infrastructures critiques. Elle impose documentation, examen des biais et contrôle humain effectif.
Abordé dans
- Cadre réglementaire européen Introduction à l'intelligence artificielle
RGPDdébutant
Règlement européen sur la protection des données personnelles. Il s'applique dès qu'un système d'IA traite de telles données, et se cumule avec l'AI Act.
Abordé dans
- Cadre réglementaire européen Introduction à l'intelligence artificielle
- Cadre et conformité IA Sprint — essentiels en RSVP
Autres 1790
128 bits
Abordé dans
- Adressage IPv6 Introduction à TCP/IP
32 bits
Abordé dans
- Adressage IPv4 Introduction à TCP/IP
4 couches
Abordé dans
- Introduction à TCP/IP Introduction à TCP/IP
7 couches
Abordé dans
- Le Modèle OSI Introduction à TCP/IP
abandon silencieux
Abordé dans
- Parcours utilisateur d'un produit IA Concevoir un produit IA (du POC au scale)
Abus d'ACL (GenericAll, GenericWrite, WriteDACL, ForceChangePassword)
Abordé dans
- Escalade de privilèges AD Pentest Active Directory
Abus d'outil (tool abuse) et exfiltration
Abordé dans
- Sécurité, autorisations et moindre privilège MCP — Model Context Protocol pour l'IA en entreprise
Abus de droits d'édition GPO
Abordé dans
- Escalade de privilèges AD Pentest Active Directory
Acceptation automatique et lassitude d'alerte
Abordé dans
- Interface, modes et permissions Débuter avec Claude Code
Accès base SQL en lecture seule
Abordé dans
- Intégration au SI existant MCP — Model Context Protocol pour l'IA en entreprise
Accès en lecture seule
Abordé dans
- Outils MCP et extensions Débuter avec Claude Code
Accord inter-annotateurs
Abordé dans
- Golden sets et datasets d'évaluation Évaluer et fiabiliser les systèmes LLM
- Data flywheel et apprentissage produit Concevoir un produit IA (du POC au scale)
Accord inter-annotateurs (kappa de Cohen)
Abordé dans
- Qualité des données vision Vision par ordinateur appliquée
Accountability de l'organe de direction
Abordé dans
- Gouvernance et responsabilités DORA — conformité et résilience opérationnelle numérique
Accountability et registre de preuves
Abordé dans
- Gouvernance et gestion des risques NIS2 et ReCyF : conformité opérationnelle
Accountability versus responsabilité opérationnelle
Abordé dans
- Politiques et rôles ISO/IEC 42001 — management de l'IA
Accumulation d'erreurs
Abordé dans
- Agents, outils et automatisation Introduction à l'intelligence artificielle
Acheter vs adapter vs construire
Abordé dans
- Conduire un projet d'IA Introduction à l'intelligence artificielle
ACL et ACE dangereuses (GenericAll, WriteDACL)
Abordé dans
- Énumération LDAP et SMB Pentest Active Directory
Acquisition et représentativité
Abordé dans
- Pipeline image de bout en bout Vision par ordinateur appliquée
Acteurs de la menace en IA
Abordé dans
- Surface d'attaque des systèmes IA Cybersécurité des systèmes d'IA
Action corrective et analyse de cause racine
Abordé dans
- Amélioration et certification ISO 27001:2022 — SMSI pratique
Action irréversible
Abordé dans
- Agent vs chatbot Agents LLM et outils (function calling)
Activation produit IA
Abordé dans
- Métriques produit IA Concevoir un produit IA (du POC au scale)
Active Directory comme surface de compromission centrale
Abordé dans
- Pourquoi le pentest Active Directory Pentest Active Directory
Active learning
Abordé dans
- Data flywheel et apprentissage produit Concevoir un produit IA (du POC au scale)
Adaptation à faible rang (LoRA)
Abordé dans
- LoRA et QLoRA Fine-tuning et adaptation de modèles
Additivité des NetworkPolicy
Abordé dans
- Network Policies Sécurité Kubernetes
AdminSDHolder et comptes protégés
Abordé dans
- Escalade de privilèges AD Pentest Active Directory
Admission controller de validation et de mutation
Abordé dans
- Supply chain et images Sécurité Kubernetes
Adressage
Abordé dans
- Le Modèle OSI Introduction à TCP/IP
Adresse privée
Abordé dans
- IPv4 en essentiel TCP/IP Sprint — les essentiels en RSVP
Agence excessive d'un agent
Abordé dans
- Tests de sécurité IA : red teaming et fuzzing de prompts Cybersécurité des systèmes d'IA
Agence excessive (excessive agency)
Abordé dans
- Surface d'attaque des systèmes IA Cybersécurité des systèmes d'IA
Agent autonome
Abordé dans
- Agents, outils et automatisation Introduction à l'intelligence artificielle
- Outils IA pour développeurs IA pour le développement logiciel
Agent CLI vs chat web
Abordé dans
- Qu'est-ce que Claude Code Débuter avec Claude Code
- Installation et premier lancement Débuter avec Claude Code
Agent de codage autonome
Abordé dans
- Workflows de développement assistés IA pour le développement logiciel
Agent orchestré
Abordé dans
- Outils IA pour développeurs IA pour le développement logiciel
AI Act et obligations de transparence
Abordé dans
- Enjeux de conformité de l'IA générative IA générative, conformité et propriété intellectuelle
AI Act : rôle provider vs deployer
Abordé dans
- Gouvernance, souveraineté et conformité LLM locaux — déploiement Ollama, vLLM et souveraineté
AI Impact Assessment
Abordé dans
- Pourquoi ISO 42001 ISO/IEC 42001 — management de l'IA
AI Office
Abordé dans
- Gouvernance, sanctions et calendrier AI Act — comprendre et appliquer le règlement européen sur l'IA
AIMS (AI Management System)
Abordé dans
- Pourquoi ISO 42001 ISO/IEC 42001 — management de l'IA
AIPD (analyse d'impact relative à la protection des données)
Abordé dans
- DPIA et registres IA générative, conformité et propriété intellectuelle
Alert fatigue et coût caché du triage manuel
Abordé dans
- Triage d'alertes assisté Introduction à l'IA pour la Cybersécurité
Alertes d'audit runtime
Abordé dans
- Atelier : checklist production Sécurité Kubernetes
Alignement
Abordé dans
- Les grands modèles de langage Introduction à l'intelligence artificielle
Alignement stratégique de la politique SSI
Abordé dans
- Leadership et politique ISO 27001:2022 — SMSI pratique
Allocation et transfert mémoire (cudaMalloc, cudaMemcpy)
Abordé dans
- Modèle de programmation CUDA CUDA avancé — GPU et IA haute performance
allowlist d'outils et de paramètres
Abordé dans
- Garde-fous et politiques d'action Agents LLM et outils (function calling)
Allowlist réseau sortant
Abordé dans
- Exfiltration et fuites de contexte Cybersécurité des systèmes d'IA
Allowlists d'outils et scopes de jetons
Abordé dans
- Sécurité, autorisations et moindre privilège MCP — Model Context Protocol pour l'IA en entreprise
Ambiguïté résolue par le modèle
Abordé dans
- Pourquoi le prompt engineering change le résultat Prompt engineering pour professionnels
Amélioration continue (clause 10.1 / 10.3)
Abordé dans
- Audit et amélioration ISO/IEC 42001 — management de l'IA
Amélioration continue (PDCA)
Abordé dans
- Pourquoi ISO 42001 ISO/IEC 42001 — management de l'IA
Analyse d'écart (gap analysis)
Abordé dans
- ReCyF : lecture opérationnelle NIS2 et ReCyF : conformité opérationnelle
Analyse d'impact (AIPD/DPIA)
Abordé dans
- Données personnelles et LLM IA générative, conformité et propriété intellectuelle
Analyse de cause racine
Abordé dans
- Audit et amélioration ISO/IEC 42001 — management de l'IA
Analyse de risques et politique de sécurité des systèmes d'information
Abordé dans
- Obligations essentielles NIS2 et ReCyF : conformité opérationnelle
Analyse de risques simplifiée
Abordé dans
- Atelier : SMSI MVP ISO 27001:2022 — SMSI pratique
Analyse multimodale (URL, texte, image, pièce jointe)
Abordé dans
- Détection du phishing Introduction à l'IA pour la Cybersécurité
Ancrage des réponses sur des sources vérifiées (grounding)
Abordé dans
- Copilotes SOC Introduction à l'IA pour la Cybersécurité
Ancrage factuel
Abordé dans
- Anti-hallucination et ancrage factuel Prompt engineering pour professionnels
Ancrages (anchors)
Abordé dans
- Détection d'objets Vision par ordinateur appliquée
Angle mort structurel vs limite temporaire
Abordé dans
- Revue de code assistée IA pour le développement logiciel
Annexe A 2022 : 4 thèmes, 93 mesures
Abordé dans
- ISO 27001:2022 en pratique ISO 27001:2022 — SMSI pratique
Annexe A et contrôles de gouvernance IA
Abordé dans
- Pourquoi ISO 42001 ISO/IEC 42001 — management de l'IA
Annexe I — secteurs hautement critiques
Abordé dans
- Périmètre et entités concernées NIS2 et ReCyF : conformité opérationnelle
Annexe II — autres secteurs critiques
Abordé dans
- Périmètre et entités concernées NIS2 et ReCyF : conformité opérationnelle
Annexe III et ses huit domaines
Abordé dans
- Systèmes d'IA à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Annotation et guide d'annotation
Abordé dans
- Pipeline image de bout en bout Vision par ordinateur appliquée
Anonymisation et confidentialité
Abordé dans
- Partage d'information sur les menaces DORA — conformité et résilience opérationnelle numérique
Anonymisation et pseudonymisation
Abordé dans
- Données personnelles et LLM IA générative, conformité et propriété intellectuelle
ANSSI comme autorité de contrôle
Abordé dans
- NIS2 : ce qui change vraiment NIS2 et ReCyF : conformité opérationnelle
Answer relevancy
Abordé dans
- Évaluer un pipeline RAG RAG : de la théorie à la production
Anti-pattern du serveur monolithe
Abordé dans
- Patterns avancés multi-serveurs MCP — Model Context Protocol pour l'IA en entreprise
Anticipation des objections du COMEX
Abordé dans
- Atelier : roadmap COMEX NIS2 et ReCyF : conformité opérationnelle
API compatible OpenAI
Abordé dans
- vLLM — inference haute performance LLM locaux — déploiement Ollama, vLLM et souveraineté
API HTTP Ollama
Abordé dans
- Ollama — premier déploiement opérationnel LLM locaux — déploiement Ollama, vLLM et souveraineté
API managée vs self-host
Abordé dans
- Choix de stack technique Concevoir un produit IA (du POC au scale)
API server comme point d'entrée unique et surface d'authentification
Abordé dans
- Surface d'attaque du cluster Sécurité Kubernetes
API server et etcd comme cibles critiques
Abordé dans
- Pourquoi sécuriser Kubernetes Sécurité Kubernetes
Application
Abordé dans
- Les 4 couches TCP/IP TCP/IP Sprint — les essentiels en RSVP
Appréciation des risques (clause 6.1.2)
Abordé dans
- Planification et risques ISO 27001:2022 — SMSI pratique
Appréciation des risques IA
Abordé dans
- Atelier : AIMS pragmatique ISO/IEC 42001 — management de l'IA
Appréciation et traitement des risques
Abordé dans
- ISO 27001:2022 en pratique ISO 27001:2022 — SMSI pratique
Apprentissage dans le contexte
Abordé dans
- Few-shot, chain-of-thought et décomposition Prompt engineering pour professionnels
Apprentissage supervisé vs non supervisé en détection
Abordé dans
- Détection d'anomalies Introduction à l'IA pour la Cybersécurité
Approche par les risques
Abordé dans
- AI Act : cadre européen de l'intelligence artificielle AI Act — comprendre et appliquer le règlement européen sur l'IA
Approches hybrides RAG + LoRA
Abordé dans
- Décision : RAG vs fine-tuning Fine-tuning et adaptation de modèles
Arbitrage de risque résiduel formellement acté
Abordé dans
- Atelier : roadmap COMEX NIS2 et ReCyF : conformité opérationnelle
Arbitrage des conflits
Abordé dans
- Multi-agents et orchestration Agents LLM et outils (function calling)
arbitrage Ollama vs vLLM
Abordé dans
- Atelier — feuille de route vers la production LLM locaux — déploiement Ollama, vLLM et souveraineté
Arborescence des unités organisationnelles (OU)
Abordé dans
- Cartographier le domaine Pentest Active Directory
architecture assistant RH / support
Abordé dans
- Intégration aux produits métier LLM locaux — déploiement Ollama, vLLM et souveraineté
architecture capture-modèle-décision
Abordé dans
- Cas industrie : qualité, logistique, maintenance Vision par ordinateur appliquée
Architecture edge, cloud et hybride
Abordé dans
- Déploiement edge et cloud Vision par ordinateur appliquée
architecture hybride avec fallback
Abordé dans
- Choix de stack technique Concevoir un produit IA (du POC au scale)
Architecture RAG souveraine
Abordé dans
- RAG privé sur données internes LLM locaux — déploiement Ollama, vLLM et souveraineté
ARP Gratuit
Abordé dans
- Protocole ARP Introduction à TCP/IP
ARPANET
Abordé dans
- Introduction à TCP/IP Introduction à TCP/IP
Article 21 de NIS2 : dix mesures minimales de gestion des risques
Abordé dans
- Obligations essentielles NIS2 et ReCyF : conformité opérationnelle
Article 22
Abordé dans
- Cadre réglementaire européen Introduction à l'intelligence artificielle
Article 45 de DORA
Abordé dans
- Partage d'information sur les menaces DORA — conformité et résilience opérationnelle numérique
Article 5 AI Act
Abordé dans
- Pratiques d'IA interdites AI Act — comprendre et appliquer le règlement européen sur l'IA
Article 50 AI Act
Abordé dans
- Transparence et risque limité AI Act — comprendre et appliquer le règlement européen sur l'IA
Article 6(3) et exclusions documentées
Abordé dans
- Systèmes d'IA à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Article 9 DORA (protection et prévention)
Abordé dans
- Protection, prévention et détection DORA — conformité et résilience opérationnelle numérique
articulation AI Act / ISO 42001 / RGPD
Abordé dans
- Plan de mise en conformité AI Act AI Act — comprendre et appliquer le règlement européen sur l'IA
Articulation avec la fonction conformité
Abordé dans
- Gouvernance et responsabilités DORA — conformité et résilience opérationnelle numérique
Articulation avec le RGPD
Abordé dans
- AI Act : cadre européen de l'intelligence artificielle AI Act — comprendre et appliquer le règlement européen sur l'IA
Articulation avec les articles 19 et 20
Abordé dans
- Partage d'information sur les menaces DORA — conformité et résilience opérationnelle numérique
AS-REP Roasting et pré-authentification désactivée
Abordé dans
- Kerberoasting et AS-REP Roasting Pentest Active Directory
AS-REQ / AS-REP et TGS-REQ / TGS-REP
Abordé dans
- Kerberos : tickets et confiance Pentest Active Directory
Assistant conversationnel de code
Abordé dans
- Outils IA pour développeurs IA pour le développement logiciel
Astuce de transposition row-major sans copie
Abordé dans
- cuBLAS et cuDNN CUDA avancé — GPU et IA haute performance
Attaque par disponibilité vs attaque ciblée
Abordé dans
- Data poisoning et contamination Cybersécurité des systèmes d'IA
Attaques adversariales sur modèles de détection
Abordé dans
- L'IA au service de la cybersécurité Introduction à l'IA pour la Cybersécurité
Attribution au niveau du span
Abordé dans
- Citations et grounding RAG : de la théorie à la production
AUC-ROC
Abordé dans
- Classification d'images Vision par ordinateur appliquée
Audit continu
Abordé dans
- Hardening et audit Sécurité Kubernetes
Audit continu et revue périodique
Abordé dans
- Cas entreprise : dossier type IA générative, conformité et propriété intellectuelle
Audit de configuration
Abordé dans
- Pourquoi le pentest Active Directory Pentest Active Directory
Audit de surveillance et recertification triennale
Abordé dans
- Amélioration et certification ISO 27001:2022 — SMSI pratique
audit des invocations d'outils
Abordé dans
- Clients : IDE, agents et orchestrateurs MCP — Model Context Protocol pour l'IA en entreprise
Audit des permissions effectives
Abordé dans
- RBAC et identités Sécurité Kubernetes
Audit étape 1 et étape 2
Abordé dans
- Amélioration et certification ISO 27001:2022 — SMSI pratique
Audit interne à blanc
Abordé dans
- Atelier : AIMS pragmatique ISO/IEC 42001 — management de l'IA
Audit périodique des livrables assistés par IA
Abordé dans
- Gouvernance IA en entreprise IA générative, conformité et propriété intellectuelle
Auditabilité du pipeline
Abordé dans
- Threat intelligence et NLP Introduction à l'IA pour la Cybersécurité
Auditabilité et journal des suggestions
Abordé dans
- Copilotes SOC Introduction à l'IA pour la Cybersécurité
Audits et amélioration continue
Abordé dans
- ISO 27001:2022 en pratique ISO 27001:2022 — SMSI pratique
Augmentation de données
Abordé dans
- Pipeline image de bout en bout Vision par ordinateur appliquée
authentification du transport
Abordé dans
- Transports : stdio, HTTP et SSE MCP — Model Context Protocol pour l'IA en entreprise
Authentification forte et cyberhygiène
Abordé dans
- Obligations essentielles NIS2 et ReCyF : conformité opérationnelle
Authentification OAuth ou clé API
Abordé dans
- Installation et premier lancement Débuter avec Claude Code
Authentification OIDC et SSO d'entreprise
Abordé dans
- API gateway, authentification et isolation LLM locaux — déploiement Ollama, vLLM et souveraineté
Authentification par clé API
Abordé dans
- API gateway, authentification et isolation LLM locaux — déploiement Ollama, vLLM et souveraineté
authentification scoping
Abordé dans
- Outils et APIs (function calling) Agents LLM et outils (function calling)
auto-préférence du juge
Abordé dans
- LLM-as-judge : forces et limites Évaluer et fiabiliser les systèmes LLM
Autocomplétion contextuelle
Abordé dans
- Outils IA pour développeurs IA pour le développement logiciel
Autonomie graduée
Abordé dans
- Agent vs chatbot Agents LLM et outils (function calling)
Autorisation judiciaire préalable
Abordé dans
- Pratiques d'IA interdites AI Act — comprendre et appliquer le règlement européen sur l'IA
Autorité compétente et CSIRT national
Abordé dans
- Reporting d'incidents NIS2 et ReCyF : conformité opérationnelle
Autorité compétente (NCA)
Abordé dans
- Incidents majeurs et notification DORA — conformité et résilience opérationnelle numérique
autorité nationale de surveillance
Abordé dans
- Gouvernance, sanctions et calendrier AI Act — comprendre et appliquer le règlement européen sur l'IA
autorité notifiante et organisme notifié
Abordé dans
- Gouvernance, sanctions et calendrier AI Act — comprendre et appliquer le règlement européen sur l'IA
Backbone et tête de tâche
Abordé dans
- Panorama de la vision moderne Vision par ordinateur appliquée
Backbone pré-entraîné
Abordé dans
- Classification d'images Vision par ordinateur appliquée
Bank conflicts en mémoire partagée et padding
Abordé dans
- Hiérarchie mémoire et coalescing CUDA avancé — GPU et IA haute performance
Base de données UE des systèmes à haut risque
Abordé dans
- Évaluation de conformité et marquage CE AI Act — comprendre et appliquer le règlement européen sur l'IA
Base légale
Abordé dans
- Cadre réglementaire européen Introduction à l'intelligence artificielle
Base légale RGPD (article 6)
Abordé dans
- Données personnelles et LLM IA générative, conformité et propriété intellectuelle
base légale RGPD et analyse d'impact (DPIA)
Abordé dans
- Gouvernance, souveraineté et conformité LLM locaux — déploiement Ollama, vLLM et souveraineté
Base vectorielle et RAG
Abordé dans
- Mémoire courte et longue Agents LLM et outils (function calling)
Base vectorielle on-premise
Abordé dans
- RAG privé sur données internes LLM locaux — déploiement Ollama, vLLM et souveraineté
Baseline comportementale
Abordé dans
- Détection d'anomalies Introduction à l'IA pour la Cybersécurité
Baseline de hardening GPO et réduction de surface d'attaque
Abordé dans
- Détection et défense Pentest Active Directory
Batch size effectif et accumulation de gradient
Abordé dans
- Entraînement pratique Fine-tuning et adaptation de modèles
Batching continu (continuous batching)
Abordé dans
- Optimisation inférence LLM CUDA avancé — GPU et IA haute performance
benchmark d'évaluation
Abordé dans
- Métriques pour systèmes LLM Évaluer et fiabiliser les systèmes LLM
Benchmarks académiques (MMLU, GSM8K, HellaSwag)
Abordé dans
- Évaluation post-adaptation Fine-tuning et adaptation de modèles
benchmarks de référence
Abordé dans
- Paysage des modèles open-weight et licences LLM locaux — déploiement Ollama, vLLM et souveraineté
Bi-encoder
Abordé dans
- Rerank et fusion de signaux RAG : de la théorie à la production
Bi-encoder et apprentissage contrastif
Abordé dans
- Embeddings : représenter le sens RAG : de la théorie à la production
biais algorithmique
Abordé dans
- Éthique produit et responsabilité Concevoir un produit IA (du POC au scale)
Biais d'acquisition
Abordé dans
- Qualité des données vision Vision par ordinateur appliquée
Biais d'étiquetage
Abordé dans
- Qualité des données vision Vision par ordinateur appliquée
Biais de confirmation en boucle IA génère / IA relit
Abordé dans
- Revue de code assistée IA pour le développement logiciel
Biais de longueur
Abordé dans
- Données d'instruction et de préférence Fine-tuning et adaptation de modèles
biais de position
Abordé dans
- LLM-as-judge : forces et limites Évaluer et fiabiliser les systèmes LLM
biais de pré-entraînement vs biais de corpus
Abordé dans
- Biais, sécurité et alignement Fine-tuning et adaptation de modèles
Biais de recopie entre flux OSINT
Abordé dans
- Threat intelligence et NLP Introduction à l'IA pour la Cybersécurité
Biais de représentation
Abordé dans
- Qualité des données vision Vision par ordinateur appliquée
Biais de sélection des données
Abordé dans
- Data flywheel et apprentissage produit Concevoir un produit IA (du POC au scale)
Biais de sélection des exemples
Abordé dans
- Few-shot, chain-of-thought et décomposition Prompt engineering pour professionnels
Biais par variables corrélées
Abordé dans
- L'IA dans les métiers : cas réels Introduction à l'intelligence artificielle
Bloc, grille et mapping matériel
Abordé dans
- Architecture GPU NVIDIA CUDA avancé — GPU et IA haute performance
Boucle d'amélioration continue
Abordé dans
- Évaluer la qualité d'un prompt Prompt engineering pour professionnels
- Gouvernance IA en entreprise IA générative, conformité et propriété intellectuelle
Boucle d'amélioration continue clause 9 vers clause 10
Abordé dans
- Performance et audit interne ISO 27001:2022 — SMSI pratique
Boucle d'amélioration continue vers le golden set
Abordé dans
- Réponse aux incidents Évaluer et fiabiliser les systèmes LLM
Boucle d'annotation et de ré-entraînement
Abordé dans
- Panorama de la vision moderne Vision par ordinateur appliquée
boucle de feedback
Abordé dans
- Parcours utilisateur d'un produit IA Concevoir un produit IA (du POC au scale)
boucle de réentraînement
Abordé dans
- Cas industrie : qualité, logistique, maintenance Vision par ordinateur appliquée
Boucle de replanification
Abordé dans
- Planification et décomposition de tâches Agents LLM et outils (function calling)
Boucle de réponse à incident appliquée à l'IA
Abordé dans
- Playbook SOC pour incidents IA Cybersécurité des systèmes d'IA
Boucle de réponse à incident container
Abordé dans
- Runtime et détection Sécurité Kubernetes
Boucle de rétroaction analyste
Abordé dans
- Détection d'anomalies Introduction à l'IA pour la Cybersécurité
- Enrichir le SIEM avec l'IA Introduction à l'IA pour la Cybersécurité
Boucle de rétroaction et dérive du modèle
Abordé dans
- Triage d'alertes assisté Introduction à l'IA pour la Cybersécurité
Boucle de rétroaction humain-machine
Abordé dans
- L'IA au service de la cybersécurité Introduction à l'IA pour la Cybersécurité
Boucle de rétroaction humaine (human-in-the-loop)
Abordé dans
- Détection du phishing Introduction à l'IA pour la Cybersécurité
Boucle de supervision humaine
Abordé dans
- Problème et valeur : où l'IA apporte un levier Concevoir un produit IA (du POC au scale)
boucle infinie d'appels d'outils
Abordé dans
- Boucle reason-act Agents LLM et outils (function calling)
Boucle lire / éditer / exécuter / vérifier
Abordé dans
- Qu'est-ce que Claude Code Débuter avec Claude Code
Boucle observation-décision-action
Abordé dans
- Agent vs chatbot Agents LLM et outils (function calling)
- Cas métier de bout en bout Agents LLM et outils (function calling)
Boucle proposer / réviser / valider
Abordé dans
- Premiers workflows utiles Débuter avec Claude Code
boucle reason-act (ReAct)
Abordé dans
- Boucle reason-act Agents LLM et outils (function calling)
Bounding box
Abordé dans
- Détection d'objets Vision par ordinateur appliquée
breaking change silencieux
Abordé dans
- Exploitation production et posture SRE MCP — Model Context Protocol pour l'IA en entreprise
Brouillon révisé
Abordé dans
- L'IA générative : image, son et code Introduction à l'intelligence artificielle
budget d'itérations (max_steps)
Abordé dans
- Boucle reason-act Agents LLM et outils (function calling)
budget de contexte
Abordé dans
- Resources, prompts et contexte long MCP — Model Context Protocol pour l'IA en entreprise
Budget de jetons, d'appels et de temps
Abordé dans
- Planification et décomposition de tâches Agents LLM et outils (function calling)
Budget de latence
Abordé dans
- Rerank et fusion de signaux RAG : de la théorie à la production
Budget de latence de bout en bout
Abordé dans
- Déploiement edge et cloud Vision par ordinateur appliquée
Budget de latence (P50/P95/P99)
Abordé dans
- Coûts, latence et capacity planning RAG : de la théorie à la production
Budget de sécurité proportionné au risque
Abordé dans
- Gouvernance et gestion des risques NIS2 et ReCyF : conformité opérationnelle
Budget de tours
Abordé dans
- Multi-agents et orchestration Agents LLM et outils (function calling)
Budget de workspace cuDNN
Abordé dans
- cuBLAS et cuDNN CUDA avancé — GPU et IA haute performance
Budgétisation CAPEX/OPEX de la conformité
Abordé dans
- Plan de mise en conformité NIS2 et ReCyF : conformité opérationnelle
buffering et timeouts
Abordé dans
- Transports : stdio, HTTP et SSE MCP — Model Context Protocol pour l'IA en entreprise
Bureau européen de l'IA (AI Office)
Abordé dans
- Modèles GPAI et modèles de fondation AI Act — comprendre et appliquer le règlement européen sur l'IA
Cache ARP
Abordé dans
- Protocole ARP Introduction à TCP/IP
Cache clé-valeur (KV cache) et pagination mémoire pour l'inférence LLM
Abordé dans
- Pourquoi CUDA pour l'IA haute performance CUDA avancé — GPU et IA haute performance
Cache de prompt
Abordé dans
- Coûts, latence et capacity planning RAG : de la théorie à la production
Cache et idempotence des appels
Abordé dans
- Patterns avancés multi-serveurs MCP — Model Context Protocol pour l'IA en entreprise
Cache et TTL
Abordé dans
- DNS — L'annuaire d'Internet Introduction à TCP/IP
cache KV (key-value cache)
Abordé dans
- vLLM — inference haute performance LLM locaux — déploiement Ollama, vLLM et souveraineté
Cache sémantique
Abordé dans
- Coûts, latence et capacity planning RAG : de la théorie à la production
- Passer à l'échelle Concevoir un produit IA (du POC au scale)
Cadrage avant POC
Abordé dans
- Problème et valeur : où l'IA apporte un levier Concevoir un produit IA (du POC au scale)
Cadrage et périmètre du test (scoping)
Abordé dans
- Tests de résilience numérique DORA — conformité et résilience opérationnelle numérique
Cadre de gestion des risques liés aux TIC
Abordé dans
- DORA : résilience opérationnelle numérique en finance DORA — conformité et résilience opérationnelle numérique
Cadre légal de l'intrusion en France (art. 323-1 et suivants)
Abordé dans
- Pourquoi le pentest Active Directory Pentest Active Directory
Cadre SPACE (Satisfaction, Performance, Activity, Communication, Efficiency)
Abordé dans
- Mesurer la productivité sans se tromper IA pour le développement logiciel
Cadre TIC au niveau groupe
Abordé dans
- Périmètre et entités financières DORA — conformité et résilience opérationnelle numérique
Calendrier d'application 2025-2027
Abordé dans
- AI Act : niveaux de risque IA générative, conformité et propriété intellectuelle
Calendrier d'application échelonné
Abordé dans
- AI Act : cadre européen de l'intelligence artificielle AI Act — comprendre et appliquer le règlement européen sur l'IA
calendrier d'entrée en application
Abordé dans
- Gouvernance, sanctions et calendrier AI Act — comprendre et appliquer le règlement européen sur l'IA
Calibration de l'incertitude
Abordé dans
- UX de confiance Concevoir un produit IA (du POC au scale)
Calibration du juge automatisé
Abordé dans
- Tests de régression LLM Évaluer et fiabiliser les systèmes LLM
Calibration few-shot sur le cas difficile
Abordé dans
- Atelier : cas réel de bout en bout Prompt engineering pour professionnels
calibration humain-machine
Abordé dans
- LLM-as-judge : forces et limites Évaluer et fiabiliser les systèmes LLM
Canal annexe (side channel)
Abordé dans
- Exfiltration et fuites de contexte Cybersécurité des systèmes d'IA
Canal d'installation officiel (npm ou binaire natif)
Abordé dans
- Installation et premier lancement Débuter avec Claude Code
Canal de remontée d'incidents sans sanction
Abordé dans
- Gouvernance IA en entreprise IA générative, conformité et propriété intellectuelle
Capabilities Linux et principe du moindre privilège
Abordé dans
- Pod Security et isolation Sécurité Kubernetes
Capacity planning (loi de Little)
Abordé dans
- Coûts, latence et capacity planning RAG : de la théorie à la production
Capture des syscalls via eBPF ou module noyau
Abordé dans
- Runtime et détection Sécurité Kubernetes
cartographie d'impact
Abordé dans
- Éthique produit et responsabilité Concevoir un produit IA (du POC au scale)
Cartographie des cas d'usage internes
Abordé dans
- Pourquoi des LLM locaux en entreprise LLM locaux — déploiement Ollama, vLLM et souveraineté
cartographie des flux de données IA
Abordé dans
- DPIA et registres IA générative, conformité et propriété intellectuelle
Cartographie des fournisseurs critiques
Abordé dans
- Chaîne d'approvisionnement NIS2 et ReCyF : conformité opérationnelle
Cartographie des parties prenantes
Abordé dans
- Évaluation des impacts ISO/IEC 42001 — management de l'IA
Cartographie des usages IA
Abordé dans
- Cas entreprise : dossier type IA générative, conformité et propriété intellectuelle
Cas d'usage
Abordé dans
- Conduire un projet d'IA Introduction à l'intelligence artificielle
Cascade de conformité vers les sous-traitants
Abordé dans
- Chaîne d'approvisionnement NIS2 et ReCyF : conformité opérationnelle
catalogue d'outils internes
Abordé dans
- Clients : IDE, agents et orchestrateurs MCP — Model Context Protocol pour l'IA en entreprise
Catalogue de patterns fondamentaux
Abordé dans
- Bibliothèque de patterns réutilisables Prompt engineering pour professionnels
Cercle vicieux versus cercle vertueux de session
Abordé dans
- Pièges courants et suite du parcours Débuter avec Claude Code
Cession des droits sur l'output
Abordé dans
- Propriété intellectuelle des outputs IA générative, conformité et propriété intellectuelle
Chain-of-thought
Abordé dans
- Few-shot, chain-of-thought et décomposition Prompt engineering pour professionnels
Chaînage de faiblesses mineures en chemin d'attaque cohérent
Abordé dans
- Atelier : scénario de bout en bout Pentest Active Directory
Chaîne d'approvisionnement
Abordé dans
- Sécuriser un système d'IA Introduction à l'intelligence artificielle
Chaîne d'approvisionnement des images
Abordé dans
- Pourquoi sécuriser Kubernetes Sécurité Kubernetes
Chaîne d'approvisionnement des jeux de données
Abordé dans
- Data poisoning et contamination Cybersécurité des systèmes d'IA
Chaîne d'approvisionnement des modèles IA
Abordé dans
- Supply chain des modèles : poids, dépendances, provenance Cybersécurité des systèmes d'IA
Chaîne d'approvisionnement ML (supply chain)
Abordé dans
- Surface d'attaque des systèmes IA Cybersécurité des systèmes d'IA
Chaîne d'approvisionnement (supply chain)
Abordé dans
- NIS2 : ce qui change vraiment NIS2 et ReCyF : conformité opérationnelle
Chaîne d'attribution d'une preuve
Abordé dans
- Preuves et préparation à l'audit NIS2 et ReCyF : conformité opérationnelle
Chaîne de compilation nvcc
Abordé dans
- Modèle de programmation CUDA CUDA avancé — GPU et IA haute performance
Chaîne de conservation des preuves
Abordé dans
- Preuves et préparation à l'audit NIS2 et ReCyF : conformité opérationnelle
Champs obligatoires et énumérations
Abordé dans
- Sorties structurées et contrats JSON Prompt engineering pour professionnels
Changelog et non-régression
Abordé dans
- Bibliothèque de patterns réutilisables Prompt engineering pour professionnels
Charge memory-bound contre compute-bound
Abordé dans
- Pourquoi CUDA pour l'IA haute performance CUDA avancé — GPU et IA haute performance
chargeback interne
Abordé dans
- Observabilité, coûts et SLA LLM locaux — déploiement Ollama, vLLM et souveraineté
Checklist d'audit Kubernetes
Abordé dans
- Atelier : checklist production Sécurité Kubernetes
checklist de décision avant lancement
Abordé dans
- Coûts et ROI du fine-tuning Fine-tuning et adaptation de modèles
checklist de déploiement sécurisé
Abordé dans
- Biais, sécurité et alignement Fine-tuning et adaptation de modèles
checklist de mise en production
Abordé dans
- Atelier — serveur métier sécurisé de bout en bout MCP — Model Context Protocol pour l'IA en entreprise
Checklist de mise en production d'un service d'inférence GPU
Abordé dans
- Production et pièges courants CUDA avancé — GPU et IA haute performance
Checklist de mise en production (go-live)
Abordé dans
- Gouvernance et déploiement Introduction à l'IA pour la Cybersécurité
Checklist de revue assistée
Abordé dans
- Revue de code assistée IA pour le développement logiciel
checklist go-live 30/60/90 jours
Abordé dans
- Atelier — feuille de route vers la production LLM locaux — déploiement Ollama, vLLM et souveraineté
Checkpointing et early stopping
Abordé dans
- Entraînement pratique Fine-tuning et adaptation de modèles
Chemin BloodHound par ACL et groupes imbriqués
Abordé dans
- Atelier : scénario de bout en bout Pentest Active Directory
Chemin d'attaque comme fil conducteur du rapport
Abordé dans
- Reporting et remédiation Pentest Active Directory
Chemin le plus court (shortest path) vers une cible à haute valeur
Abordé dans
- BloodHound et chemins d'attaque Pentest Active Directory
Chemins d'attaque BloodHound
Abordé dans
- Escalade de privilèges AD Pentest Active Directory
chiffre d'affaires mondial annuel
Abordé dans
- Gouvernance, sanctions et calendrier AI Act — comprendre et appliquer le règlement européen sur l'IA
Chiffrement au repos (encryption at rest)
Abordé dans
- Secrets et configuration sensible Sécurité Kubernetes
Chiffrement au repos et en transit
Abordé dans
- Sécurité et confidentialité des données RAG : de la théorie à la production
Choix du modèle
Abordé dans
- Interface, modes et permissions Débuter avec Claude Code
Chunking et découpage documentaire
Abordé dans
- RAG privé sur données internes LLM locaux — déploiement Ollama, vLLM et souveraineté
chunking et embeddings
Abordé dans
- Choix de stack technique Concevoir un produit IA (du POC au scale)
Chunking sémantique
Abordé dans
- Chunking et préparation du corpus RAG : de la théorie à la production
Chunking structuré
Abordé dans
- Chunking et préparation du corpus RAG : de la théorie à la production
Chunking structurel vs sémantique
Abordé dans
- Architecture type de production RAG : de la théorie à la production
Cinq attributs normalisés des contrôles
Abordé dans
- Annexe A 2022 : contrôles utiles ISO 27001:2022 — SMSI pratique
Circuit breaker et détection de boucle
Abordé dans
- Observabilité des agents Agents LLM et outils (function calling)
CIS Benchmarks Kubernetes
Abordé dans
- Hardening et audit Sécurité Kubernetes
Citation de sources vérifiables
Abordé dans
- UX de confiance Concevoir un produit IA (du POC au scale)
Citation extractive vs générative
Abordé dans
- Citations et grounding RAG : de la théorie à la production
Citation precision et citation recall
Abordé dans
- Citations et grounding RAG : de la théorie à la production
Citation vérifiable
Abordé dans
- Anti-hallucination et ancrage factuel Prompt engineering pour professionnels
Citations et traçabilité des sources
Abordé dans
- RAG privé sur données internes LLM locaux — déploiement Ollama, vLLM et souveraineté
Classes déséquilibrées
Abordé dans
- Les données : le vrai facteur limitant Introduction à l'intelligence artificielle
Classification
Abordé dans
- La vision par ordinateur Introduction à l'intelligence artificielle
Classification de sévérité d'un incident IA
Abordé dans
- Playbook SOC pour incidents IA Cybersécurité des systèmes d'IA
Classification des données
Abordé dans
- Politique d'équipe et adoption IA pour le développement logiciel
classification du risque d'une action
Abordé dans
- Garde-fous et politiques d'action Agents LLM et outils (function calling)
Classification du risque par action
Abordé dans
- Cas métier de bout en bout Agents LLM et outils (function calling)
Classification par criticité des fonctions
Abordé dans
- Cadre de gestion des risques TIC DORA — conformité et résilience opérationnelle numérique
Classification par finalité d'usage plutôt que par technologie
Abordé dans
- Approche par risques et taxonomie AI Act — comprendre et appliquer le règlement européen sur l'IA
Classification vs détection vs segmentation
Abordé dans
- Panorama de la vision moderne Vision par ordinateur appliquée
CLAUDE.md comme cadrage
Abordé dans
- Bonnes pratiques et sécurité Débuter avec Claude Code
CLAUDE.md comme mémoire stable du projet
Abordé dans
- Contexte projet et CLAUDE.md Débuter avec Claude Code
CLAUDE.md comme registre de contexte
Abordé dans
- Outils MCP et extensions Débuter avec Claude Code
CLAUDE.md minimal et vérifié
Abordé dans
- Atelier : premier projet guidé Débuter avec Claude Code
Clause 10 (amélioration continue)
Abordé dans
- Amélioration et certification ISO 27001:2022 — SMSI pratique
Clause 7 Support (ISO 27001:2022)
Abordé dans
- Support et compétences ISO 27001:2022 — SMSI pratique
Clause 8 : planification et maîtrise opérationnelles
Abordé dans
- Contrôles opérationnels ISO/IEC 42001 — management de l'IA
Clause 8.1 — planification et maîtrise opérationnelles
Abordé dans
- Fonctionnement opérationnel ISO 27001:2022 — SMSI pratique
Clause d'indemnisation fournisseur (IP indemnity)
Abordé dans
- Propriété intellectuelle des outputs IA générative, conformité et propriété intellectuelle
Clause d'indemnisation propriété intellectuelle
Abordé dans
- Contrats et clauses fournisseurs IA générative, conformité et propriété intellectuelle
Clauses contractuelles de sécurité
Abordé dans
- Chaîne d'approvisionnement NIS2 et ReCyF : conformité opérationnelle
clauses contractuelles fournisseur GPU
Abordé dans
- Gouvernance, souveraineté et conformité LLM locaux — déploiement Ollama, vLLM et souveraineté
Clauses contractuelles obligatoires (article 30)
Abordé dans
- Prestataires TIC critiques DORA — conformité et résilience opérationnelle numérique
clé d'idempotence
Abordé dans
- Outils et APIs (function calling) Agents LLM et outils (function calling)
Clean-label poisoning
Abordé dans
- Data poisoning et contamination Cybersécurité des systèmes d'IA
client MCP
Abordé dans
- Clients : IDE, agents et orchestrateurs MCP — Model Context Protocol pour l'IA en entreprise
Clock skew et tolérance Kerberos
Abordé dans
- Kerberos : tickets et confiance Pentest Active Directory
Cloisonnement
Abordé dans
- Agents, outils et automatisation Introduction à l'intelligence artificielle
Cloisonnement à la source
Abordé dans
- Sécuriser un système d'IA Introduction à l'intelligence artificielle
Cloisonnement des secrets
Abordé dans
- Exfiltration et fuites de contexte Cybersécurité des systèmes d'IA
Clonage de voix
Abordé dans
- L'IA générative : image, son et code Introduction à l'intelligence artificielle
CNN vs Vision Transformer (ViT)
Abordé dans
- Panorama de la vision moderne Vision par ordinateur appliquée
Coalescing des accès mémoire en transactions de 128 octets
Abordé dans
- Hiérarchie mémoire et coalescing CUDA avancé — GPU et IA haute performance
Code opaque
Abordé dans
- Dette technique et risques IA pour le développement logiciel
Collecte BloodHound / SharpHound
Abordé dans
- Énumération LDAP et SMB Pentest Active Directory
Collecte de données avec SharpHound et bloodhound.py
Abordé dans
- BloodHound et chemins d'attaque Pentest Active Directory
Comité de décision indépendant
Abordé dans
- Amélioration et certification ISO 27001:2022 — SMSI pratique
Comité de gouvernance IA
Abordé dans
- Gouvernance IA en entreprise IA générative, conformité et propriété intellectuelle
- Politiques et rôles ISO/IEC 42001 — management de l'IA
Comité de mise en production
Abordé dans
- Checklist go-live Évaluer et fiabiliser les systèmes LLM
Comité de pilotage et cycle PDCA
Abordé dans
- Plan de mise en conformité NIS2 et ReCyF : conformité opérationnelle
Comité des risques et cadence de gouvernance
Abordé dans
- Gouvernance et gestion des risques NIS2 et ReCyF : conformité opérationnelle
comité européen de l'intelligence artificielle
Abordé dans
- Gouvernance, sanctions et calendrier AI Act — comprendre et appliquer le règlement européen sur l'IA
Comité SSI et gouvernance SMSI
Abordé dans
- Leadership et politique ISO 27001:2022 — SMSI pratique
Communication aux clients affectés
Abordé dans
- Incidents majeurs et notification DORA — conformité et résilience opérationnelle numérique
Communication de crise interne et externe
Abordé dans
- Réponse aux incidents Évaluer et fiabiliser les systèmes LLM
Compaction et résumé progressif
Abordé dans
- Mémoire courte et longue Agents LLM et outils (function calling)
comparaison par paires (pairwise)
Abordé dans
- LLM-as-judge : forces et limites Évaluer et fiabiliser les systèmes LLM
Compatibilité driver / CUDA Toolkit / cuDNN et forward compatibility
Abordé dans
- Production et pièges courants CUDA avancé — GPU et IA haute performance
Compatibilité et versionnement du protocole
Abordé dans
- Patterns avancés multi-serveurs MCP — Model Context Protocol pour l'IA en entreprise
Complétion contextuelle
Abordé dans
- Workflows de développement assistés IA pour le développement logiciel
Composant de sécurité vs système autonome
Abordé dans
- Systèmes d'IA à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Composition de serveurs MCP
Abordé dans
- Patterns avancés multi-serveurs MCP — Model Context Protocol pour l'IA en entreprise
Compression de contexte
Abordé dans
- Coûts, latence et capacity planning RAG : de la théorie à la production
Compte DSRM et Directory Services Restore Mode
Abordé dans
- Persistence et backdoors AD Pentest Active Directory
Compte KRBTGT
Abordé dans
- Kerberos : tickets et confiance Pentest Active Directory
Comptes canaris et surveillance d'AdminSDHolder
Abordé dans
- Persistence et backdoors AD Pentest Active Directory
Comptes de service et gMSA
Abordé dans
- Kerberoasting et AS-REP Roasting Pentest Active Directory
Comptes de service pour agents autonomes
Abordé dans
- Intégration au SI existant MCP — Model Context Protocol pour l'IA en entreprise
compute-sanitizer (memcheck, racecheck, initcheck, synccheck)
Abordé dans
- Profiling avec Nsight CUDA avancé — GPU et IA haute performance
condition d'arrêt (stop condition)
Abordé dans
- Boucle reason-act Agents LLM et outils (function calling)
Conditions de prise de vue
Abordé dans
- La vision par ordinateur Introduction à l'intelligence artificielle
Conduite du changement
Abordé dans
- Conduire un projet d'IA Introduction à l'intelligence artificielle
Confiance excessive dans le résultat
Abordé dans
- Pièges courants et suite du parcours Débuter avec Claude Code
Confiance tierce client-service-KDC
Abordé dans
- Kerberos : tickets et confiance Pentest Active Directory
Confidentialité et propriété intellectuelle
Abordé dans
- Pourquoi des LLM locaux en entreprise LLM locaux — déploiement Ollama, vLLM et souveraineté
configuration des serveurs autorisés
Abordé dans
- Clients : IDE, agents et orchestrateurs MCP — Model Context Protocol pour l'IA en entreprise
Confinement (kill switch, rollback, throttling)
Abordé dans
- Réponse aux incidents Évaluer et fiabiliser les systèmes LLM
confirmation explicite avant action
Abordé dans
- Atelier — serveur métier sécurisé de bout en bout MCP — Model Context Protocol pour l'IA en entreprise
confirmation humaine graduée (human-in-the-loop)
Abordé dans
- Garde-fous et politiques d'action Agents LLM et outils (function calling)
Confirmation humaine pour actions destructrices
Abordé dans
- Sécurité, autorisations et moindre privilège MCP — Model Context Protocol pour l'IA en entreprise
Conformité
Abordé dans
- Cadre et conformité IA Sprint — essentiels en RSVP
Conformité AI Act pour les systèmes à haut risque
Abordé dans
- Observabilité, audit et conformité MCP — Model Context Protocol pour l'IA en entreprise
conformité ISO 27001 et AI Act
Abordé dans
- Sécurité des LLM locaux LLM locaux — déploiement Ollama, vLLM et souveraineté
Conformité RGPD
Abordé dans
- Prompts métier : juridique, tech et RH Prompt engineering pour professionnels
Conformité RGPD, NIS2 et AI Act appliquée à la cybersécurité
Abordé dans
- Gouvernance et déploiement Introduction à l'IA pour la Cybersécurité
Connaissance récupérable vs comportement à internaliser
Abordé dans
- Décision : RAG vs fine-tuning Fine-tuning et adaptation de modèles
connaissances paramétriques
Abordé dans
- Pourquoi le RAG RAG : de la théorie à la production
container runtime comme frontière avec le noyau hôte
Abordé dans
- Surface d'attaque du cluster Sécurité Kubernetes
Containment gradué sans kill switch systématique
Abordé dans
- Playbook SOC pour incidents IA Cybersécurité des systèmes d'IA
Contamination du jeu de test
Abordé dans
- Données d'instruction et de préférence Fine-tuning et adaptation de modèles
- Évaluation post-adaptation Fine-tuning et adaptation de modèles
Contamination du RLHF et des retours utilisateurs
Abordé dans
- Data poisoning et contamination Cybersécurité des systèmes d'IA
Contamination train/test
Abordé dans
- Données et modèles ISO/IEC 42001 — management de l'IA
Contenu minimal d'une notification
Abordé dans
- Reporting d'incidents NIS2 et ReCyF : conformité opérationnelle
Context precision
Abordé dans
- Évaluer un pipeline RAG RAG : de la théorie à la production
Context recall
Abordé dans
- Évaluer un pipeline RAG RAG : de la théorie à la production
Contexte, contrainte et format
Abordé dans
- Pourquoi le prompt engineering change le résultat Prompt engineering pour professionnels
Contexte de sécurité des conteneurs
Abordé dans
- Pourquoi sécuriser Kubernetes Sécurité Kubernetes
Contexte stable versus prompt one-shot
Abordé dans
- Contexte projet et CLAUDE.md Débuter avec Claude Code
Continuité d'activité et gestion de crise
Abordé dans
- Obligations essentielles NIS2 et ReCyF : conformité opérationnelle
continuous batching
Abordé dans
- vLLM — inference haute performance LLM locaux — déploiement Ollama, vLLM et souveraineté
Contrainte vérifiable versus contrainte molle
Abordé dans
- Anatomie d'un prompt efficace Prompt engineering pour professionnels
Contraintes de contenu, de format et de processus
Abordé dans
- Rôles, personas et contraintes opératoires Prompt engineering pour professionnels
Contrat d'outil et function calling
Abordé dans
- Cas métier de bout en bout Agents LLM et outils (function calling)
Contre-mesures : LAPS, Protected Users, Credential Guard, tiering
Abordé dans
- Mouvement latéral Pentest Active Directory
Contrefaçon et droits d'auteur générés par IA
Abordé dans
- Enjeux de conformité de l'IA générative IA générative, conformité et propriété intellectuelle
Contrefaçon indirecte d'un output généré
Abordé dans
- Propriété intellectuelle des outputs IA générative, conformité et propriété intellectuelle
Contrôle d'accès au niveau des chunks (ACL)
Abordé dans
- Sécurité et confidentialité des données RAG : de la théorie à la production
Contrôle d'accès au retrieval
Abordé dans
- RAG privé sur données internes LLM locaux — déploiement Ollama, vLLM et souveraineté
Contrôle de congestion
Abordé dans
- TCP et la connexion fiable Introduction à TCP/IP
Contrôle des flux réseau sortants (egress)
Abordé dans
- Défenses et contrôles techniques Cybersécurité des systèmes d'IA
Contrôle programmatique post-génération
Abordé dans
- Atelier : cas réel de bout en bout Prompt engineering pour professionnels
contrôle qualité automatisé
Abordé dans
- Cas industrie : qualité, logistique, maintenance Vision par ordinateur appliquée
Contrôles du control plane
Abordé dans
- Hardening et audit Sécurité Kubernetes
Convention column-major de cuBLAS
Abordé dans
- cuBLAS et cuDNN CUDA avancé — GPU et IA haute performance
Copies host-device et mémoire épinglée (pinned memory)
Abordé dans
- PyTorch et TensorFlow on GPU CUDA avancé — GPU et IA haute performance
Copilote d'analyste SOC
Abordé dans
- L'IA au service de la cybersécurité Introduction à l'IA pour la Cybersécurité
Copilote SOC comme accélérateur de traitement, pas moteur de détection
Abordé dans
- Copilotes SOC Introduction à l'IA pour la Cybersécurité
Copyleft et contamination de licence
Abordé dans
- Secrets, licences et conformité code IA pour le développement logiciel
Corpus de seeds adversariaux
Abordé dans
- Tests de sécurité IA : red teaming et fuzzing de prompts Cybersécurité des systèmes d'IA
Corrélation assistée par IA
Abordé dans
- Enrichir le SIEM avec l'IA Introduction à l'IA pour la Cybersécurité
Corrélation runtime et control plane
Abordé dans
- Runtime et détection Sécurité Kubernetes
Corrélation session LLM et actions SI
Abordé dans
- Observabilité, audit et conformité MCP — Model Context Protocol pour l'IA en entreprise
Cotation de sévérité au-delà du seul score CVSS (exploitabilité, exposition réelle)
Abordé dans
- Reporting et remédiation Pentest Active Directory
Couche transport
Abordé dans
- Le Modèle OSI Introduction à TCP/IP
Couches cachées
Abordé dans
- Réseaux de neurones et apprentissage profond Introduction à l'intelligence artificielle
Couches TCP/IP
Abordé dans
- Les 4 couches TCP/IP TCP/IP Sprint — les essentiels en RSVP
coût asymétrique des erreurs
Abordé dans
- Cas industrie : qualité, logistique, maintenance Vision par ordinateur appliquée
Coût caché des compétences MLOps
Abordé dans
- Pourquoi des LLM locaux en entreprise LLM locaux — déploiement Ollama, vLLM et souveraineté
Coût d’erreur
Abordé dans
- Limites et risques IA Sprint — essentiels en RSVP
Coût d'inférence
Abordé dans
- Limites, hallucinations et risques Introduction à l'intelligence artificielle
Coût de calcul et latence d'inférence
Abordé dans
- Panorama de la vision moderne Vision par ordinateur appliquée
Coût de communication du parallélisme multi-GPU
Abordé dans
- Pourquoi CUDA pour l'IA haute performance CUDA avancé — GPU et IA haute performance
Coût de lancement d'un kernel CUDA
Abordé dans
- Pourquoi CUDA pour l'IA haute performance CUDA avancé — GPU et IA haute performance
coût de préparation et de curation des données
Abordé dans
- Coûts et ROI du fine-tuning Fine-tuning et adaptation de modèles
Coût de revient par requête
Abordé dans
- Pricing et unités de valeur Concevoir un produit IA (du POC au scale)
Coût du faux positif et du faux négatif
Abordé dans
- Problème et valeur : où l'IA apporte un levier Concevoir un produit IA (du POC au scale)
Coût et latence des prompts
Abordé dans
- Few-shot, chain-of-thought et décomposition Prompt engineering pour professionnels
Coût et latence en production
Abordé dans
- Cas métier de bout en bout Agents LLM et outils (function calling)
Coût métier des faux positifs
Abordé dans
- Détection du phishing Introduction à l'IA pour la Cybersécurité
Coût par événement enrichi
Abordé dans
- Enrichir le SIEM avec l'IA Introduction à l'IA pour la Cybersécurité
Coût par requête
Abordé dans
- Passer à l'échelle Concevoir un produit IA (du POC au scale)
Coût par token (entrée/sortie)
Abordé dans
- Coûts, latence et capacity planning RAG : de la théorie à la production
Coût par token et par session
Abordé dans
- Observabilité des agents Agents LLM et outils (function calling)
coût total de possession (TCO)
Abordé dans
- Choix de stack technique Concevoir un produit IA (du POC au scale)
Coût total de possession (TCO) d'un modèle adapté
Abordé dans
- Décision : RAG vs fine-tuning Fine-tuning et adaptation de modèles
coût total de possession (TCO) du fine-tuning
Abordé dans
- Coûts et ROI du fine-tuning Fine-tuning et adaptation de modèles
coûts cachés de maintenance MLOps
Abordé dans
- Coûts et ROI du fine-tuning Fine-tuning et adaptation de modèles
Couverture de test illusoire
Abordé dans
- Tests et documentation générés IA pour le développement logiciel
CPU-only vs GPU NVIDIA/AMD
Abordé dans
- Matériel, VRAM et quantisation LLM locaux — déploiement Ollama, vLLM et souveraineté
Craquage hors ligne (hashcat 13100 / 18200)
Abordé dans
- Kerberoasting et AS-REP Roasting Pentest Active Directory
Critère d'acceptation posé avant exécution
Abordé dans
- Premiers workflows utiles Débuter avec Claude Code
Critère d'arrêt
Abordé dans
- Conduire un projet d'IA Introduction à l'intelligence artificielle
- Agent vs chatbot Agents LLM et outils (function calling)
Critère de sortie (exit criterion)
Abordé dans
- Checklist go-live Évaluer et fiabiliser les systèmes LLM
Critère de sortie fixé à l'avance
Abordé dans
- Roadmap 90 jours Concevoir un produit IA (du POC au scale)
Critère de succès par sous-tâche
Abordé dans
- Planification et décomposition de tâches Agents LLM et outils (function calling)
Critères bloquants et critères gradués
Abordé dans
- Évaluer la qualité d'un prompt Prompt engineering pour professionnels
Critères d'acceptation du risque
Abordé dans
- Planification et risques ISO 27001:2022 — SMSI pratique
critères d'acceptation sécurité et métier
Abordé dans
- Atelier — serveur métier sécurisé de bout en bout MCP — Model Context Protocol pour l'IA en entreprise
Critères de classification (RTS)
Abordé dans
- Incidents majeurs et notification DORA — conformité et résilience opérationnelle numérique
critères de déclenchement CNIL
Abordé dans
- DPIA et registres IA générative, conformité et propriété intellectuelle
Critères de sortie de phase (gate)
Abordé dans
- Cycle de vie des systèmes IA ISO/IEC 42001 — management de l'IA
critères de succès mesurables
Abordé dans
- Atelier — feuille de route vers la production LLM locaux — déploiement Ollama, vLLM et souveraineté
Critères métier
Abordé dans
- Évaluer la qualité d'un prompt Prompt engineering pour professionnels
CUDA cores vs Tensor Cores
Abordé dans
- Architecture GPU NVIDIA CUDA avancé — GPU et IA haute performance
cuda-gdb et débogage de kernels
Abordé dans
- Profiling avec Nsight CUDA avancé — GPU et IA haute performance
CUDA stream et exécution asynchrone
Abordé dans
- Streams, événements et concurrence CPU-GPU CUDA avancé — GPU et IA haute performance
cudaEvent_t et synchronisation inter-stream
Abordé dans
- Streams, événements et concurrence CPU-GPU CUDA avancé — GPU et IA haute performance
Culture de résilience opérationnelle
Abordé dans
- Gouvernance et responsabilités DORA — conformité et résilience opérationnelle numérique
Cumul de rôles pour une même organisation
Abordé dans
- Définitions, périmètre et acteurs AI Act — comprendre et appliquer le règlement européen sur l'IA
Custom ops via torch.utils.cpp_extension et ATen
Abordé dans
- PyTorch et TensorFlow on GPU CUDA avancé — GPU et IA haute performance
Cycle bugfix / test / documentation
Abordé dans
- Atelier : premier projet guidé Débuter avec Claude Code
Cycle d'amélioration continue (PDCA)
Abordé dans
- Atelier : AIMS pragmatique ISO/IEC 42001 — management de l'IA
Cycle de gestion des incidents IA
Abordé dans
- Contrôles opérationnels ISO/IEC 42001 — management de l'IA
Cycle de vie d'un incident de sécurité de l'information
Abordé dans
- Fonctionnement opérationnel ISO 27001:2022 — SMSI pratique
Cycle de vie d'une session (initialize / initialized / shutdown)
Abordé dans
- Architecture et concepts clés MCP — Model Context Protocol pour l'IA en entreprise
Cycle de vie du risque (entraînement, génération, diffusion)
Abordé dans
- Enjeux de conformité de l'IA générative IA générative, conformité et propriété intellectuelle
Cycle de vie du système d'IA
Abordé dans
- Pourquoi ISO 42001 ISO/IEC 42001 — management de l'IA
Cycle de vie du système IA
Abordé dans
- Cycle de vie des systèmes IA ISO/IEC 42001 — management de l'IA
Cycle PDCA (Plan-Do-Check-Act)
Abordé dans
- ISO 27001:2022 en pratique ISO 27001:2022 — SMSI pratique
Cycle PDCA (Planifier-Réaliser-Contrôler-Améliorer)
Abordé dans
- Système de management de l'IA ISO/IEC 42001 — management de l'IA
cycle think-act-observe
Abordé dans
- Boucle reason-act Agents LLM et outils (function calling)
Cycle triennal des tests avancés
Abordé dans
- Tests de résilience numérique DORA — conformité et résilience opérationnelle numérique
dashboard de qualité en production
Abordé dans
- Monitoring en production : feedback, traces, alertes Évaluer et fiabiliser les systèmes LLM
Data drift, concept drift, model drift
Abordé dans
- Contrôles opérationnels ISO/IEC 42001 — management de l'IA
Data drift et concept drift
Abordé dans
- Data flywheel et apprentissage produit Concevoir un produit IA (du POC au scale)
Data flywheel (volant d'apprentissage)
Abordé dans
- Data flywheel et apprentissage produit Concevoir un produit IA (du POC au scale)
Data poisoning (empoisonnement de données)
Abordé dans
- Data poisoning et contamination Cybersécurité des systèmes d'IA
Data Processing Agreement (DPA)
Abordé dans
- Données personnelles et LLM IA générative, conformité et propriété intellectuelle
Data steward et risk owner
Abordé dans
- Politiques et rôles ISO/IEC 42001 — management de l'IA
Datagramme
Abordé dans
- UDP — La vitesse avant tout Introduction à TCP/IP
DCSync comme preuve de compromission sans persistance
Abordé dans
- Atelier : scénario de bout en bout Pentest Active Directory
DCSync et droits de réplication (Get-Changes / Get-Changes-All)
Abordé dans
- Escalade de privilèges AD Pentest Active Directory
débit en tokens par seconde
Abordé dans
- Observabilité, coûts et SLA LLM locaux — déploiement Ollama, vLLM et souveraineté
Débruitage
Abordé dans
- L'IA générative : image, son et code Introduction à l'intelligence artificielle
Déclaration d'Applicabilité (SoA)
Abordé dans
- ISO 27001:2022 en pratique ISO 27001:2022 — SMSI pratique
- Planification et risques ISO 27001:2022 — SMSI pratique
- Atelier : AIMS pragmatique ISO/IEC 42001 — management de l'IA
Déclaration d'applicabilité (SoA) ciblée
Abordé dans
- Atelier : SMSI MVP ISO 27001:2022 — SMSI pratique
Déclaration d'applicabilité (SoA) comme document vivant
Abordé dans
- Fonctionnement opérationnel ISO 27001:2022 — SMSI pratique
Déclaration d'Applicabilité (SoA) justifiée
Abordé dans
- Annexe A 2022 : contrôles utiles ISO 27001:2022 — SMSI pratique
déclaration d'outils (tools)
Abordé dans
- Premier serveur MCP pratique MCP — Model Context Protocol pour l'IA en entreprise
Déclaration UE de conformité
Abordé dans
- Évaluation de conformité et marquage CE AI Act — comprendre et appliquer le règlement européen sur l'IA
Décommissionnement et retrait
Abordé dans
- Cycle de vie des systèmes IA ISO/IEC 42001 — management de l'IA
Décomposition de tâches
Abordé dans
- Few-shot, chain-of-thought et décomposition Prompt engineering pour professionnels
Décomposition hiérarchique
Abordé dans
- Planification et décomposition de tâches Agents LLM et outils (function calling)
Décomposition Plan-and-Execute
Abordé dans
- Planification et décomposition de tâches Agents LLM et outils (function calling)
Découpage récursif
Abordé dans
- Chunking et préparation du corpus RAG : de la théorie à la production
Découverte dynamique des capacités
Abordé dans
- Architecture et concepts clés MCP — Model Context Protocol pour l'IA en entreprise
Déduplication et clustering d'IOC
Abordé dans
- Threat intelligence et NLP Introduction à l'IA pour la Cybersécurité
Déduplication et décontamination
Abordé dans
- Données d'instruction et de préférence Fine-tuning et adaptation de modèles
Deep learning
Abordé dans
- Qu'est-ce que l'intelligence artificielle ? Introduction à l'intelligence artificielle
- Qu’est-ce que l’IA ? IA Sprint — essentiels en RSVP
Deepfake et divulgation
Abordé dans
- Transparence et risque limité AI Act — comprendre et appliquer le règlement européen sur l'IA
Defanging et normalisation
Abordé dans
- Threat intelligence et NLP Introduction à l'IA pour la Cybersécurité
Default deny ingress et egress
Abordé dans
- Network Policies Sécurité Kubernetes
Défense en couches
Abordé dans
- Red teaming et abus Évaluer et fiabiliser les systèmes LLM
Défense en profondeur multi-couches
Abordé dans
- Défenses et contrôles techniques Cybersécurité des systèmes d'IA
défense en profondeur pour systèmes IA
Abordé dans
- Prompt injection et jailbreaks Cybersécurité des systèmes d'IA
Définition légale du système d'IA (article 3.1)
Abordé dans
- Définitions, périmètre et acteurs AI Act — comprendre et appliquer le règlement européen sur l'IA
Dégradation de rappel au milieu du contexte
Abordé dans
- Mémoire courte et longue Agents LLM et outils (function calling)
Dégradation progressive
Abordé dans
- Passer à l'échelle Concevoir un produit IA (du POC au scale)
Délégation à des sous-agents
Abordé dans
- Pièges courants et suite du parcours Débuter avec Claude Code
Dépendance au plugin CNI
Abordé dans
- Network Policies Sécurité Kubernetes
Dependency confusion et typosquatting
Abordé dans
- Supply chain des modèles : poids, dépendances, provenance Cybersécurité des systèmes d'IA
Déploiement canari
Abordé dans
- Tests de régression LLM Évaluer et fiabiliser les systèmes LLM
déploiement canary
Abordé dans
- Déploiement d'un modèle adapté Fine-tuning et adaptation de modèles
déploiement Docker et systemd
Abordé dans
- vLLM — inference haute performance LLM locaux — déploiement Ollama, vLLM et souveraineté
Déploiement pilote
Abordé dans
- Politique d'équipe et adoption IA pour le développement logiciel
Déploiement progressif (canary)
Abordé dans
- Évaluation post-adaptation Fine-tuning et adaptation de modèles
Déploiement progressif et rollback
Abordé dans
- Déploiement edge et cloud Vision par ordinateur appliquée
Déploiement SaaS vs on-premise vs hybride
Abordé dans
- Pourquoi des LLM locaux en entreprise LLM locaux — déploiement Ollama, vLLM et souveraineté
Dépréciation des indicateurs
Abordé dans
- Threat intelligence et NLP Introduction à l'IA pour la Cybersécurité
Dépréciation documentée
Abordé dans
- Bibliothèque de patterns réutilisables Prompt engineering pour professionnels
Dérive de baseline (concept drift)
Abordé dans
- Détection d'anomalies Introduction à l'IA pour la Cybersécurité
Dérive de concept (concept drift)
Abordé dans
- Qualité des données vision Vision par ordinateur appliquée
- Limites et attaques adversariales Introduction à l'IA pour la Cybersécurité
dérive de contexte
Abordé dans
- Parcours utilisateur d'un produit IA Concevoir un produit IA (du POC au scale)
Dérive de covariables (data drift)
Abordé dans
- Qualité des données vision Vision par ordinateur appliquée
Dérive de distribution (distribution shift)
Abordé dans
- Panorama de la vision moderne Vision par ordinateur appliquée
dérive de données (data drift)
Abordé dans
- Cas industrie : qualité, logistique, maintenance Vision par ordinateur appliquée
Dérive de modèle (data drift, concept drift)
Abordé dans
- Gouvernance et déploiement Introduction à l'IA pour la Cybersécurité
dérive de modèle (model drift)
Abordé dans
- Monitoring en production : feedback, traces, alertes Évaluer et fiabiliser les systèmes LLM
dérive de performance
Abordé dans
- Déploiement d'un modèle adapté Fine-tuning et adaptation de modèles
Dérive de périmètre (scope creep)
Abordé dans
- Premiers workflows utiles Débuter avec Claude Code
Dérive de plan (plan drift)
Abordé dans
- Planification et décomposition de tâches Agents LLM et outils (function calling)
dérive de qualité (drift)
Abordé dans
- Atelier — feuille de route vers la production LLM locaux — déploiement Ollama, vLLM et souveraineté
Dérive des données (data drift)
Abordé dans
- L'IA au service de la cybersécurité Introduction à l'IA pour la Cybersécurité
Dérive documentation-code
Abordé dans
- Tests et documentation générés IA pour le développement logiciel
Dérive du modèle et dérive des données (drift)
Abordé dans
- Tests de régression LLM Évaluer et fiabiliser les systèmes LLM
dérive du modèle et ré-entraînement
Abordé dans
- Coûts et ROI du fine-tuning Fine-tuning et adaptation de modèles
Déséquilibre de classes
Abordé dans
- Classification d'images Vision par ordinateur appliquée
Détecteurs à une passe vs deux passes
Abordé dans
- Détection d'objets Vision par ordinateur appliquée
Détection
Abordé dans
- La vision par ordinateur Introduction à l'intelligence artificielle
détection d'anomalie sur baseline mobile
Abordé dans
- Monitoring en production : feedback, traces, alertes Évaluer et fiabiliser les systèmes LLM
Détection d'anomalies et influence functions
Abordé dans
- Data poisoning et contamination Cybersécurité des systèmes d'IA
Détection d'anomalies et UEBA
Abordé dans
- L'IA au service de la cybersécurité Introduction à l'IA pour la Cybersécurité
Détection de dérive (PSI, shadow evaluation, déploiement canari)
Abordé dans
- Contrôles opérationnels ISO/IEC 42001 — management de l'IA
Détection de layout
Abordé dans
- OCR et document AI Vision par ordinateur appliquée
Détection et durcissement des chemins d'attaque côté défense
Abordé dans
- BloodHound et chemins d'attaque Pentest Active Directory
Détection et redaction des PII
Abordé dans
- Sécurité et confidentialité des données RAG : de la théorie à la production
Détection et réponse à incident dans un cluster
Abordé dans
- Pourquoi sécuriser Kubernetes Sécurité Kubernetes
Détection manquée et enseignements pour le SOC
Abordé dans
- Atelier : scénario de bout en bout Pentest Active Directory
Détection par corrélation des journaux Kerberos (4768, 4769, 4624)
Abordé dans
- Persistence et backdoors AD Pentest Active Directory
Détection par corrélation plutôt que par événement isolé
Abordé dans
- Détection et défense Pentest Active Directory
Détection runtime versus prévention statique
Abordé dans
- Runtime et détection Sécurité Kubernetes
Détection visuelle de marque par vision par ordinateur
Abordé dans
- Détection du phishing Introduction à l'IA pour la Cybersécurité
Dette architecturale invisible sans vue d'ensemble
Abordé dans
- Revue de code assistée IA pour le développement logiciel
Dette cognitive collective
Abordé dans
- Dette technique et risques IA pour le développement logiciel
Dette de conformité
Abordé dans
- Atelier : SMSI MVP ISO 27001:2022 — SMSI pratique
Dette de contexte
Abordé dans
- Workflows de développement assistés IA pour le développement logiciel
Dette de sécurité invisible
Abordé dans
- Outils IA pour développeurs IA pour le développement logiciel
Dette technique générée par IA
Abordé dans
- Dette technique et risques IA pour le développement logiciel
Dette technique induite par l'IA générative
Abordé dans
- Mesurer la productivité sans se tromper IA pour le développement logiciel
DHCP DORA
Abordé dans
- UDP — La vitesse avant tout Introduction à TCP/IP
Diagnostic avant correctif
Abordé dans
- Premiers workflows utiles Débuter avec Claude Code
Diagnostic d'un prompt défaillant
Abordé dans
- Anatomie d'un prompt efficace Prompt engineering pour professionnels
Diagnostic réseau
Abordé dans
- Diagnostic express TCP/IP Sprint — les essentiels en RSVP
Diff Git comme unité de revue humaine
Abordé dans
- Premiers workflows utiles Débuter avec Claude Code
Différence entre AIA et DPIA
Abordé dans
- Évaluation des impacts ISO/IEC 42001 — management de l'IA
Différence entre référentiel et certification
Abordé dans
- ReCyF : lecture opérationnelle NIS2 et ReCyF : conformité opérationnelle
dig
Abordé dans
- Diagnostic express TCP/IP Sprint — les essentiels en RSVP
- DNS — L'annuaire d'Internet Introduction à TCP/IP
Diligence fournisseur (données, annotation, modèle)
Abordé dans
- Données et modèles ISO/IEC 42001 — management de l'IA
Dilution de contexte
Abordé dans
- Pièges courants et suite du parcours Débuter avec Claude Code
Directive NIS2 (UE 2022/2555)
Abordé dans
- NIS2 : ce qui change vraiment NIS2 et ReCyF : conformité opérationnelle
Dispositif ReCyF
Abordé dans
- Reporting d'incidents NIS2 et ReCyF : conformité opérationnelle
Distinction avec NIS2 et ISO 42001
Abordé dans
- AI Act : cadre européen de l'intelligence artificielle AI Act — comprendre et appliquer le règlement européen sur l'IA
Distinction entre quick win et remédiation structurelle
Abordé dans
- Reporting et remédiation Pentest Active Directory
distinction erreur d'entrée / erreur d'exécution
Abordé dans
- Premier serveur MCP pratique MCP — Model Context Protocol pour l'IA en entreprise
Distinction événement / incident de sécurité
Abordé dans
- Fonctionnement opérationnel ISO 27001:2022 — SMSI pratique
Divergence de branche intra-warp
Abordé dans
- Architecture GPU NVIDIA CUDA avancé — GPU et IA haute performance
Divergence de warps
Abordé dans
- Kernels et patterns d'optimisation CUDA avancé — GPU et IA haute performance
DNS intégré à Active Directory
Abordé dans
- Cartographier le domaine Pentest Active Directory
Document AI
Abordé dans
- OCR et document AI Vision par ordinateur appliquée
Documentation comme code
Abordé dans
- Tests et documentation générés IA pour le développement logiciel
documentation du système d'IA
Abordé dans
- Gouvernance, souveraineté et conformité LLM locaux — déploiement Ollama, vLLM et souveraineté
Documentation et preuves d'audit
Abordé dans
- Système de management de l'IA ISO/IEC 42001 — management de l'IA
documentation technique AI Act
Abordé dans
- DPIA et registres IA générative, conformité et propriété intellectuelle
Documentation technique (annexe XI)
Abordé dans
- Modèles GPAI et modèles de fondation AI Act — comprendre et appliquer le règlement européen sur l'IA
Documentation technique et Annexe IV
Abordé dans
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Documentation vivante
Abordé dans
- Preuves et préparation à l'audit NIS2 et ReCyF : conformité opérationnelle
Domaines de contrôle ReCyF
Abordé dans
- ReCyF : lecture opérationnelle NIS2 et ReCyF : conformité opérationnelle
Donnée synthétique
Abordé dans
- Données et modèles ISO/IEC 42001 — management de l'IA
Données d'instruction (SFT)
Abordé dans
- Données d'instruction et de préférence Fine-tuning et adaptation de modèles
Données de préférence (DPO)
Abordé dans
- Données d'instruction et de préférence Fine-tuning et adaptation de modèles
Données personnelles et données clients
Abordé dans
- Bonnes pratiques et sécurité Débuter avec Claude Code
Dossier de diligence raisonnable
Abordé dans
- Cas entreprise : dossier type IA générative, conformité et propriété intellectuelle
Dossier de preuves d'audit
Abordé dans
- Plan de mise en conformité DORA DORA — conformité et résilience opérationnelle numérique
DoT / DoH
Abordé dans
- DNS — L'annuaire d'Internet Introduction à TCP/IP
DPA (Data Processing Agreement)
Abordé dans
- Contrats et clauses fournisseurs IA générative, conformité et propriété intellectuelle
Drift de distribution
Abordé dans
- Golden sets et datasets d'évaluation Évaluer et fiabiliser les systèmes LLM
Drift de modèle d'embedding
Abordé dans
- Embeddings : représenter le sens RAG : de la théorie à la production
Drift de référence
Abordé dans
- Golden sets et datasets d'évaluation Évaluer et fiabiliser les systèmes LLM
Droit d'audit et certifications fournisseur
Abordé dans
- Contrats et clauses fournisseurs IA générative, conformité et propriété intellectuelle
Droit d'auteur
Abordé dans
- L'IA générative : image, son et code Introduction à l'intelligence artificielle
Droit de la concurrence
Abordé dans
- Partage d'information sur les menaces DORA — conformité et résilience opérationnelle numérique
droit de recours
Abordé dans
- Éthique produit et responsabilité Concevoir un produit IA (du POC au scale)
Droits des personnes concernées
Abordé dans
- Données personnelles et LLM IA générative, conformité et propriété intellectuelle
DsrmAdminLogonBehavior comme backdoor réseau sur un contrôleur de domaine
Abordé dans
- Persistence et backdoors AD Pentest Active Directory
Dual-stack
Abordé dans
- Adressage IPv6 Introduction à TCP/IP
Due diligence fournisseur
Abordé dans
- Chaîne d'approvisionnement NIS2 et ReCyF : conformité opérationnelle
Due diligence pré-contractuelle
Abordé dans
- Prestataires TIC critiques DORA — conformité et résilience opérationnelle numérique
Durcissement des systèmes (hardening)
Abordé dans
- Protection, prévention et détection DORA — conformité et résilience opérationnelle numérique
Durcissement et contrôle d'accès des registres
Abordé dans
- Supply chain et images Sécurité Kubernetes
Early stopping
Abordé dans
- Les données : le vrai facteur limitant Introduction à l'intelligence artificielle
Écart entre démo et usage professionnel
Abordé dans
- Pourquoi le prompt engineering change le résultat Prompt engineering pour professionnels
Écart vélocité / compréhension
Abordé dans
- Dette technique et risques IA pour le développement logiciel
Échantillonnage d'audit
Abordé dans
- Preuves et préparation à l'audit NIS2 et ReCyF : conformité opérationnelle
Échantillonnage de suivi post-déploiement
Abordé dans
- Atelier : cas réel de bout en bout Prompt engineering pour professionnels
échantillonnage pour audit humain
Abordé dans
- Monitoring en production : feedback, traces, alertes Évaluer et fiabiliser les systèmes LLM
Échantillonnage stratifié
Abordé dans
- Qualité des données vision Vision par ordinateur appliquée
Échec silencieux
Abordé dans
- Observabilité des agents Agents LLM et outils (function calling)
Echo Request/Reply
Abordé dans
- ICMP et outils de diagnostic Introduction à TCP/IP
Efficacité de scaling et surcoût de communication
Abordé dans
- Multi-GPU et NCCL CUDA avancé — GPU et IA haute performance
Egress DNS vers CoreDNS
Abordé dans
- Network Policies Sécurité Kubernetes
Élargissement sectoriel du périmètre
Abordé dans
- NIS2 : ce qui change vraiment NIS2 et ReCyF : conformité opérationnelle
Éléments d'entrée et de sortie de la revue de direction
Abordé dans
- Performance et audit interne ISO 27001:2022 — SMSI pratique
Embedding (vecteur sémantique)
Abordé dans
- Embeddings : représenter le sens RAG : de la théorie à la production
Embeddings locaux
Abordé dans
- RAG privé sur données internes LLM locaux — déploiement Ollama, vLLM et souveraineté
empoisonnement de bases RAG
Abordé dans
- Prompt injection et jailbreaks Cybersécurité des systèmes d'IA
Empoisonnement de données (data poisoning)
Abordé dans
- Surface d'attaque des systèmes IA Cybersécurité des systèmes d'IA
Empoisonnement de modèle
Abordé dans
- Supply chain des modèles : poids, dépendances, provenance Cybersécurité des systèmes d'IA
Empoisonnement des données d'entraînement (data poisoning)
Abordé dans
- Limites et attaques adversariales Introduction à l'IA pour la Cybersécurité
Empreinte de la personnalité et originalité
Abordé dans
- Propriété intellectuelle des outputs IA générative, conformité et propriété intellectuelle
En-tête 8 octets
Abordé dans
- UDP — La vitesse avant tout Introduction à TCP/IP
Encodeur visuel et patches
Abordé dans
- Vision multimodale (VLM) Vision par ordinateur appliquée
Encryption des Secrets
Abordé dans
- Atelier : checklist production Sécurité Kubernetes
EncryptionConfiguration et fournisseurs KMS
Abordé dans
- Secrets et configuration sensible Sécurité Kubernetes
Engagement de la direction (clause 5.1)
Abordé dans
- Leadership et politique ISO 27001:2022 — SMSI pratique
Engagement du top management
Abordé dans
- Politiques et rôles ISO/IEC 42001 — management de l'IA
Enjeux externes et internes (clause 4.1)
Abordé dans
- Contexte et parties intéressées ISO 27001:2022 — SMSI pratique
Enregistrement dans la base de données UE
Abordé dans
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Enregistrements A/MX/CNAME
Abordé dans
- DNS — L'annuaire d'Internet Introduction à TCP/IP
Enrichissement contextuel (asset, identité, threat intel)
Abordé dans
- Enrichir le SIEM avec l'IA Introduction à l'IA pour la Cybersécurité
Entité essentielle
Abordé dans
- Périmètre et entités concernées NIS2 et ReCyF : conformité opérationnelle
Entité importante
Abordé dans
- Périmètre et entités concernées NIS2 et ReCyF : conformité opérationnelle
Entités essentielles vs entités importantes
Abordé dans
- NIS2 : ce qui change vraiment NIS2 et ReCyF : conformité opérationnelle
Entités financières au sens de DORA
Abordé dans
- DORA : résilience opérationnelle numérique en finance DORA — conformité et résilience opérationnelle numérique
Entraînement vs inférence
Abordé dans
- Comment une machine apprend Introduction à l'intelligence artificielle
Énumération des partages SMB
Abordé dans
- Énumération LDAP et SMB Pentest Active Directory
Environnements air-gap
Abordé dans
- Pourquoi des LLM locaux en entreprise LLM locaux — déploiement Ollama, vLLM et souveraineté
Erreur qui se compose
Abordé dans
- Agent vs chatbot Agents LLM et outils (function calling)
Escalade
Abordé dans
- L'IA dans les métiers : cas réels Introduction à l'intelligence artificielle
Escalade et statut partiel
Abordé dans
- Planification et décomposition de tâches Agents LLM et outils (function calling)
escalade vers un humain
Abordé dans
- Parcours utilisateur d'un produit IA Concevoir un produit IA (du POC au scale)
etcd et le stockage en clair des secrets
Abordé dans
- Surface d'attaque du cluster Sécurité Kubernetes
EUI-64
Abordé dans
- Adressage IPv6 Introduction à TCP/IP
Évaluation d'impact algorithmique (AIA)
Abordé dans
- Évaluation des impacts ISO/IEC 42001 — management de l'IA
Évaluation de conformité (Annexe VI vs Annexe VII)
Abordé dans
- Évaluation de conformité et marquage CE AI Act — comprendre et appliquer le règlement européen sur l'IA
Évaluation humaine
Abordé dans
- Évaluer la qualité d'un prompt Prompt engineering pour professionnels
évaluation humaine (human-in-the-loop)
Abordé dans
- Métriques pour systèmes LLM Évaluer et fiabiliser les systèmes LLM
évaluation offline (golden dataset)
Abordé dans
- Choix de stack technique Concevoir un produit IA (du POC au scale)
évaluation online (A/B, feedback implicite)
Abordé dans
- Choix de stack technique Concevoir un produit IA (du POC au scale)
Évaluation retrieval vs génération
Abordé dans
- Évaluer un pipeline RAG RAG : de la théorie à la production
Évasion adversariale à l'inférence
Abordé dans
- Limites et attaques adversariales Introduction à l'IA pour la Cybersécurité
Event ID 4769 et 4768
Abordé dans
- Kerberoasting et AS-REP Roasting Pentest Active Directory
Evidence pack
Abordé dans
- Preuves et préparation à l'audit NIS2 et ReCyF : conformité opérationnelle
Évolution de schéma en production
Abordé dans
- Sorties structurées et contrats JSON Prompt engineering pour professionnels
exactitude factuelle
Abordé dans
- Métriques pour systèmes LLM Évaluer et fiabiliser les systèmes LLM
Exception de fouille de textes et de données (TDM)
Abordé dans
- Propriété intellectuelle des outputs IA générative, conformité et propriété intellectuelle
Exceptions artistiques et de sécurité publique
Abordé dans
- Transparence et risque limité AI Act — comprendre et appliquer le règlement européen sur l'IA
Exceptions au critère de taille
Abordé dans
- Périmètre et entités concernées NIS2 et ReCyF : conformité opérationnelle
Exceptions policières encadrées
Abordé dans
- Pratiques d'IA interdites AI Act — comprendre et appliquer le règlement européen sur l'IA
Exclusion des secrets du contexte
Abordé dans
- Contexte projet et CLAUDE.md Débuter avec Claude Code
Exclusions de champ : recherche, défense, usage personnel
Abordé dans
- Définitions, périmètre et acteurs AI Act — comprendre et appliquer le règlement européen sur l'IA
Exemples adverses
Abordé dans
- La vision par ordinateur Introduction à l'intelligence artificielle
- Limites, hallucinations et risques Introduction à l'intelligence artificielle
Exemples few-shot
Abordé dans
- Anatomie d'un prompt efficace Prompt engineering pour professionnels
Exemples négatifs et contre-exemples expliqués
Abordé dans
- Anatomie d'un prompt efficace Prompt engineering pour professionnels
Exemption open source
Abordé dans
- Modèles GPAI et modèles de fondation AI Act — comprendre et appliquer le règlement européen sur l'IA
Exemptions de taille et de statut
Abordé dans
- Périmètre et entités financières DORA — conformité et résilience opérationnelle numérique
Exercices de simulation d'incident
Abordé dans
- Reporting d'incidents NIS2 et ReCyF : conformité opérationnelle
exfiltration de données via tool calling
Abordé dans
- Sécurité des LLM locaux LLM locaux — déploiement Ollama, vLLM et souveraineté
Exfiltration par rendu (markdown/image)
Abordé dans
- Exfiltration et fuites de contexte Cybersécurité des systèmes d'IA
Exigences des parties intéressées (légales, contractuelles, volontaires)
Abordé dans
- Contexte et parties intéressées ISO 27001:2022 — SMSI pratique
Explicabilité
Abordé dans
- Réseaux de neurones et apprentissage profond Introduction à l'intelligence artificielle
- Limites, hallucinations et risques Introduction à l'intelligence artificielle
Exploitation des vulnérabilités
Abordé dans
- Pratiques d'IA interdites AI Act — comprendre et appliquer le règlement européen sur l'IA
Exposition via RBAC et logs
Abordé dans
- Secrets et configuration sensible Sécurité Kubernetes
Expression de l'incertitude
Abordé dans
- Anti-hallucination et ancrage factuel Prompt engineering pour professionnels
Extension IDE vs agent CLI
Abordé dans
- Outils MCP et extensions Débuter avec Claude Code
External Secrets Operator
Abordé dans
- Secrets et configuration sensible Sécurité Kubernetes
Externalisation et processus confiés à l'externe
Abordé dans
- Fonctionnement opérationnel ISO 27001:2022 — SMSI pratique
Extraction clé-valeur
Abordé dans
- OCR et document AI Vision par ordinateur appliquée
Extraction de modèle
Abordé dans
- Sécuriser un système d'IA Introduction à l'intelligence artificielle
Extraction et vol de modèle
Abordé dans
- Surface d'attaque des systèmes IA Cybersécurité des systèmes d'IA
Extraterritorialité du règlement (article 2)
Abordé dans
- Définitions, périmètre et acteurs AI Act — comprendre et appliquer le règlement européen sur l'IA
F1-score
Abordé dans
- Classification d'images Vision par ordinateur appliquée
Faithfulness
Abordé dans
- Citations et grounding RAG : de la théorie à la production
- Évaluer un pipeline RAG RAG : de la théorie à la production
fatigue d'alerte
Abordé dans
- Monitoring en production : feedback, traces, alertes Évaluer et fiabiliser les systèmes LLM
Fatigue d'alerte (alert fatigue)
Abordé dans
- L'IA au service de la cybersécurité Introduction à l'IA pour la Cybersécurité
- Détection d'anomalies Introduction à l'IA pour la Cybersécurité
Fatigue d'alertes
Abordé dans
- Enrichir le SIEM avec l'IA Introduction à l'IA pour la Cybersécurité
Faux négatif silencieux vs faux positif coûteux
Abordé dans
- Triage d'alertes assisté Introduction à l'IA pour la Cybersécurité
Faux positif / faux négatif
Abordé dans
- Détection d'anomalies Introduction à l'IA pour la Cybersécurité
Faux positifs et faux négatifs
Abordé dans
- Détection d'objets Vision par ordinateur appliquée
Faux sentiment de complétude
Abordé dans
- Revue de code assistée IA pour le développement logiciel
Feature extraction vs fine-tuning
Abordé dans
- Classification d'images Vision par ordinateur appliquée
feature flag de tool
Abordé dans
- Exploitation production et posture SRE MCP — Model Context Protocol pour l'IA en entreprise
Feedback implicite et explicite
Abordé dans
- Data flywheel et apprentissage produit Concevoir un produit IA (du POC au scale)
feedback implicite vs explicite
Abordé dans
- Monitoring en production : feedback, traces, alertes Évaluer et fiabiliser les systèmes LLM
Fenêtre de contexte et horizon de lecture du modèle
Abordé dans
- Revue de code assistée IA pour le développement logiciel
Fenêtre glissante
Abordé dans
- TCP et la connexion fiable Introduction à TCP/IP
Feuille de route 12-24 mois
Abordé dans
- Plan de mise en conformité NIS2 et ReCyF : conformité opérationnelle
Feuille de route à 90 jours
Abordé dans
- Atelier : AIMS pragmatique ISO/IEC 42001 — management de l'IA
Few-shot prompting
Abordé dans
- Few-shot, chain-of-thought et décomposition Prompt engineering pour professionnels
Fiabilité décroissante selon le niveau de contexte requis
Abordé dans
- Revue de code assistée IA pour le développement logiciel
Fiche de pattern
Abordé dans
- Bibliothèque de patterns réutilisables Prompt engineering pour professionnels
fiche modèle (model card)
Abordé dans
- Paysage des modèles open-weight et licences LLM locaux — déploiement Ollama, vLLM et souveraineté
Fichier CLAUDE.md
Abordé dans
- Interface, modes et permissions Débuter avec Claude Code
Fichier CLAUDE.md comme contexte projet
Abordé dans
- Qu'est-ce que Claude Code Débuter avec Claude Code
Fichier CLAUDE.md comme mémoire de projet
Abordé dans
- Installation et premier lancement Débuter avec Claude Code
Fichiers d'ignore et permissions de lecture
Abordé dans
- Contexte projet et CLAUDE.md Débuter avec Claude Code
file d'attente asynchrone
Abordé dans
- Intégration aux produits métier LLM locaux — déploiement Ollama, vLLM et souveraineté
Filiale régulée individuellement en périmètre
Abordé dans
- Périmètre et entités financières DORA — conformité et résilience opérationnelle numérique
Filtrage des entrées et sorties (guardrails)
Abordé dans
- Défenses et contrôles techniques Cybersécurité des systèmes d'IA
Filtrage post-retrieval
Abordé dans
- Sécurité et confidentialité des données RAG : de la théorie à la production
Filtre de confiance en architecture hybride
Abordé dans
- Déploiement edge et cloud Vision par ordinateur appliquée
Filtres appris
Abordé dans
- La vision par ordinateur Introduction à l'intelligence artificielle
Filtres LDAP ciblés
Abordé dans
- Énumération LDAP et SMB Pentest Active Directory
Findings priorisés
Abordé dans
- Atelier : checklist production Sécurité Kubernetes
fine-tuning vs RAG vs prompt engineering
Abordé dans
- Coûts et ROI du fine-tuning Fine-tuning et adaptation de modèles
FinOps IA
Abordé dans
- Passer à l'échelle Concevoir un produit IA (du POC au scale)
FlashAttention (kernels fusionnés)
Abordé dans
- Optimisation inférence LLM CUDA avancé — GPU et IA haute performance
Flux offline d'ingestion
Abordé dans
- Architecture type de production RAG : de la théorie à la production
Flux online de requête-réponse
Abordé dans
- Architecture type de production RAG : de la théorie à la production
Flux par défaut (legacy vs per-thread default stream)
Abordé dans
- Streams, événements et concurrence CPU-GPU CUDA avancé — GPU et IA haute performance
Fonction de gestion des risques liés aux TIC
Abordé dans
- Gouvernance et responsabilités DORA — conformité et résilience opérationnelle numérique
Format GGUF
Abordé dans
- Matériel, VRAM et quantisation LLM locaux — déploiement Ollama, vLLM et souveraineté
Format montré plutôt que décrit
Abordé dans
- Anatomie d'un prompt efficace Prompt engineering pour professionnels
Format safetensors vs pickle
Abordé dans
- Supply chain des modèles : poids, dépendances, provenance Cybersécurité des systèmes d'IA
Formation continue et fatigue de revue
Abordé dans
- Politique d'équipe et adoption IA pour le développement logiciel
Formation différenciée par exposition au risque
Abordé dans
- Gouvernance IA en entreprise IA générative, conformité et propriété intellectuelle
Formation obligatoire des dirigeants
Abordé dans
- Gouvernance et gestion des risques NIS2 et ReCyF : conformité opérationnelle
Fournisseur, déployeur et responsabilités partagées
Abordé dans
- Systèmes d'IA à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Fournisseur, déployeur, importateur, distributeur
Abordé dans
- AI Act : cadre européen de l'intelligence artificielle AI Act — comprendre et appliquer le règlement européen sur l'IA
Fournisseur vs déployeur
Abordé dans
- Cadre réglementaire européen Introduction à l'intelligence artificielle
Fournisseur vs déployeur : obligations distinctes
Abordé dans
- Définitions, périmètre et acteurs AI Act — comprendre et appliquer le règlement européen sur l'IA
fragmentation des connecteurs propriétaires
Abordé dans
- MCP : le problème que le protocole résout MCP — Model Context Protocol pour l'IA en entreprise
Fraîcheur de l'index (stale index)
Abordé dans
- RAG privé sur données internes LLM locaux — déploiement Ollama, vLLM et souveraineté
Fraîcheur de l'information
Abordé dans
- Quand fine-tuner (vs RAG et prompt) Fine-tuning et adaptation de modèles
fraîcheur des données
Abordé dans
- Pourquoi le RAG RAG : de la théorie à la production
Fraîcheur des données et volatilité
Abordé dans
- Décision : RAG vs fine-tuning Fine-tuning et adaptation de modèles
frameworks d'orchestration (LangChain)
Abordé dans
- MCP : le problème que le protocole résout MCP — Model Context Protocol pour l'IA en entreprise
Friction proportionnelle au risque
Abordé dans
- UX de confiance Concevoir un produit IA (du POC au scale)
friction volontaire
Abordé dans
- Parcours utilisateur d'un produit IA Concevoir un produit IA (du POC au scale)
Fuite de contexte
Abordé dans
- Exfiltration et fuites de contexte Cybersécurité des systèmes d'IA
Fuite de données d'entraînement
Abordé dans
- Données et modèles ISO/IEC 42001 — management de l'IA
Fuite de données (data leakage)
Abordé dans
- Pipeline image de bout en bout Vision par ordinateur appliquée
Fuite de données par inférence d'appartenance (membership inference)
Abordé dans
- Limites et attaques adversariales Introduction à l'IA pour la Cybersécurité
Fuite de secrets via prompt
Abordé dans
- Secrets, licences et conformité code IA pour le développement logiciel
Fuite sémantique par embeddings
Abordé dans
- Sécurité et confidentialité des données RAG : de la théorie à la production
Function calling
Abordé dans
- Agent vs chatbot Agents LLM et outils (function calling)
- Outils et APIs (function calling) Agents LLM et outils (function calling)
- MCP : le problème que le protocole résout MCP — Model Context Protocol pour l'IA en entreprise
function calling comme action
Abordé dans
- Boucle reason-act Agents LLM et outils (function calling)
Function calling / tool use
Abordé dans
- Sorties structurées et contrats JSON Prompt engineering pour professionnels
Fusion d'adapters
Abordé dans
- LoRA et QLoRA Fine-tuning et adaptation de modèles
Fusion de kernels vs pipeline multi-kernel
Abordé dans
- Kernels et patterns d'optimisation CUDA avancé — GPU et IA haute performance
Fusion de rangs (Reciprocal Rank Fusion)
Abordé dans
- Retrieval : retrouver le bon passage RAG : de la théorie à la production
Fusion de signaux
Abordé dans
- Rerank et fusion de signaux RAG : de la théorie à la production
Fuzzing de prompts
Abordé dans
- Tests de sécurité IA : red teaming et fuzzing de prompts Cybersécurité des systèmes d'IA
Gabarit de prompt réutilisable
Abordé dans
- Prompts métier : juridique, tech et RH Prompt engineering pour professionnels
Gabarits ADCS vulnérables (ESC1, ESC8)
Abordé dans
- Escalade de privilèges AD Pentest Active Directory
gap analysis AI Act
Abordé dans
- Plan de mise en conformité AI Act AI Act — comprendre et appliquer le règlement européen sur l'IA
Gap analysis DORA
Abordé dans
- Plan de mise en conformité DORA DORA — conformité et résilience opérationnelle numérique
Gap analysis et scoring de maturité
Abordé dans
- Plan de mise en conformité NIS2 et ReCyF : conformité opérationnelle
Garde-fous d'usage
Abordé dans
- Pricing et unités de valeur Concevoir un produit IA (du POC au scale)
Génération avec citations vérifiables
Abordé dans
- Architecture type de production RAG : de la théorie à la production
Génération de code
Abordé dans
- L'IA générative : image, son et code Introduction à l'intelligence artificielle
Génération de tests supervisée
Abordé dans
- Workflows de développement assistés IA pour le développement logiciel
Générations Ampere, Hopper, Blackwell
Abordé dans
- Architecture GPU NVIDIA CUDA avancé — GPU et IA haute performance
Gestion des changements planifiés
Abordé dans
- Fonctionnement opérationnel ISO 27001:2022 — SMSI pratique
Gestion des erreurs CUDA (cudaGetLastError, cudaDeviceSynchronize)
Abordé dans
- Modèle de programmation CUDA CUDA avancé — GPU et IA haute performance
Gestion des erreurs de parsing
Abordé dans
- Sorties structurées et contrats JSON Prompt engineering pour professionnels
gestion des erreurs et retries
Abordé dans
- Outils et APIs (function calling) Agents LLM et outils (function calling)
Gestion des incidents et calendrier de notification (24h/72h/1 mois)
Abordé dans
- Obligations essentielles NIS2 et ReCyF : conformité opérationnelle
Gestion des secrets
Abordé dans
- Installation et premier lancement Débuter avec Claude Code
- Sécurité, autorisations et moindre privilège MCP — Model Context Protocol pour l'IA en entreprise
Gestion des vulnérabilités et patch management
Abordé dans
- Protection, prévention et détection DORA — conformité et résilience opérationnelle numérique
Gestion du changement sur un système IA
Abordé dans
- Cycle de vie des systèmes IA ISO/IEC 42001 — management de l'IA
Glissement de domaine
Abordé dans
- Détection d'objets Vision par ordinateur appliquée
Glossaire opérationnel MCP
Abordé dans
- Architecture et concepts clés MCP — Model Context Protocol pour l'IA en entreprise
Go, go conditionnel, no-go
Abordé dans
- Checklist go-live Évaluer et fiabiliser les systèmes LLM
Go/no-go
Abordé dans
- Cadrer un projet IA IA Sprint — essentiels en RSVP
Golden dataset
Abordé dans
- Évaluer un pipeline RAG RAG : de la théorie à la production
Golden dataset et évaluation continue
Abordé dans
- Architecture type de production RAG : de la théorie à la production
Golden set
Abordé dans
- Évaluer la qualité d'un prompt Prompt engineering pour professionnels
Golden set associé à un pattern
Abordé dans
- Bibliothèque de patterns réutilisables Prompt engineering pour professionnels
Golden set et rubrique d'évaluation
Abordé dans
- Atelier : cas réel de bout en bout Prompt engineering pour professionnels
Golden set (gelé et versionné)
Abordé dans
- Golden sets et datasets d'évaluation Évaluer et fiabiliser les systèmes LLM
Golden set (jeu de référence)
Abordé dans
- Tests de régression LLM Évaluer et fiabiliser les systèmes LLM
Golden set vs suite de régression vs évaluation continue
Abordé dans
- Golden sets et datasets d'évaluation Évaluer et fiabiliser les systèmes LLM
Golden Ticket et forge d'un TGT à partir du hash krbtgt
Abordé dans
- Persistence et backdoors AD Pentest Active Directory
Gouvernance
Abordé dans
- Limites et risques IA Sprint — essentiels en RSVP
Gouvernance de bibliothèque
Abordé dans
- Bibliothèque de patterns réutilisables Prompt engineering pour professionnels
Gouvernance de la donnée produit
Abordé dans
- Data flywheel et apprentissage produit Concevoir un produit IA (du POC au scale)
Gouvernance des cas d'usage IA en entreprise
Abordé dans
- Enjeux de conformité de l'IA générative IA générative, conformité et propriété intellectuelle
gouvernance des décisions automatisées
Abordé dans
- Cas industrie : qualité, logistique, maintenance Vision par ordinateur appliquée
Gouvernance des données d'entraînement (Article 10)
Abordé dans
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Gouvernance du catalogue MCP d'entreprise
Abordé dans
- Intégration au SI existant MCP — Model Context Protocol pour l'IA en entreprise
Gouvernance du code généré
Abordé dans
- Dette technique et risques IA pour le développement logiciel
Gouvernance du cycle de vie IA (cadrage, validation, déploiement, retrait)
Abordé dans
- Gouvernance et déploiement Introduction à l'IA pour la Cybersécurité
Gouvernance et comité de validation
Abordé dans
- Cas entreprise : dossier type IA générative, conformité et propriété intellectuelle
Gouvernance et dérive du modèle
Abordé dans
- Décision : RAG vs fine-tuning Fine-tuning et adaptation de modèles
Gouvernance et gel de version
Abordé dans
- Golden sets et datasets d'évaluation Évaluer et fiabiliser les systèmes LLM
Gouvernance ISO/IEC 42001
Abordé dans
- Observabilité, audit et conformité MCP — Model Context Protocol pour l'IA en entreprise
gouvernance produit IA
Abordé dans
- Éthique produit et responsabilité Concevoir un produit IA (du POC au scale)
gouvernance RSSI / DPO / métier
Abordé dans
- Gouvernance, souveraineté et conformité LLM locaux — déploiement Ollama, vLLM et souveraineté
GPP cpassword comme point d'entrée initial classique
Abordé dans
- Atelier : scénario de bout en bout Pentest Active Directory
GPTQ et AWQ
Abordé dans
- Matériel, VRAM et quantisation LLM locaux — déploiement Ollama, vLLM et souveraineté
GPU on-demand vs infrastructure réservée
Abordé dans
- Coûts et ROI du fine-tuning Fine-tuning et adaptation de modèles
Graphe autograd dynamique et rejeu sur GPU
Abordé dans
- PyTorch et TensorFlow on GPU CUDA avancé — GPU et IA haute performance
Graphe de relations Active Directory (nœuds et arêtes)
Abordé dans
- BloodHound et chemins d'attaque Pentest Active Directory
Grille de décision
Abordé dans
- Quand fine-tuner (vs RAG et prompt) Fine-tuning et adaptation de modèles
Grille de risque transversale
Abordé dans
- Prompts métier : juridique, tech et RH Prompt engineering pour professionnels
grille de risques gravité et vraisemblance
Abordé dans
- DPIA et registres IA générative, conformité et propriété intellectuelle
Grille de sévérité (SEV1 à SEV4)
Abordé dans
- Réponse aux incidents Évaluer et fiabiliser les systèmes LLM
Grille gravité × probabilité
Abordé dans
- Évaluation des impacts ISO/IEC 42001 — management de l'IA
groundedness (ancrage factuel)
Abordé dans
- Métriques pour systèmes LLM Évaluer et fiabiliser les systèmes LLM
Grounding
Abordé dans
- Citations et grounding RAG : de la théorie à la production
Group Policy Preferences et cpassword
Abordé dans
- Énumération LDAP et SMB Pentest Active Directory
Groupe Protected Users et restrictions Kerberos associées
Abordé dans
- Détection et défense Pentest Active Directory
Groupes imbriqués et délégations oubliées
Abordé dans
- Escalade de privilèges AD Pentest Active Directory
Hallucination de code
Abordé dans
- Outils IA pour développeurs IA pour le développement logiciel
Hallucination en contexte d'investigation de sécurité
Abordé dans
- Copilotes SOC Introduction à l'IA pour la Cybersécurité
Hallucination visuelle
Abordé dans
- Vision multimodale (VLM) Vision par ordinateur appliquée
Handoff structuré
Abordé dans
- Multi-agents et orchestration Agents LLM et outils (function calling)
HashiCorp Vault et secrets dynamiques
Abordé dans
- Secrets et configuration sensible Sécurité Kubernetes
healthcheck applicatif vs disponibilité du transport
Abordé dans
- Exploitation production et posture SRE MCP — Model Context Protocol pour l'IA en entreprise
Hiérarchie d'autorité des instructions
Abordé dans
- Rôles, personas et contraintes opératoires Prompt engineering pour professionnels
Hiérarchie documentaire
Abordé dans
- Support et compétences ISO 27001:2022 — SMSI pratique
Hiérarchie grid, block, thread
Abordé dans
- Modèle de programmation CUDA CUDA avancé — GPU et IA haute performance
Hiérarchie mémoire GPU (registres, shared, L1/L2, globale, constante)
Abordé dans
- Hiérarchie mémoire et coalescing CUDA avancé — GPU et IA haute performance
Hiérarchie racine → TLD
Abordé dans
- DNS — L'annuaire d'Internet Introduction à TCP/IP
Hiérarchie utilisateur / projet / sous-dossier
Abordé dans
- Contexte projet et CLAUDE.md Débuter avec Claude Code
Hivers de l'IA
Abordé dans
- Qu'est-ce que l'intelligence artificielle ? Introduction à l'intelligence artificielle
Homoglyphes et typosquatting
Abordé dans
- Détection du phishing Introduction à l'IA pour la Cybersécurité
Honeytokens : comptes, ACL et SPN leurres à taux de faux positifs quasi nul
Abordé dans
- Détection et défense Pentest Active Directory
hôte, client et serveur MCP
Abordé dans
- MCP : le problème que le protocole résout MCP — Model Context Protocol pour l'IA en entreprise
- Architecture et concepts clés MCP — Model Context Protocol pour l'IA en entreprise
Human-in-the-loop comme garde-fou décisionnel
Abordé dans
- Triage d'alertes assisté Introduction à l'IA pour la Cybersécurité
Human-in-the-loop (HITL)
Abordé dans
- Cas métier de bout en bout Agents LLM et outils (function calling)
Human-in-the-loop, human-on-the-loop, human-in-command
Abordé dans
- Contrôles opérationnels ISO/IEC 42001 — management de l'IA
IA faible vs générale
Abordé dans
- Qu'est-ce que l'intelligence artificielle ? Introduction à l'intelligence artificielle
IA pour la cyber vs sécurisation des systèmes d'IA
Abordé dans
- L'IA au service de la cybersécurité Introduction à l'IA pour la Cybersécurité
IAM et moindre privilège pour les agents IA
Abordé dans
- Défenses et contrôles techniques Cybersécurité des systèmes d'IA
ICMPv6
Abordé dans
- ICMP et outils de diagnostic Introduction à TCP/IP
Idempotence des actions
Abordé dans
- Cas métier de bout en bout Agents LLM et outils (function calling)
Identité machine et jetons à portée étroite
Abordé dans
- Architecture zero-trust pour l'IA Cybersécurité des systèmes d'IA
im2col, Winograd, FFT et implicit GEMM
Abordé dans
- cuBLAS et cuDNN CUDA avancé — GPU et IA haute performance
Image de base minimale (distroless)
Abordé dans
- Supply chain et images Sécurité Kubernetes
Importateur et distributeur dans la chaîne de mise sur le marché
Abordé dans
- Définitions, périmètre et acteurs AI Act — comprendre et appliquer le règlement européen sur l'IA
Incident commander
Abordé dans
- Réponse aux incidents Évaluer et fiabiliser les systèmes LLM
Incident grave
Abordé dans
- Évaluation de conformité et marquage CE AI Act — comprendre et appliquer le règlement européen sur l'IA
Incident majeur au sens de DORA
Abordé dans
- Incidents majeurs et notification DORA — conformité et résilience opérationnelle numérique
incident response agentique
Abordé dans
- Exploitation production et posture SRE MCP — Model Context Protocol pour l'IA en entreprise
Indépendance et compétence de l'auditeur interne
Abordé dans
- Performance et audit interne ISO 27001:2022 — SMSI pratique
Index global via blockIdx, blockDim, threadIdx
Abordé dans
- Modèle de programmation CUDA CUDA avancé — GPU et IA haute performance
Index HNSW
Abordé dans
- Bases vectorielles RAG : de la théorie à la production
Index IVF et quantification
Abordé dans
- Bases vectorielles RAG : de la théorie à la production
Indexation du dépôt (RAG code)
Abordé dans
- Outils IA pour développeurs IA pour le développement logiciel
Indicateur de compromission (IOC)
Abordé dans
- Threat intelligence et NLP Introduction à l'IA pour la Cybersécurité
Indicateurs d'adoption qualitatifs vs quantitatifs
Abordé dans
- Politique d'équipe et adoption IA pour le développement logiciel
Indicateurs de compréhension d'équipe
Abordé dans
- Dette technique et risques IA pour le développement logiciel
Indicateurs de performance IA (précision, dérive, incidents)
Abordé dans
- Audit et amélioration ISO/IEC 42001 — management de l'IA
Indicateurs de pilotage du plan
Abordé dans
- Plan de mise en conformité DORA DORA — conformité et résilience opérationnelle numérique
Indicateurs de risque opérationnel
Abordé dans
- Observabilité, audit et conformité MCP — Model Context Protocol pour l'IA en entreprise
Indicateurs SMSI actionnables versus indicateurs vanity
Abordé dans
- Performance et audit interne ISO 27001:2022 — SMSI pratique
Inférence d'appartenance
Abordé dans
- Sécuriser un système d'IA Introduction à l'intelligence artificielle
Information documentée
Abordé dans
- Support et compétences ISO 27001:2022 — SMSI pratique
Information documentée du domaine d'application
Abordé dans
- Contexte et parties intéressées ISO 27001:2022 — SMSI pratique
Injection de prompt contre un copilote SOC
Abordé dans
- Limites et attaques adversariales Introduction à l'IA pour la Cybersécurité
Injection de prompt directe
Abordé dans
- Red teaming et abus Évaluer et fiabiliser les systèmes LLM
Injection de prompt et limites de la hiérarchie
Abordé dans
- Rôles, personas et contraintes opératoires Prompt engineering pour professionnels
Injection de prompt indirecte
Abordé dans
- Red teaming et abus Évaluer et fiabiliser les systèmes LLM
- Exfiltration et fuites de contexte Cybersécurité des systèmes d'IA
Injection de prompt via contenu externe
Abordé dans
- Workflows de développement assistés IA pour le développement logiciel
Injection par contenu externe
Abordé dans
- Agent vs chatbot Agents LLM et outils (function calling)
installation Ollama Linux
Abordé dans
- Ollama — premier déploiement opérationnel LLM locaux — déploiement Ollama, vLLM et souveraineté
Intégration API REST et SOAP héritées
Abordé dans
- Intégration au SI existant MCP — Model Context Protocol pour l'IA en entreprise
Intégration au flux de développement existant
Abordé dans
- Qu'est-ce que Claude Code Débuter avec Claude Code
intégration curl et Python
Abordé dans
- Ollama — premier déploiement opérationnel LLM locaux — déploiement Ollama, vLLM et souveraineté
Intégration dans l'ERM
Abordé dans
- Cadre de gestion des risques TIC DORA — conformité et résilience opérationnelle numérique
Intégration en intégration continue
Abordé dans
- Pièges courants et suite du parcours Débuter avec Claude Code
Intégration SOC et automatisation (SOAR)
Abordé dans
- Détection du phishing Introduction à l'IA pour la Cybersécurité
Internet
Abordé dans
- Pourquoi TCP/IP compte TCP/IP Sprint — les essentiels en RSVP
Inventaire des actifs informationnels
Abordé dans
- Cadre de gestion des risques TIC DORA — conformité et résilience opérationnelle numérique
inventaire des systèmes IA
Abordé dans
- Plan de mise en conformité AI Act AI Act — comprendre et appliquer le règlement européen sur l'IA
Inventaire utilisateurs/ordinateurs/groupes
Abordé dans
- Cartographier le domaine Pentest Active Directory
Inversion de modèle (model inversion)
Abordé dans
- Limites et attaques adversariales Introduction à l'IA pour la Cybersécurité
IoU et mAP
Abordé dans
- Détection d'objets Vision par ordinateur appliquée
IP
Abordé dans
- Les 4 couches TCP/IP TCP/IP Sprint — les essentiels en RSVP
ISAC (Information Sharing and Analysis Centre)
Abordé dans
- Partage d'information sur les menaces DORA — conformité et résilience opérationnelle numérique
isolation des agents custom
Abordé dans
- Clients : IDE, agents et orchestrateurs MCP — Model Context Protocol pour l'IA en entreprise
Isolation du dépôt de travail
Abordé dans
- Atelier : premier projet guidé Débuter avec Claude Code
Isolation et sandboxing des agents
Abordé dans
- Défenses et contrôles techniques Cybersécurité des systèmes d'IA
Isolation multi-tenant
Abordé dans
- Sécurité et confidentialité des données RAG : de la théorie à la production
Isolation multi-tenant par namespace
Abordé dans
- Network Policies Sécurité Kubernetes
isolation par conteneurs et sandboxing
Abordé dans
- Sécurité des LLM locaux LLM locaux — déploiement Ollama, vLLM et souveraineté
Isolation process et conteneurisation
Abordé dans
- Sécurité, autorisations et moindre privilège MCP — Model Context Protocol pour l'IA en entreprise
Isolation réseau par NetworkPolicy
Abordé dans
- Pourquoi sécuriser Kubernetes Sécurité Kubernetes
Isolation réseau par VLAN
Abordé dans
- API gateway, authentification et isolation LLM locaux — déploiement Ollama, vLLM et souveraineté
jailbreak et contournement d'alignement
Abordé dans
- Prompt injection et jailbreaks Cybersécurité des systèmes d'IA
jailbreak et contre-mesures
Abordé dans
- Biais, sécurité et alignement Fine-tuning et adaptation de modèles
Jalon type : coût, responsable, risque réduit
Abordé dans
- Atelier : roadmap COMEX NIS2 et ReCyF : conformité opérationnelle
Jeton canari
Abordé dans
- Exfiltration et fuites de contexte Cybersécurité des systèmes d'IA
Jeu d'évaluation métier (golden set)
Abordé dans
- Embeddings : représenter le sens RAG : de la théorie à la production
Jeu de cas de test stable
Abordé dans
- Roadmap 90 jours Concevoir un produit IA (du POC au scale)
Jeu de non-régression (golden set)
Abordé dans
- Évaluation post-adaptation Fine-tuning et adaptation de modèles
Jeux entraînement/validation/test
Abordé dans
- Les données : le vrai facteur limitant Introduction à l'intelligence artificielle
Job-to-be-done (JTBD)
Abordé dans
- Problème et valeur : où l'IA apporte un levier Concevoir un produit IA (du POC au scale)
Journal d'audit et traçabilité
Abordé dans
- Cas métier de bout en bout Agents LLM et outils (function calling)
Journalisation
Abordé dans
- Grands modèles de langage IA Sprint — essentiels en RSVP
Journalisation automatique (logging)
Abordé dans
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Journalisation d'audit sans fuite
Abordé dans
- Sécurité et confidentialité des données RAG : de la théorie à la production
Journalisation des actions sensibles
Abordé dans
- Bonnes pratiques et sécurité Débuter avec Claude Code
journalisation des appels
Abordé dans
- Outils et APIs (function calling) Agents LLM et outils (function calling)
Journalisation des prompts et traitement des PII
Abordé dans
- API gateway, authentification et isolation LLM locaux — déploiement Ollama, vLLM et souveraineté
journalisation et audit des actions
Abordé dans
- Garde-fous et politiques d'action Agents LLM et outils (function calling)
Journalisation et corrélation d'événements
Abordé dans
- Protection, prévention et détection DORA — conformité et résilience opérationnelle numérique
Journalisation et détection (canaris, anomalies)
Abordé dans
- Défenses et contrôles techniques Cybersécurité des systèmes d'IA
journalisation et traçabilité des appels d'outils
Abordé dans
- Atelier — serveur métier sécurisé de bout en bout MCP — Model Context Protocol pour l'IA en entreprise
Journalisation Windows du mouvement latéral (4624, 4648, 4672, 7045)
Abordé dans
- Mouvement latéral Pentest Active Directory
Justification des exclusions de périmètre
Abordé dans
- Contexte et parties intéressées ISO 27001:2022 — SMSI pratique
kappa de Cohen
Abordé dans
- LLM-as-judge : forces et limites Évaluer et fiabiliser les systèmes LLM
Kerberoasting et chiffrement RC4/AES du TGS
Abordé dans
- Kerberoasting et AS-REP Roasting Pentest Active Directory
Kerberoasting et pivot par pass-the-hash
Abordé dans
- Atelier : scénario de bout en bout Pentest Active Directory
Kernel borné mémoire vs borné calcul
Abordé dans
- Profiling avec Nsight CUDA avancé — GPU et IA haute performance
Kill chain Active Directory
Abordé dans
- Pourquoi le pentest Active Directory Pentest Active Directory
kill switch
Abordé dans
- Garde-fous et politiques d'action Agents LLM et outils (function calling)
- Exploitation production et posture SRE MCP — Model Context Protocol pour l'IA en entreprise
Kill switch et rollback testés
Abordé dans
- Contrôles opérationnels ISO/IEC 42001 — management de l'IA
KPI de conformité auditable
Abordé dans
- Preuves et préparation à l'audit NIS2 et ReCyF : conformité opérationnelle
kube-bench
Abordé dans
- Hardening et audit Sécurité Kubernetes
kubectl auth can-i
Abordé dans
- RBAC et identités Sécurité Kubernetes
KV cache et pression mémoire
Abordé dans
- Optimisation inférence LLM CUDA avancé — GPU et IA haute performance
LAPS : mots de passe administrateur locaux uniques et rotatifs
Abordé dans
- Détection et défense Pentest Active Directory
latence p95/p99
Abordé dans
- Observabilité, coûts et SLA LLM locaux — déploiement Ollama, vLLM et souveraineté
Latence perçue vs débit
Abordé dans
- Passer à l'échelle Concevoir un produit IA (du POC au scale)
Leading dimension (lda/ldb/ldc)
Abordé dans
- cuBLAS et cuDNN CUDA avancé — GPU et IA haute performance
Learning rate et scheduler
Abordé dans
- Entraînement pratique Fine-tuning et adaptation de modèles
Lecture critique d'un spec sheet
Abordé dans
- Architecture GPU NVIDIA CUDA avancé — GPU et IA haute performance
Levier probabiliste vs déterministe
Abordé dans
- Problème et valeur : où l'IA apporte un levier Concevoir un produit IA (du POC au scale)
licence à finalité de recherche
Abordé dans
- Paysage des modèles open-weight et licences LLM locaux — déploiement Ollama, vLLM et souveraineté
licence Apache 2.0
Abordé dans
- Paysage des modèles open-weight et licences LLM locaux — déploiement Ollama, vLLM et souveraineté
Lien-local fe80::
Abordé dans
- Adressage IPv6 Introduction à TCP/IP
limites de concurrence et multi-GPU
Abordé dans
- Ollama — premier déploiement opérationnel LLM locaux — déploiement Ollama, vLLM et souveraineté
Limites structurelles de l'agent
Abordé dans
- Qu'est-ce que Claude Code Débuter avec Claude Code
Liste fermée de l'article 2 DORA
Abordé dans
- Périmètre et entités financières DORA — conformité et résilience opérationnelle numérique
Llama Community License
Abordé dans
- Paysage des modèles open-weight et licences LLM locaux — déploiement Ollama, vLLM et souveraineté
LLM-juge et biais d'évaluation
Abordé dans
- Évaluation post-adaptation Fine-tuning et adaptation de modèles
Loi de Goodhart et gaming des indicateurs
Abordé dans
- Mesurer la productivité sans se tromper IA pour le développement logiciel
Loi ReCyF (transposition française)
Abordé dans
- NIS2 : ce qui change vraiment NIS2 et ReCyF : conformité opérationnelle
longueur de contexte
Abordé dans
- Paysage des modèles open-weight et licences LLM locaux — déploiement Ollama, vLLM et souveraineté
Loop unrolling
Abordé dans
- Kernels et patterns d'optimisation CUDA avancé — GPU et IA haute performance
LoRA / QLoRA vs full fine-tuning
Abordé dans
- Entraînement pratique Fine-tuning et adaptation de modèles
lsof
Abordé dans
- Ports et Sockets Introduction à TCP/IP
Machine learning
Abordé dans
- Qu'est-ce que l'intelligence artificielle ? Introduction à l'intelligence artificielle
Macros, listes et exceptions pour réduire le bruit
Abordé dans
- Runtime et détection Sécurité Kubernetes
Maintenance incrémentale d'un CLAUDE.md
Abordé dans
- Contexte projet et CLAUDE.md Débuter avec Claude Code
Maintenance prédictive
Abordé dans
- L'IA dans les métiers : cas réels Introduction à l'intelligence artificielle
maintenance visuelle prédictive
Abordé dans
- Cas industrie : qualité, logistique, maintenance Vision par ordinateur appliquée
Maintien de la compétence
Abordé dans
- Conduire un projet d'IA Introduction à l'intelligence artificielle
Maîtrise documentaire (versioning, diffusion, obsolescence)
Abordé dans
- Support et compétences ISO 27001:2022 — SMSI pratique
Mandat de test et scope autorisé
Abordé dans
- Pourquoi le pentest Active Directory Pentest Active Directory
Mandataire et représentant établi dans l'UE
Abordé dans
- Définitions, périmètre et acteurs AI Act — comprendre et appliquer le règlement européen sur l'IA
Manipulation subliminale et pratiques trompeuses
Abordé dans
- Pratiques d'IA interdites AI Act — comprendre et appliquer le règlement européen sur l'IA
Mapping NIS2 / ReCyF
Abordé dans
- ReCyF : lecture opérationnelle NIS2 et ReCyF : conformité opérationnelle
Marge sur le 95e percentile
Abordé dans
- Pricing et unités de valeur Concevoir un produit IA (du POC au scale)
Marquage CE
Abordé dans
- Évaluation de conformité et marquage CE AI Act — comprendre et appliquer le règlement européen sur l'IA
Marquage du contenu synthétique (watermarking)
Abordé dans
- Transparence et risque limité AI Act — comprendre et appliquer le règlement européen sur l'IA
Masque réseau
Abordé dans
- IPv4 en essentiel TCP/IP Sprint — les essentiels en RSVP
Matrice d'autorisation outil × donnée × action
Abordé dans
- Politique d'équipe et adoption IA pour le développement logiciel
Matrice de communication
Abordé dans
- Support et compétences ISO 27001:2022 — SMSI pratique
Matrice de compétences
Abordé dans
- Support et compétences ISO 27001:2022 — SMSI pratique
Matrice de confusion
Abordé dans
- Classification d'images Vision par ordinateur appliquée
Matrice de décision RAG vs fine-tuning
Abordé dans
- Décision : RAG vs fine-tuning Fine-tuning et adaptation de modèles
matrice de menaces MCP
Abordé dans
- Atelier — serveur métier sécurisé de bout en bout MCP — Model Context Protocol pour l'IA en entreprise
Matrice de permissions par outil
Abordé dans
- Défenses et contrôles techniques Cybersécurité des systèmes d'IA
Matrice de risque conformité
Abordé dans
- Cas entreprise : dossier type IA générative, conformité et propriété intellectuelle
matrice de risques
Abordé dans
- Atelier — feuille de route vers la production LLM locaux — déploiement Ollama, vLLM et souveraineté
Matrice effort/impact
Abordé dans
- Plan de mise en conformité NIS2 et ReCyF : conformité opérationnelle
Matrice gravité x probabilité
Abordé dans
- Enjeux de conformité de l'IA générative IA générative, conformité et propriété intellectuelle
Matrice RACI appliquée à l'IA
Abordé dans
- Politiques et rôles ISO/IEC 42001 — management de l'IA
Matrice RACI appliquée à l'IA générative
Abordé dans
- Gouvernance IA en entreprise IA générative, conformité et propriété intellectuelle
matrice RACI IA
Abordé dans
- Plan de mise en conformité AI Act AI Act — comprendre et appliquer le règlement européen sur l'IA
Matrice risque / maturité
Abordé dans
- ReCyF : lecture opérationnelle NIS2 et ReCyF : conformité opérationnelle
matrice risque qualité
Abordé dans
- Métriques pour systèmes LLM Évaluer et fiabiliser les systèmes LLM
Matrice valeur / faisabilité
Abordé dans
- Conduire un projet d'IA Introduction à l'intelligence artificielle
Maturité d'une tâche de vision
Abordé dans
- Panorama de la vision moderne Vision par ordinateur appliquée
Mécanique de correspondance 2013 → 2022 (fusion, renumérotation, éclatement)
Abordé dans
- Annexe A 2022 : contrôles utiles ISO 27001:2022 — SMSI pratique
Mécanismes d'escalade et de résolution des désaccords
Abordé dans
- Politiques et rôles ISO/IEC 42001 — management de l'IA
Mémoire constante et pattern de broadcast
Abordé dans
- Hiérarchie mémoire et coalescing CUDA avancé — GPU et IA haute performance
Mémoire courte (historique de session)
Abordé dans
- Mémoire courte et longue Agents LLM et outils (function calling)
Mémoire de travail vs mémoire partagée
Abordé dans
- Multi-agents et orchestration Agents LLM et outils (function calling)
Mémoire host verrouillée (pinned memory)
Abordé dans
- Streams, événements et concurrence CPU-GPU CUDA avancé — GPU et IA haute performance
Mémoire longue (store externe)
Abordé dans
- Mémoire courte et longue Agents LLM et outils (function calling)
Mémoire paramétrique
Abordé dans
- Quand fine-tuner (vs RAG et prompt) Fine-tuning et adaptation de modèles
Mémoire pinned versus pageable et bande passante PCIe
Abordé dans
- Hiérarchie mémoire et coalescing CUDA avancé — GPU et IA haute performance
Mémorisation de données d'entraînement
Abordé dans
- Exfiltration et fuites de contexte Cybersécurité des systèmes d'IA
Mémorisation du corpus d'entraînement
Abordé dans
- Propriété intellectuelle des outputs IA générative, conformité et propriété intellectuelle
messages d'erreur exploitables
Abordé dans
- Premier serveur MCP pratique MCP — Model Context Protocol pour l'IA en entreprise
Mesures d'atténuation proportionnées
Abordé dans
- Évaluation des impacts ISO/IEC 42001 — management de l'IA
Métadonnées de chunk
Abordé dans
- Chunking et préparation du corpus RAG : de la théorie à la production
Méthode d'inventaire des cas d'usage IA
Abordé dans
- Approche par risques et taxonomie AI Act — comprendre et appliquer le règlement européen sur l'IA
Méthode transférable de prompt engineering
Abordé dans
- Pourquoi le prompt engineering change le résultat Prompt engineering pour professionnels
Métrique
Abordé dans
- Comment une machine apprend IA Sprint — essentiels en RSVP
métrique post-interaction
Abordé dans
- Parcours utilisateur d'un produit IA Concevoir un produit IA (du POC au scale)
Métriques de vanité (lignes de code, nombre de commits)
Abordé dans
- Mesurer la productivité sans se tromper IA pour le développement logiciel
Métriques déclaratives vs comportementales
Abordé dans
- Métriques produit IA Concevoir un produit IA (du POC au scale)
Métriques déterministes vs LLM-as-judge
Abordé dans
- Tests de régression LLM Évaluer et fiabiliser les systèmes LLM
Métriques DORA (fréquence de déploiement, lead time, taux d'échec, MTTR)
Abordé dans
- Mesurer la productivité sans se tromper IA pour le développement logiciel
microservice d'inférence
Abordé dans
- Intégration aux produits métier LLM locaux — déploiement Ollama, vLLM et souveraineté
MIG (Multi-Instance GPU) et isolation mémoire/compute
Abordé dans
- Production et pièges courants CUDA avancé — GPU et IA haute performance
Minimisation des données
Abordé dans
- Sécurité et confidentialité des données RAG : de la théorie à la production
- Données personnelles et LLM IA générative, conformité et propriété intellectuelle
Mise en production légère
Abordé dans
- Atelier : cas réel de bout en bout Prompt engineering pour professionnels
MLOps sécurisé et supply chain des modèles
Abordé dans
- Gouvernance et déploiement Introduction à l'IA pour la Cybersécurité
Mock du sujet testé
Abordé dans
- Tests et documentation générés IA pour le développement logiciel
Mode dégradé et plan de rollback
Abordé dans
- Roadmap 90 jours Concevoir un produit IA (du POC au scale)
Mode interactif
Abordé dans
- Interface, modes et permissions Débuter avec Claude Code
Mode interactif vs mode print
Abordé dans
- Installation et premier lancement Débuter avec Claude Code
Mode JSON et decoding contraint
Abordé dans
- Sorties structurées et contrats JSON Prompt engineering pour professionnels
Mode plan avant exécution
Abordé dans
- Atelier : premier projet guidé Débuter avec Claude Code
Mode plan avant exécution outillée
Abordé dans
- Premiers workflows utiles Débuter avec Claude Code
Mode print / headless
Abordé dans
- Interface, modes et permissions Débuter avec Claude Code
Model Context Protocol (MCP)
Abordé dans
- Qu'est-ce que Claude Code Débuter avec Claude Code
- Outils MCP et extensions Débuter avec Claude Code
- MCP : le problème que le protocole résout MCP — Model Context Protocol pour l'IA en entreprise
Modèle d'IA à usage général (GPAI)
Abordé dans
- Modèles GPAI et modèles de fondation AI Act — comprendre et appliquer le règlement européen sur l'IA
Modèle de menace sur le matériel edge
Abordé dans
- Déploiement edge et cloud Vision par ordinateur appliquée
Modèle de pricing hybride
Abordé dans
- Pricing et unités de valeur Concevoir un produit IA (du POC au scale)
Modèle de tiering d'administration (Tier 0 / 1 / 2)
Abordé dans
- Détection et défense Pentest Active Directory
Modèle roofline : intensité arithmétique
Abordé dans
- Profiling avec Nsight CUDA avancé — GPU et IA haute performance
Modèle vision-langage (VLM)
Abordé dans
- Vision multimodale (VLM) Vision par ordinateur appliquée
Modèles à usage général (GPAI)
Abordé dans
- AI Act : niveaux de risque IA générative, conformité et propriété intellectuelle
Modèles document-natifs
Abordé dans
- OCR et document AI Vision par ordinateur appliquée
Modèles multilingues et recherche cross-lingue
Abordé dans
- Embeddings : représenter le sens RAG : de la théorie à la production
Modelfile
Abordé dans
- Ollama — premier déploiement opérationnel LLM locaux — déploiement Ollama, vLLM et souveraineté
Modification substantielle
Abordé dans
- Évaluation de conformité et marquage CE AI Act — comprendre et appliquer le règlement européen sur l'IA
Modules cibles (target_modules)
Abordé dans
- LoRA et QLoRA Fine-tuning et adaptation de modèles
Moindre privilège
Abordé dans
- Agents, outils et automatisation Introduction à l'intelligence artificielle
- Sécuriser un système d'IA Introduction à l'intelligence artificielle
Moindre privilège (least privilege)
Abordé dans
- Architecture zero-trust pour l'IA Cybersécurité des systèmes d'IA
moindre privilège pour les agents
Abordé dans
- Prompt injection et jailbreaks Cybersécurité des systèmes d'IA
moment de vérité
Abordé dans
- Parcours utilisateur d'un produit IA Concevoir un produit IA (du POC au scale)
Monitoring continu multi-dimensionnel
Abordé dans
- Contrôles opérationnels ISO/IEC 42001 — management de l'IA
Monitoring de dérive (drift) en production
Abordé dans
- Déploiement edge et cloud Vision par ordinateur appliquée
Monitoring de production
Abordé dans
- Qualité des données vision Vision par ordinateur appliquée
monitoring post-déploiement
Abordé dans
- Déploiement d'un modèle adapté Fine-tuning et adaptation de modèles
Montage automatique du token (automountServiceAccountToken)
Abordé dans
- RBAC et identités Sécurité Kubernetes
Mot-cle __restrict__
Abordé dans
- Kernels et patterns d'optimisation CUDA avancé — GPU et IA haute performance
mTLS entre services internes
Abordé dans
- API gateway, authentification et isolation LLM locaux — déploiement Ollama, vLLM et souveraineté
mtr
Abordé dans
- ICMP et outils de diagnostic Introduction à TCP/IP
MTTD (Mean Time To Detect)
Abordé dans
- Triage d'alertes assisté Introduction à l'IA pour la Cybersécurité
MTTR (Mean Time To Respond)
Abordé dans
- Triage d'alertes assisté Introduction à l'IA pour la Cybersécurité
Multi-tenant soft par en-tête de routage
Abordé dans
- API gateway, authentification et isolation LLM locaux — déploiement Ollama, vLLM et souveraineté
Mutation testing
Abordé dans
- Tests et documentation générés IA pour le développement logiciel
MVP
Abordé dans
- Cadrer un projet IA IA Sprint — essentiels en RSVP
Namespaces Linux (PID, NET, MNT, UTS, IPC, USER)
Abordé dans
- Pod Security et isolation Sécurité Kubernetes
NCCL (NVIDIA Collective Communications Library)
Abordé dans
- Multi-GPU et NCCL CUDA avancé — GPU et IA haute performance
NDCG / MRR
Abordé dans
- Rerank et fusion de signaux RAG : de la théorie à la production
NDP
Abordé dans
- Adressage IPv6 Introduction à TCP/IP
Négociation de capacités
Abordé dans
- Architecture et concepts clés MCP — Model Context Protocol pour l'IA en entreprise
Nettoyage du corpus
Abordé dans
- Chunking et préparation du corpus RAG : de la théorie à la production
Network Policies default deny
Abordé dans
- Atelier : checklist production Sécurité Kubernetes
NetworkPolicy et absence de segmentation par défaut
Abordé dans
- Surface d'attaque du cluster Sécurité Kubernetes
NeuroLearn
Abordé dans
- Pourquoi TCP/IP compte TCP/IP Sprint — les essentiels en RSVP
- Qu’est-ce que l’IA ? IA Sprint — essentiels en RSVP
Niveaux d'audit logs Kubernetes (None, Metadata, Request, RequestResponse)
Abordé dans
- Runtime et détection Sécurité Kubernetes
Niveaux de risque de l'AI Act
Abordé dans
- AI Act : niveaux de risque IA générative, conformité et propriété intellectuelle
Nombre d'époques et data leakage
Abordé dans
- Entraînement pratique Fine-tuning et adaptation de modèles
Non-conformité et action corrective (clause 10.2)
Abordé dans
- Audit et amélioration ISO/IEC 42001 — management de l'IA
Non-conformité majeure
Abordé dans
- Amélioration et certification ISO 27001:2022 — SMSI pratique
Non-conformité mineure
Abordé dans
- Amélioration et certification ISO 27001:2022 — SMSI pratique
Non-conformité mineure versus non-conformité majeure
Abordé dans
- Performance et audit interne ISO 27001:2022 — SMSI pratique
Non-discrimination à l'embauche
Abordé dans
- Prompts métier : juridique, tech et RH Prompt engineering pour professionnels
Non-problème IA
Abordé dans
- Problème et valeur : où l'IA apporte un levier Concevoir un produit IA (du POC au scale)
Non-régression continue
Abordé dans
- Évaluer un pipeline RAG RAG : de la théorie à la production
Non-répudiation des actions automatisées
Abordé dans
- Observabilité, audit et conformité MCP — Model Context Protocol pour l'IA en entreprise
Non supervisé
Abordé dans
- Comment une machine apprend Introduction à l'intelligence artificielle
Notation ::
Abordé dans
- Adressage IPv6 Introduction à TCP/IP
Notification à l'autorité compétente de la participation
Abordé dans
- Partage d'information sur les menaces DORA — conformité et résilience opérationnelle numérique
Notification d'incident à 72 heures
Abordé dans
- Reporting d'incidents NIS2 et ReCyF : conformité opérationnelle
Notification des incidents majeurs liés aux TIC
Abordé dans
- DORA : résilience opérationnelle numérique en finance DORA — conformité et résilience opérationnelle numérique
Notification initiale
Abordé dans
- Incidents majeurs et notification DORA — conformité et résilience opérationnelle numérique
Notification précoce à 24 heures
Abordé dans
- Reporting d'incidents NIS2 et ReCyF : conformité opérationnelle
Nsight Compute (ncu) et sections de métriques par kernel
Abordé dans
- Profiling avec Nsight CUDA avancé — GPU et IA haute performance
Nsight Systems (nsys) et timeline applicative
Abordé dans
- Profiling avec Nsight CUDA avancé — GPU et IA haute performance
NVTX ranges pour corréler code et timeline
Abordé dans
- Profiling avec Nsight CUDA avancé — GPU et IA haute performance
Objectifs de sécurité mesurables (clause 6.2)
Abordé dans
- Planification et risques ISO 27001:2022 — SMSI pratique
Objectifs RTO et RPO
Abordé dans
- Cadre de gestion des risques TIC DORA — conformité et résilience opérationnelle numérique
Obligation d'information du chatbot
Abordé dans
- Transparence et risque limité AI Act — comprendre et appliquer le règlement européen sur l'IA
Obligations de transparence (article 50)
Abordé dans
- AI Act : niveaux de risque IA générative, conformité et propriété intellectuelle
Obligations de transparence pour risque limité
Abordé dans
- Approche par risques et taxonomie AI Act — comprendre et appliquer le règlement européen sur l'IA
observabilité de l'inference
Abordé dans
- vLLM — inference haute performance LLM locaux — déploiement Ollama, vLLM et souveraineté
Observabilité de production
Abordé dans
- Passer à l'échelle Concevoir un produit IA (du POC au scale)
Observabilité du pipeline RAG
Abordé dans
- Architecture type de production RAG : de la théorie à la production
Observabilité GPU : DCGM Exporter, métriques Prometheus, alerting
Abordé dans
- Production et pièges courants CUDA avancé — GPU et IA haute performance
Occupancy et facteurs limitants
Abordé dans
- Kernels et patterns d'optimisation CUDA avancé — GPU et IA haute performance
Occupancy et pression sur les registres
Abordé dans
- Hiérarchie mémoire et coalescing CUDA avancé — GPU et IA haute performance
Occupancy et raisons de stall des warps
Abordé dans
- Profiling avec Nsight CUDA avancé — GPU et IA haute performance
Occupancy et registres/mémoire partagée
Abordé dans
- Architecture GPU NVIDIA CUDA avancé — GPU et IA haute performance
OCR (reconnaissance optique de caractères)
Abordé dans
- OCR et document AI Vision par ordinateur appliquée
Onze contrôles nouveaux de la révision 2022
Abordé dans
- Annexe A 2022 : contrôles utiles ISO 27001:2022 — SMSI pratique
Opacité
Abordé dans
- Limites, hallucinations et risques Introduction à l'intelligence artificielle
open-weight vs open-source
Abordé dans
- Paysage des modèles open-weight et licences LLM locaux — déploiement Ollama, vLLM et souveraineté
Opérations d'un index vectoriel en production
Abordé dans
- Bases vectorielles RAG : de la théorie à la production
OPSEC
Abordé dans
- Pourquoi le pentest Active Directory Pentest Active Directory
OPSEC en phase de reconnaissance
Abordé dans
- Cartographier le domaine Pentest Active Directory
OPSEC et journalisation de l'énumération
Abordé dans
- Énumération LDAP et SMB Pentest Active Directory
Opt-out des ayants droit
Abordé dans
- Propriété intellectuelle des outputs IA générative, conformité et propriété intellectuelle
Opt-out entraînement des modèles
Abordé dans
- Contrats et clauses fournisseurs IA générative, conformité et propriété intellectuelle
Opt-out training
Abordé dans
- Secrets, licences et conformité code IA pour le développement logiciel
Optimiseur paginé
Abordé dans
- LoRA et QLoRA Fine-tuning et adaptation de modèles
Options de traitement : réduire, éviter, transférer, accepter
Abordé dans
- Planification et risques ISO 27001:2022 — SMSI pratique
Oracle de détection automatisé
Abordé dans
- Tests de sécurité IA : red teaming et fuzzing de prompts Cybersécurité des systèmes d'IA
Orchestrateur agentique
Abordé dans
- Cas métier de bout en bout Agents LLM et outils (function calling)
Orchestrateur central
Abordé dans
- Multi-agents et orchestration Agents LLM et outils (function calling)
orchestrateur multi-serveurs
Abordé dans
- Clients : IDE, agents et orchestrateurs MCP — Model Context Protocol pour l'IA en entreprise
Orchestration
Abordé dans
- Agents, outils et automatisation Introduction à l'intelligence artificielle
orchestration multi-outils
Abordé dans
- Outils et APIs (function calling) Agents LLM et outils (function calling)
Ordre des blocs dans un prompt
Abordé dans
- Anatomie d'un prompt efficace Prompt engineering pour professionnels
Organisme notifié
Abordé dans
- Évaluation de conformité et marquage CE AI Act — comprendre et appliquer le règlement européen sur l'IA
Organisme notifié et marquage CE
Abordé dans
- AI Act : cadre européen de l'intelligence artificielle AI Act — comprendre et appliquer le règlement européen sur l'IA
Oubli catastrophique
Abordé dans
- Évaluation post-adaptation Fine-tuning et adaptation de modèles
oubli catastrophique de l'alignement
Abordé dans
- Biais, sécurité et alignement Fine-tuning et adaptation de modèles
Oubli catastrophique en fine-tuning
Abordé dans
- Données et modèles ISO/IEC 42001 — management de l'IA
Out-of-memory GPU : fragmentation, allocateur caching, OOM killer
Abordé dans
- Production et pièges courants CUDA avancé — GPU et IA haute performance
out-of-memory (OOM) sur inférence
Abordé dans
- Observabilité, coûts et SLA LLM locaux — déploiement Ollama, vLLM et souveraineté
outil en lecture seule vs outil à effet de bord
Abordé dans
- Atelier — serveur métier sécurisé de bout en bout MCP — Model Context Protocol pour l'IA en entreprise
outils et function calling via MCP
Abordé dans
- Intégration aux produits métier LLM locaux — déploiement Ollama, vLLM et souveraineté
outils, ressources et prompts
Abordé dans
- MCP : le problème que le protocole résout MCP — Model Context Protocol pour l'IA en entreprise
Over-reliance
Abordé dans
- Dette technique et risques IA pour le développement logiciel
Overlap (chevauchement)
Abordé dans
- Chunking et préparation du corpus RAG : de la théorie à la production
Overpass-the-Hash : obtention d'un TGT légitime à partir d'un hash
Abordé dans
- Mouvement latéral Pentest Active Directory
OWASP LLM Top 10 / MITRE ATLAS
Abordé dans
- Surface d'attaque des systèmes IA Cybersécurité des systèmes d'IA
Owner de système IA
Abordé dans
- Politiques et rôles ISO/IEC 42001 — management de l'IA
PAC (Privilege Attribute Certificate)
Abordé dans
- Kerberos : tickets et confiance Pentest Active Directory
PagedAttention
Abordé dans
- vLLM — inference haute performance LLM locaux — déploiement Ollama, vLLM et souveraineté
PagedAttention (gestion mémoire paginée)
Abordé dans
- Optimisation inférence LLM CUDA avancé — GPU et IA haute performance
pagination par curseur
Abordé dans
- Resources, prompts et contexte long MCP — Model Context Protocol pour l'IA en entreprise
Paire chosen / rejected
Abordé dans
- Données d'instruction et de préférence Fine-tuning et adaptation de modèles
Palier de permission : écriture
Abordé dans
- Interface, modes et permissions Débuter avec Claude Code
Palier de permission : lecture
Abordé dans
- Interface, modes et permissions Débuter avec Claude Code
Palier de permission : shell et réseau
Abordé dans
- Interface, modes et permissions Débuter avec Claude Code
Paquet
Abordé dans
- Introduction à TCP/IP Introduction à TCP/IP
paramètres d'inférence (temperature, num_ctx)
Abordé dans
- Ollama — premier déploiement opérationnel LLM locaux — déploiement Ollama, vLLM et souveraineté
Paramètres M, ef_construction, ef_search
Abordé dans
- Bases vectorielles RAG : de la théorie à la production
Paramètres vs hyperparamètres
Abordé dans
- Comment une machine apprend Introduction à l'intelligence artificielle
Partage volontaire entre pairs
Abordé dans
- Partage d'information sur les menaces DORA — conformité et résilience opérationnelle numérique
Partages d'administration SMB (psexec, smbexec, wmiexec)
Abordé dans
- Mouvement latéral Pentest Active Directory
Parties intéressées
Abordé dans
- Système de management de l'IA ISO/IEC 42001 — management de l'IA
Parties intéressées et contexte organisationnel
Abordé dans
- Atelier : AIMS pragmatique ISO/IEC 42001 — management de l'IA
Parties intéressées et gouvernance de l'IA
Abordé dans
- Pourquoi ISO 42001 ISO/IEC 42001 — management de l'IA
Parties intéressées pertinentes
Abordé dans
- Contexte et parties intéressées ISO 27001:2022 — SMSI pratique
Pass-the-Hash et rejeu du hash NTLM sans mot de passe en clair
Abordé dans
- Mouvement latéral Pentest Active Directory
Pass-the-Ticket : réutilisation d'un TGT ou TGS extrait de la mémoire
Abordé dans
- Mouvement latéral Pentest Active Directory
Passerelle de permissions et revue humaine
Abordé dans
- Installation et premier lancement Débuter avec Claude Code
Path traversal et SSRF
Abordé dans
- Sécurité, autorisations et moindre privilège MCP — Model Context Protocol pour l'IA en entreprise
pattern sidecar LLM
Abordé dans
- Intégration aux produits métier LLM locaux — déploiement Ollama, vLLM et souveraineté
Patterns UX de contrôle
Abordé dans
- UX de confiance Concevoir un produit IA (du POC au scale)
PDU
Abordé dans
- Le Modèle OSI Introduction à TCP/IP
Percentiles de latence (p50/p95/p99)
Abordé dans
- Observabilité des agents Agents LLM et outils (function calling)
Périmètre d'accès aux fichiers
Abordé dans
- Bonnes pratiques et sécurité Débuter avec Claude Code
Périmètre par entité juridique et cas des filiales
Abordé dans
- Périmètre et entités concernées NIS2 et ReCyF : conformité opérationnelle
Périmètre restreint et documenté
Abordé dans
- Atelier : SMSI MVP ISO 27001:2022 — SMSI pratique
Périmètre (scope) du SMIA
Abordé dans
- Système de management de l'IA ISO/IEC 42001 — management de l'IA
Périmètre (scope) du SMSI
Abordé dans
- Contexte et parties intéressées ISO 27001:2022 — SMSI pratique
Permissions accordées par outil
Abordé dans
- Atelier : premier projet guidé Débuter avec Claude Code
Permissions et revue humaine
Abordé dans
- Outils MCP et extensions Débuter avec Claude Code
Permissions et validation humaine
Abordé dans
- Bonnes pratiques et sécurité Débuter avec Claude Code
Persona opérationnel versus étiquette de rôle
Abordé dans
- Rôles, personas et contraintes opératoires Prompt engineering pour professionnels
Phase POC / pilote / lancement
Abordé dans
- Roadmap 90 jours Concevoir un produit IA (du POC au scale)
Phases prefill et decode
Abordé dans
- Optimisation inférence LLM CUDA avancé — GPU et IA haute performance
Pièges courants du premier kernel
Abordé dans
- Modèle de programmation CUDA CUDA avancé — GPU et IA haute performance
Pièges de l'approche checklist
Abordé dans
- Annexe A 2022 : contrôles utiles ISO 27001:2022 — SMSI pratique
Pile logicielle CUDA : framework, bibliothèques, driver, SM
Abordé dans
- Pourquoi CUDA pour l'IA haute performance CUDA avancé — GPU et IA haute performance
Pile TCP/IP
Abordé dans
- Introduction à TCP/IP Introduction à TCP/IP
Pilote IA
Abordé dans
- Cadrer un projet IA IA Sprint — essentiels en RSVP
Ping
Abordé dans
- Diagnostic express TCP/IP Sprint — les essentiels en RSVP
- ICMP et outils de diagnostic Introduction à TCP/IP
Pipeline d'enrichissement
Abordé dans
- Enrichir le SIEM avec l'IA Introduction à l'IA pour la Cybersécurité
Pipeline d'ingestion documentaire
Abordé dans
- RAG privé sur données internes LLM locaux — déploiement Ollama, vLLM et souveraineté
Pipeline de données image
Abordé dans
- Pipeline image de bout en bout Vision par ordinateur appliquée
Pipeline de labellisation
Abordé dans
- Data flywheel et apprentissage produit Concevoir un produit IA (du POC au scale)
Pipeline de prétraitement et post-traitement
Abordé dans
- Panorama de la vision moderne Vision par ordinateur appliquée
Pipeline de prompts
Abordé dans
- Few-shot, chain-of-thought et décomposition Prompt engineering pour professionnels
Pipeline séquentiel d'agents
Abordé dans
- Multi-agents et orchestration Agents LLM et outils (function calling)
Pipelining par chunks pour l'inference batch
Abordé dans
- Streams, événements et concurrence CPU-GPU CUDA avancé — GPU et IA haute performance
pitch COMEX conformité
Abordé dans
- Plan de mise en conformité AI Act AI Act — comprendre et appliquer le règlement européen sur l'IA
Pitch en quatre temps (enjeu, état des lieux, plan, demande)
Abordé dans
- Atelier : roadmap COMEX NIS2 et ReCyF : conformité opérationnelle
Plafond d'indemnisation (liability cap)
Abordé dans
- Contrats et clauses fournisseurs IA générative, conformité et propriété intellectuelle
plan de capacité
Abordé dans
- Atelier — feuille de route vers la production LLM locaux — déploiement Ollama, vLLM et souveraineté
Plan de continuité d'activité (BCP)
Abordé dans
- Cadre de gestion des risques TIC DORA — conformité et résilience opérationnelle numérique
Plan de remédiation 30 jours
Abordé dans
- Atelier : checklist production Sécurité Kubernetes
Plan de remédiation et suivi des correctifs
Abordé dans
- Tests de résilience numérique DORA — conformité et résilience opérationnelle numérique
Plan de repli en production
Abordé dans
- Atelier : cas réel de bout en bout Prompt engineering pour professionnels
Plan de reprise après sinistre (DR)
Abordé dans
- Cadre de gestion des risques TIC DORA — conformité et résilience opérationnelle numérique
Plan de traitement des risques (RTP)
Abordé dans
- Planification et risques ISO 27001:2022 — SMSI pratique
Plan de traitement du risque (risk treatment plan)
Abordé dans
- Fonctionnement opérationnel ISO 27001:2022 — SMSI pratique
Plan explicite vs boucle réactive
Abordé dans
- Planification et décomposition de tâches Agents LLM et outils (function calling)
Playbook assisté vs playbook automatisé
Abordé dans
- Copilotes SOC Introduction à l'IA pour la Cybersécurité
Playbook d'incident
Abordé dans
- Réponse aux incidents Évaluer et fiabiliser les systèmes LLM
Playbook d'investigation d'incident
Abordé dans
- Observabilité, audit et conformité MCP — Model Context Protocol pour l'IA en entreprise
plugins ChatGPT
Abordé dans
- MCP : le problème que le protocole résout MCP — Model Context Protocol pour l'IA en entreprise
PMTU Discovery
Abordé dans
- ICMP et outils de diagnostic Introduction à TCP/IP
Pod Security Admission (enforce, audit, warn)
Abordé dans
- Pod Security et isolation Sécurité Kubernetes
Pod Security Standards
Abordé dans
- Atelier : checklist production Sécurité Kubernetes
Pod Security Standards (Privileged, Baseline, Restricted)
Abordé dans
- Pod Security et isolation Sécurité Kubernetes
podSelector et namespaceSelector
Abordé dans
- Network Policies Sécurité Kubernetes
Poids de base gelés
Abordé dans
- LoRA et QLoRA Fine-tuning et adaptation de modèles
Poids et biais
Abordé dans
- Réseaux de neurones et apprentissage profond Introduction à l'intelligence artificielle
Point d'application de la politique (PEP)
Abordé dans
- Architecture zero-trust pour l'IA Cybersécurité des systèmes d'IA
Point de contrôle humain
Abordé dans
- Workflows de développement assistés IA pour le développement logiciel
Point de décision de politique (PDP)
Abordé dans
- Architecture zero-trust pour l'IA Cybersécurité des systèmes d'IA
policyTypes Ingress/Egress
Abordé dans
- Network Policies Sécurité Kubernetes
Politique d'admission (Kyverno, OPA Gatekeeper)
Abordé dans
- Supply chain et images Sécurité Kubernetes
Politique d'équipe
Abordé dans
- Bonnes pratiques et sécurité Débuter avec Claude Code
Politique d'équipe durable
Abordé dans
- Pièges courants et suite du parcours Débuter avec Claude Code
Politique d'usage documentée et révisable
Abordé dans
- Politique d'équipe et adoption IA pour le développement logiciel
Politique d'usage IA en entreprise
Abordé dans
- Secrets, licences et conformité code IA pour le développement logiciel
Politique d'usage interne (AI Use Policy)
Abordé dans
- Cas entreprise : dossier type IA générative, conformité et propriété intellectuelle
Politique d'usage opérationnelle
Abordé dans
- Gouvernance IA en entreprise IA générative, conformité et propriété intellectuelle
Politique de gestion du risque TIC (article 5-6 DORA)
Abordé dans
- Cadre de gestion des risques TIC DORA — conformité et résilience opérationnelle numérique
politique de prompts et de contrôle de sortie
Abordé dans
- Sécurité des LLM locaux LLM locaux — déploiement Ollama, vLLM et souveraineté
Politique de respect du droit d'auteur
Abordé dans
- Modèles GPAI et modèles de fondation AI Act — comprendre et appliquer le règlement européen sur l'IA
Politique de sécurité de l'information (clause 5.2)
Abordé dans
- Leadership et politique ISO 27001:2022 — SMSI pratique
Politique de sécurité opposable et déclinable
Abordé dans
- Gouvernance et gestion des risques NIS2 et ReCyF : conformité opérationnelle
Politique IA
Abordé dans
- Système de management de l'IA ISO/IEC 42001 — management de l'IA
Politique IA (AI policy)
Abordé dans
- Politiques et rôles ISO/IEC 42001 — management de l'IA
Politiques centrales (auth, quotas, audit)
Abordé dans
- Patterns avancés multi-serveurs MCP — Model Context Protocol pour l'IA en entreprise
Port forwarding
Abordé dans
- Ports et Sockets Introduction à TCP/IP
port kubelet 10250 et l'API non authentifiée par défaut
Abordé dans
- Surface d'attaque du cluster Sécurité Kubernetes
Porte d'intégration continue (CI gate)
Abordé dans
- Tests de régression LLM Évaluer et fiabiliser les systèmes LLM
Porte dérobée algorithmique (backdoor / trigger)
Abordé dans
- Limites et attaques adversariales Introduction à l'IA pour la Cybersécurité
Porte dérobée (backdoor) et déclencheur (trigger)
Abordé dans
- Data poisoning et contamination Cybersécurité des systèmes d'IA
Portes de décision (gates)
Abordé dans
- Roadmap 90 jours Concevoir un produit IA (du POC au scale)
Ports
Abordé dans
- TCP contre UDP TCP/IP Sprint — les essentiels en RSVP
- Ports utiles et DNS TCP/IP Sprint — les essentiels en RSVP
Ports éphémères
Abordé dans
- Ports et Sockets Introduction à TCP/IP
Ports système 0-1023
Abordé dans
- Ports et Sockets Introduction à TCP/IP
Post-mortem sans blâme
Abordé dans
- Playbook SOC pour incidents IA Cybersécurité des systèmes d'IA
Post-mortem sans recherche de coupable
Abordé dans
- Réponse aux incidents Évaluer et fiabiliser les systèmes LLM
Pratiques interdites
Abordé dans
- AI Act : cadre européen de l'intelligence artificielle AI Act — comprendre et appliquer le règlement européen sur l'IA
Pratiques interdites (article 5)
Abordé dans
- AI Act : niveaux de risque IA générative, conformité et propriété intellectuelle
Pratiques interdites de l'article 5
Abordé dans
- Approche par risques et taxonomie AI Act — comprendre et appliquer le règlement européen sur l'IA
Pré-entraînement
Abordé dans
- Les grands modèles de langage Introduction à l'intelligence artificielle
Pré-filtrage vs post-filtrage
Abordé dans
- Bases vectorielles RAG : de la théorie à la production
Précision et rappel
Abordé dans
- Classification d'images Vision par ordinateur appliquée
Précision mixte automatique (AMP) et GradScaler
Abordé dans
- PyTorch et TensorFlow on GPU CUDA avancé — GPU et IA haute performance
Précision, robustesse et cybersécurité
Abordé dans
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Préfixe CIDR
Abordé dans
- IPv4 en essentiel TCP/IP Sprint — les essentiels en RSVP
Préfixes query/passage
Abordé dans
- Embeddings : représenter le sens RAG : de la théorie à la production
Préservation de preuve avant remédiation
Abordé dans
- Runtime et détection Sécurité Kubernetes
Préservation des preuves (prompts, sorties, versions de modèle)
Abordé dans
- Playbook SOC pour incidents IA Cybersécurité des systèmes d'IA
Présomption de compromission (assume breach)
Abordé dans
- Architecture zero-trust pour l'IA Cybersécurité des systèmes d'IA
Présomption de conformité vis-à-vis de l'AI Act
Abordé dans
- Pourquoi ISO 42001 ISO/IEC 42001 — management de l'IA
Prestataire TIC critique et Lead Overseer
Abordé dans
- Périmètre et entités financières DORA — conformité et résilience opérationnelle numérique
Prestataires TIC critiques (CTPP) et surveillance directe
Abordé dans
- Prestataires TIC critiques DORA — conformité et résilience opérationnelle numérique
Prestataires tiers de services TIC critiques
Abordé dans
- DORA : résilience opérationnelle numérique en finance DORA — conformité et résilience opérationnelle numérique
Prétraitement et normalisation
Abordé dans
- Pipeline image de bout en bout Vision par ordinateur appliquée
preuve de conformité et audit
Abordé dans
- DPIA et registres IA générative, conformité et propriété intellectuelle
Preuves d'audit de la gouvernance
Abordé dans
- Politiques et rôles ISO/IEC 42001 — management de l'IA
Preuves d'audit de leadership
Abordé dans
- Leadership et politique ISO 27001:2022 — SMSI pratique
preuves d'audit et documentation de conformité
Abordé dans
- Gouvernance, sanctions et calendrier AI Act — comprendre et appliquer le règlement européen sur l'IA
Preuves d'audit et traçabilité documentaire
Abordé dans
- Audit et amélioration ISO/IEC 42001 — management de l'IA
Preuves de conformité et traçabilité
Abordé dans
- Plan de mise en conformité NIS2 et ReCyF : conformité opérationnelle
Preuves documentaires exploitables en audit
Abordé dans
- Fonctionnement opérationnel ISO 27001:2022 — SMSI pratique
Prévisibilité des coûts d'infrastructure
Abordé dans
- Pourquoi des LLM locaux en entreprise LLM locaux — déploiement Ollama, vLLM et souveraineté
Pricing outcome-based
Abordé dans
- Pricing et unités de valeur Concevoir un produit IA (du POC au scale)
Primitives ACL abusables : GenericAll, WriteDacl, ForceChangePassword
Abordé dans
- BloodHound et chemins d'attaque Pentest Active Directory
principe d'accountability
Abordé dans
- DPIA et registres IA générative, conformité et propriété intellectuelle
Principe de moindre privilège
Abordé dans
- Outils MCP et extensions Débuter avec Claude Code
- RBAC et identités Sécurité Kubernetes
- Sécurité, autorisations et moindre privilège MCP — Model Context Protocol pour l'IA en entreprise
- Atelier — serveur métier sécurisé de bout en bout MCP — Model Context Protocol pour l'IA en entreprise
Principe de proportionnalité
Abordé dans
- DORA : résilience opérationnelle numérique en finance DORA — conformité et résilience opérationnelle numérique
- Périmètre et entités financières DORA — conformité et résilience opérationnelle numérique
principe du moindre privilège
Abordé dans
- Garde-fous et politiques d'action Agents LLM et outils (function calling)
- Protection, prévention et détection DORA — conformité et résilience opérationnelle numérique
Priorisation de remédiation côté client
Abordé dans
- Kerberoasting et AS-REP Roasting Pentest Active Directory
Priorisation des cibles à cartographier
Abordé dans
- Cartographier le domaine Pentest Active Directory
Priorisation des correctifs
Abordé dans
- Hardening et audit Sécurité Kubernetes
Priorisation des mesures de sécurité
Abordé dans
- ReCyF : lecture opérationnelle NIS2 et ReCyF : conformité opérationnelle
Priorisation du risque métier en rapport de pentest
Abordé dans
- Escalade de privilèges AD Pentest Active Directory
Procédure d'incident lié à l'IA
Abordé dans
- Politique d'équipe et adoption IA pour le développement logiciel
Processus de revue par les pairs
Abordé dans
- Bibliothèque de patterns réutilisables Prompt engineering pour professionnels
Profilage du recouvrement avec Nsight Systems
Abordé dans
- Streams, événements et concurrence CPU-GPU CUDA avancé — GPU et IA haute performance
Profilage mémoire avec Nsight Compute
Abordé dans
- Hiérarchie mémoire et coalescing CUDA avancé — GPU et IA haute performance
Profils seccomp (RuntimeDefault, Localhost)
Abordé dans
- Pod Security et isolation Sécurité Kubernetes
Programme d'audit interne du SGIA (clause 9.2)
Abordé dans
- Audit et amélioration ISO/IEC 42001 — management de l'IA
Programme d'audit interne pluriannuel
Abordé dans
- Performance et audit interne ISO 27001:2022 — SMSI pratique
Projection dans l'espace des tokens texte
Abordé dans
- Vision multimodale (VLM) Vision par ordinateur appliquée
Prompt comme spécification
Abordé dans
- Pourquoi le prompt engineering change le résultat Prompt engineering pour professionnels
Prompt de contrainte factuelle
Abordé dans
- Anti-hallucination et ancrage factuel Prompt engineering pour professionnels
Prompt flou et instruction sous-spécifiée
Abordé dans
- Pièges courants et suite du parcours Débuter avec Claude Code
Prompt injection
Abordé dans
- Limites, hallucinations et risques Introduction à l'intelligence artificielle
prompt injection directe
Abordé dans
- Prompt injection et jailbreaks Cybersécurité des systèmes d'IA
prompt injection directe et indirecte
Abordé dans
- Sécurité des LLM locaux LLM locaux — déploiement Ollama, vLLM et souveraineté
prompt injection indirecte
Abordé dans
- Prompt injection et jailbreaks Cybersécurité des systèmes d'IA
Prompt métier
Abordé dans
- Prompts métier : juridique, tech et RH Prompt engineering pour professionnels
prompt versionné
Abordé dans
- Resources, prompts et contexte long MCP — Model Context Protocol pour l'IA en entreprise
Prompt visuel et ancrage (grounding)
Abordé dans
- Vision multimodale (VLM) Vision par ordinateur appliquée
Propagation d'erreurs
Abordé dans
- Anti-hallucination et ancrage factuel Prompt engineering pour professionnels
Propagation d'identité et OIDC
Abordé dans
- Intégration au SI existant MCP — Model Context Protocol pour l'IA en entreprise
Proportionnalité pour les entités simplifiées
Abordé dans
- Gouvernance et responsabilités DORA — conformité et résilience opérationnelle numérique
Propriétaire de risque
Abordé dans
- Leadership et politique ISO 27001:2022 — SMSI pratique
Propriétaire de risque (risk owner)
Abordé dans
- Planification et risques ISO 27001:2022 — SMSI pratique
Propriétaire du prompt et des seuils
Abordé dans
- Roadmap 90 jours Concevoir un produit IA (du POC au scale)
Propriété du prompt
Abordé dans
- Passer à l'échelle Concevoir un produit IA (du POC au scale)
Protection du contenu généré par IA
Abordé dans
- Propriété intellectuelle des outputs IA générative, conformité et propriété intellectuelle
Provenance du code généré
Abordé dans
- Secrets, licences et conformité code IA pour le développement logiciel
Provenance et attestation SLSA
Abordé dans
- Supply chain et images Sécurité Kubernetes
Provenance et intégrité des poids
Abordé dans
- Supply chain des modèles : poids, dépendances, provenance Cybersécurité des systèmes d'IA
Provenance et licence des données
Abordé dans
- Données d'instruction et de préférence Fine-tuning et adaptation de modèles
Provenance et traçabilité des données
Abordé dans
- Data poisoning et contamination Cybersécurité des systèmes d'IA
Provenance et traçabilité des jeux de données
Abordé dans
- Données et modèles ISO/IEC 42001 — management de l'IA
Proxy ARP
Abordé dans
- Protocole ARP Introduction à TCP/IP
PyTorch DistributedDataParallel (DDP)
Abordé dans
- Multi-GPU et NCCL CUDA avancé — GPU et IA haute performance
Quadruplet
Abordé dans
- Ports et Sockets Introduction à TCP/IP
Qualificateurs __global__, __device__, __host__
Abordé dans
- Modèle de programmation CUDA CUDA avancé — GPU et IA haute performance
qualification SecNumCloud
Abordé dans
- Gouvernance, souveraineté et conformité LLM locaux — déploiement Ollama, vLLM et souveraineté
Qualification territoriale hors UE
Abordé dans
- Périmètre et entités financières DORA — conformité et résilience opérationnelle numérique
Qualité des données (exactitude, représentativité, actualité, licéité)
Abordé dans
- Données et modèles ISO/IEC 42001 — management de l'IA
Qualité et couverture de la télémétrie
Abordé dans
- Détection d'anomalies Introduction à l'IA pour la Cybersécurité
Qualité perçue
Abordé dans
- Métriques produit IA Concevoir un produit IA (du POC au scale)
Quand réécrire un kernel plutôt qu'utiliser la bibliothèque
Abordé dans
- cuBLAS et cuDNN CUDA avancé — GPU et IA haute performance
Quantification NF4 et double quantification
Abordé dans
- LoRA et QLoRA Fine-tuning et adaptation de modèles
Quantisation FP16 / INT8
Abordé dans
- Matériel, VRAM et quantisation LLM locaux — déploiement Ollama, vLLM et souveraineté
Quantization et embeddings Matryoshka
Abordé dans
- Embeddings : représenter le sens RAG : de la théorie à la production
Quantization INT8/FP8
Abordé dans
- Optimisation inférence LLM CUDA avancé — GPU et IA haute performance
Quantization, pruning et distillation
Abordé dans
- Déploiement edge et cloud Vision par ordinateur appliquée
Quatre familles : qualité, robustesse, opérabilité, gouvernance
Abordé dans
- Checklist go-live Évaluer et fiabiliser les systèmes LLM
Quatre niveaux de risque
Abordé dans
- Cadre réglementaire européen Introduction à l'intelligence artificielle
Quatre thèmes de l'Annexe A 2022 : A.5, A.6, A.7, A.8
Abordé dans
- Annexe A 2022 : contrôles utiles ISO 27001:2022 — SMSI pratique
Question-réponse visuelle (VQA)
Abordé dans
- Vision multimodale (VLM) Vision par ordinateur appliquée
Quick win vs chantier structurant
Abordé dans
- Plan de mise en conformité NIS2 et ReCyF : conformité opérationnelle
Quick wins réglementaires
Abordé dans
- Plan de mise en conformité DORA DORA — conformité et résilience opérationnelle numérique
quick wins vs chantiers structurels
Abordé dans
- Plan de mise en conformité AI Act AI Act — comprendre et appliquer le règlement européen sur l'IA
RAG léger
Abordé dans
- Anti-hallucination et ancrage factuel Prompt engineering pour professionnels
RAG (retrieval-augmented generation)
Abordé dans
- Quand fine-tuner (vs RAG et prompt) Fine-tuning et adaptation de modèles
Raisonnement natif vs prompté
Abordé dans
- Few-shot, chain-of-thought et décomposition Prompt engineering pour professionnels
Rang r et facteur d'échelle alpha
Abordé dans
- LoRA et QLoRA Fine-tuning et adaptation de modèles
Rappel et précision
Abordé dans
- Les données : le vrai facteur limitant Introduction à l'intelligence artificielle
Rappel (recall) d'un index
Abordé dans
- Bases vectorielles RAG : de la théorie à la production
Rapport de clôture et attestation
Abordé dans
- Tests de résilience numérique DORA — conformité et résilience opérationnelle numérique
Rapport de vulnérabilité priorisé
Abordé dans
- Tests de sécurité IA : red teaming et fuzzing de prompts Cybersécurité des systèmes d'IA
Rapport final
Abordé dans
- Incidents majeurs et notification DORA — conformité et résilience opérationnelle numérique
Rapport final à un mois
Abordé dans
- Reporting d'incidents NIS2 et ReCyF : conformité opérationnelle
Rapport intermédiaire
Abordé dans
- Incidents majeurs et notification DORA — conformité et résilience opérationnelle numérique
Rapport intermédiaire sur demande
Abordé dans
- Reporting d'incidents NIS2 et ReCyF : conformité opérationnelle
rate limiting et budget d'itérations
Abordé dans
- Garde-fous et politiques d'action Agents LLM et outils (function calling)
Rate limiting et quotas par équipe
Abordé dans
- API gateway, authentification et isolation LLM locaux — déploiement Ollama, vLLM et souveraineté
RBAC et comptes de service
Abordé dans
- Hardening et audit Sécurité Kubernetes
RBAC et principe de moindre privilège
Abordé dans
- Pourquoi sécuriser Kubernetes Sécurité Kubernetes
RBAC excessif
Abordé dans
- Atelier : checklist production Sécurité Kubernetes
RDP et Restricted Admin Mode
Abordé dans
- Mouvement latéral Pentest Active Directory
Ré-évaluation des risques en continu
Abordé dans
- Cycle de vie des systèmes IA ISO/IEC 42001 — management de l'IA
Re-test ciblé comme preuve d'efficacité de la remédiation
Abordé dans
- Reporting et remédiation Pentest Active Directory
readOnlyRootFilesystem et fsGroup
Abordé dans
- Pod Security et isolation Sécurité Kubernetes
Recall@k et MRR
Abordé dans
- Retrieval : retrouver le bon passage RAG : de la théorie à la production
Recherche hybride
Abordé dans
- Retrieval : retrouver le bon passage RAG : de la théorie à la production
Recherche hybride (dense + lexicale)
Abordé dans
- Bases vectorielles RAG : de la théorie à la production
Recherche lexicale BM25
Abordé dans
- Retrieval : retrouver le bon passage RAG : de la théorie à la production
Recherche par plus proches voisins approximative (ANN)
Abordé dans
- Bases vectorielles RAG : de la théorie à la production
Recherche vectorielle dense
Abordé dans
- Retrieval : retrouver le bon passage RAG : de la théorie à la production
Reciprocal Rank Fusion (RRF)
Abordé dans
- Rerank et fusion de signaux RAG : de la théorie à la production
Reconnaissance biométrique à distance en temps réel
Abordé dans
- Pratiques d'IA interdites AI Act — comprendre et appliquer le règlement européen sur l'IA
Reconnaissance d'émotions et catégorisation biométrique
Abordé dans
- Transparence et risque limité AI Act — comprendre et appliquer le règlement européen sur l'IA
Reconnaissance d'entités nommées (NER)
Abordé dans
- Threat intelligence et NLP Introduction à l'IA pour la Cybersécurité
Recouvrement H2D / calcul / D2H
Abordé dans
- Streams, événements et concurrence CPU-GPU CUDA avancé — GPU et IA haute performance
Recrutement haut risque
Abordé dans
- L'IA dans les métiers : cas réels Introduction à l'intelligence artificielle
ReCyF comme référentiel opérationnel de mise en œuvre
Abordé dans
- Obligations essentielles NIS2 et ReCyF : conformité opérationnelle
ReCyF — transposition française de NIS2
Abordé dans
- Périmètre et entités concernées NIS2 et ReCyF : conformité opérationnelle
Red Team
Abordé dans
- Pourquoi le pentest Active Directory Pentest Active Directory
Red Team et testeurs accrédités
Abordé dans
- Tests de résilience numérique DORA — conformité et résilience opérationnelle numérique
red teaming ciblé sur le domaine métier
Abordé dans
- Biais, sécurité et alignement Fine-tuning et adaptation de modèles
Red teaming IA
Abordé dans
- Tests de sécurité IA : red teaming et fuzzing de prompts Cybersécurité des systèmes d'IA
Redaction des données personnelles avant export
Abordé dans
- Observabilité des agents Agents LLM et outils (function calling)
Reduction en arbre et warp shuffle
Abordé dans
- Kernels et patterns d'optimisation CUDA avancé — GPU et IA haute performance
Réécriture de requête
Abordé dans
- Retrieval : retrouver le bon passage RAG : de la théorie à la production
Réévaluation en cours de cycle de vie
Abordé dans
- Évaluation des impacts ISO/IEC 42001 — management de l'IA
Réévaluation périodique
Abordé dans
- Chaîne d'approvisionnement NIS2 et ReCyF : conformité opérationnelle
Refactor à périmètre borné
Abordé dans
- Premiers workflows utiles Débuter avec Claude Code
Référence mesurée
Abordé dans
- Conduire un projet d'IA Introduction à l'intelligence artificielle
Références inventées
Abordé dans
- L'IA dans les métiers : cas réels Introduction à l'intelligence artificielle
Référent IA métier
Abordé dans
- Gouvernance IA en entreprise IA générative, conformité et propriété intellectuelle
Référentiel ReCyF
Abordé dans
- ReCyF : lecture opérationnelle NIS2 et ReCyF : conformité opérationnelle
Refus calibré
Abordé dans
- Citations et grounding RAG : de la théorie à la production
Refus utile et refus silencieux
Abordé dans
- Rôles, personas et contraintes opératoires Prompt engineering pour professionnels
Registre d'information sur les prestataires tiers
Abordé dans
- DORA : résilience opérationnelle numérique en finance DORA — conformité et résilience opérationnelle numérique
Registre de classification du portefeuille produit
Abordé dans
- Systèmes d'IA à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
registre de modèles
Abordé dans
- Déploiement d'un modèle adapté Fine-tuning et adaptation de modèles
Registre de preuves
Abordé dans
- Atelier : SMSI MVP ISO 27001:2022 — SMSI pratique
Registre des dérogations
Abordé dans
- Checklist go-live Évaluer et fiabiliser les systèmes LLM
Registre des informations (article 28 DORA)
Abordé dans
- Prestataires TIC critiques DORA — conformité et résilience opérationnelle numérique
Registre des informations sur les prestataires tiers
Abordé dans
- Périmètre et entités financières DORA — conformité et résilience opérationnelle numérique
Registre des jeux de données
Abordé dans
- Données et modèles ISO/IEC 42001 — management de l'IA
Registre des prestataires TIC
Abordé dans
- Plan de mise en conformité DORA DORA — conformité et résilience opérationnelle numérique
Registre des risques IA
Abordé dans
- Évaluation des impacts ISO/IEC 42001 — management de l'IA
registre des traitements (article 30 RGPD)
Abordé dans
- DPIA et registres IA générative, conformité et propriété intellectuelle
Registre IA
Abordé dans
- Cadre et conformité IA Sprint — essentiels en RSVP
Registre interne des incidents
Abordé dans
- Incidents majeurs et notification DORA — conformité et résilience opérationnelle numérique
Règle de plafonnement par la taille (size-cap rule)
Abordé dans
- Périmètre et entités concernées NIS2 et ReCyF : conformité opérationnelle
Règle pratique d'estimation mémoire
Abordé dans
- Matériel, VRAM et quantisation LLM locaux — déploiement Ollama, vLLM et souveraineté
Règles d'engagement (rules of engagement)
Abordé dans
- Tests de sécurité IA : red teaming et fuzzing de prompts Cybersécurité des systèmes d'IA
Règles Falco : condition, priorité, output
Abordé dans
- Runtime et détection Sécurité Kubernetes
Régularisation (dropout, weight decay)
Abordé dans
- Entraînement pratique Fine-tuning et adaptation de modèles
ReLU
Abordé dans
- Réseaux de neurones et apprentissage profond Introduction à l'intelligence artificielle
Renforcement
Abordé dans
- Comment une machine apprend Introduction à l'intelligence artificielle
Répartition fournisseur / déployeur
Abordé dans
- Transparence et risque limité AI Act — comprendre et appliquer le règlement européen sur l'IA
Répertoire courant (cwd) et portée du contexte
Abordé dans
- Installation et premier lancement Débuter avec Claude Code
réponse finale vs action intermédiaire
Abordé dans
- Boucle reason-act Agents LLM et outils (function calling)
Reporting à la direction
Abordé dans
- Plan de mise en conformité NIS2 et ReCyF : conformité opérationnelle
Reporting actionnable
Abordé dans
- Pourquoi le pentest Active Directory Pentest Active Directory
Reporting COMEX
Abordé dans
- Plan de mise en conformité DORA DORA — conformité et résilience opérationnelle numérique
Reporting d'incidents à la gouvernance
Abordé dans
- Gouvernance et responsabilités DORA — conformité et résilience opérationnelle numérique
Reproductibilité d'un prompt
Abordé dans
- Pourquoi le prompt engineering change le résultat Prompt engineering pour professionnels
Requalification du déployeur en fournisseur
Abordé dans
- Définitions, périmètre et acteurs AI Act — comprendre et appliquer le règlement européen sur l'IA
Requalification et changement substantiel
Abordé dans
- Systèmes d'IA à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Requalification et effet cascade sur les modèles à usage général
Abordé dans
- Approche par risques et taxonomie AI Act — comprendre et appliquer le règlement européen sur l'IA
Requêtes Cypher personnalisées sur le graphe Neo4j
Abordé dans
- BloodHound et chemins d'attaque Pentest Active Directory
Reranking
Abordé dans
- Rerank et fusion de signaux RAG : de la théorie à la production
Reranking par cross-encoder
Abordé dans
- Architecture type de production RAG : de la théorie à la production
Résilience opérationnelle numérique
Abordé dans
- DORA : résilience opérationnelle numérique en finance DORA — conformité et résilience opérationnelle numérique
Résolution effective et sous-échantillonnage
Abordé dans
- Vision multimodale (VLM) Vision par ordinateur appliquée
Résolution IP → MAC
Abordé dans
- Protocole ARP Introduction à TCP/IP
Résolution vérifiée
Abordé dans
- Réponse aux incidents Évaluer et fiabiliser les systèmes LLM
Résolveur
Abordé dans
- Ports utiles et DNS TCP/IP Sprint — les essentiels en RSVP
Résolveur récursif
Abordé dans
- DNS — L'annuaire d'Internet Introduction à TCP/IP
resource MCP
Abordé dans
- Resources, prompts et contexte long MCP — Model Context Protocol pour l'IA en entreprise
Responsabilité de l'organe de direction (article 20 NIS2)
Abordé dans
- Gouvernance et gestion des risques NIS2 et ReCyF : conformité opérationnelle
Responsabilité des organes de direction
Abordé dans
- NIS2 : ce qui change vraiment NIS2 et ReCyF : conformité opérationnelle
- Obligations essentielles NIS2 et ReCyF : conformité opérationnelle
Responsabilité partagée Kubernetes
Abordé dans
- Pourquoi sécuriser Kubernetes Sécurité Kubernetes
Responsable de traitement vs sous-traitant
Abordé dans
- Données personnelles et LLM IA générative, conformité et propriété intellectuelle
- Contrats et clauses fournisseurs IA générative, conformité et propriété intellectuelle
Ressources du SMSI
Abordé dans
- Support et compétences ISO 27001:2022 — SMSI pratique
Restitution des recommandations défensives dans un rapport de pentest
Abordé dans
- Détection et défense Pentest Active Directory
Restrictions du kubelet
Abordé dans
- Hardening et audit Sécurité Kubernetes
Résumé exécutif et rapport technique comme deux lectures d'un même contenu
Abordé dans
- Reporting et remédiation Pentest Active Directory
Résumé public des données d'entraînement
Abordé dans
- Modèles GPAI et modèles de fondation AI Act — comprendre et appliquer le règlement européen sur l'IA
Rétention à J7 / J30
Abordé dans
- Métriques produit IA Concevoir un produit IA (du POC au scale)
Rétention des journaux et gestion des données personnelles
Abordé dans
- Observabilité, audit et conformité MCP — Model Context Protocol pour l'IA en entreprise
Retour arrière automatique (rollback)
Abordé dans
- Tests de régression LLM Évaluer et fiabiliser les systèmes LLM
Retour sur investissement
Abordé dans
- Conduire un projet d'IA Introduction à l'intelligence artificielle
Retransmission
Abordé dans
- TCP et la connexion fiable Introduction à TCP/IP
retrieval augmented generation
Abordé dans
- Pourquoi le RAG RAG : de la théorie à la production
Retrieval-Augmented Generation (RAG)
Abordé dans
- Choix de stack technique Concevoir un produit IA (du POC au scale)
Retrieval hybride dense et lexical
Abordé dans
- Architecture type de production RAG : de la théorie à la production
Rétrospective des erreurs de démarrage
Abordé dans
- Atelier : premier projet guidé Débuter avec Claude Code
réutilisabilité des connecteurs
Abordé dans
- MCP : le problème que le protocole résout MCP — Model Context Protocol pour l'IA en entreprise
Reverse proxy comme frontière de sécurité
Abordé dans
- API gateway, authentification et isolation LLM locaux — déploiement Ollama, vLLM et souveraineté
Réversibilité d'une adaptation
Abordé dans
- Quand fine-tuner (vs RAG et prompt) Fine-tuning et adaptation de modèles
réversibilité de la décision
Abordé dans
- Éthique produit et responsabilité Concevoir un produit IA (du POC au scale)
Réversibilité et undo
Abordé dans
- UX de confiance Concevoir un produit IA (du POC au scale)
Révision périodique de la liste par la Commission
Abordé dans
- Systèmes d'IA à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Revue à blanc du dossier
Abordé dans
- Preuves et préparation à l'audit NIS2 et ReCyF : conformité opérationnelle
Revue ciblée sur les chemins critiques
Abordé dans
- Tests et documentation générés IA pour le développement logiciel
Revue de code assistée
Abordé dans
- Prompts métier : juridique, tech et RH Prompt engineering pour professionnels
Revue de direction
Abordé dans
- Atelier : AIMS pragmatique ISO/IEC 42001 — management de l'IA
Revue de direction (clause 9.3)
Abordé dans
- Audit et amélioration ISO/IEC 42001 — management de l'IA
Revue de direction légère
Abordé dans
- Atelier : SMSI MVP ISO 27001:2022 — SMSI pratique
Revue de pull request assistée
Abordé dans
- Workflows de développement assistés IA pour le développement logiciel
Revue et amélioration continue du cadre
Abordé dans
- Cadre de gestion des risques TIC DORA — conformité et résilience opérationnelle numérique
Revue humaine des actions de l'agent
Abordé dans
- Contexte projet et CLAUDE.md Débuter avec Claude Code
Revue humaine du diff avant commit
Abordé dans
- Qu'est-ce que Claude Code Débuter avec Claude Code
- Atelier : premier projet guidé Débuter avec Claude Code
Revue post-lancement
Abordé dans
- Checklist go-live Évaluer et fiabiliser les systèmes LLM
Revue systématique comme réflexe correctif
Abordé dans
- Pièges courants et suite du parcours Débuter avec Claude Code
Revue systématique des diffs
Abordé dans
- Bonnes pratiques et sécurité Débuter avec Claude Code
RFC 1918
Abordé dans
- Adressage IPv4 Introduction à TCP/IP
RGPD et minimisation des données dans les prompts
Abordé dans
- Enjeux de conformité de l'IA générative IA générative, conformité et propriété intellectuelle
Ring-AllReduce et algorithmes en arbre
Abordé dans
- Multi-GPU et NCCL CUDA avancé — GPU et IA haute performance
Risque de concentration
Abordé dans
- Chaîne d'approvisionnement NIS2 et ReCyF : conformité opérationnelle
Risque de concentration TIC (article 29)
Abordé dans
- Prestataires TIC critiques DORA — conformité et résilience opérationnelle numérique
Risque des wildcards RBAC
Abordé dans
- RBAC et identités Sécurité Kubernetes
Risque limité vs risque élevé
Abordé dans
- Transparence et risque limité AI Act — comprendre et appliquer le règlement européen sur l'IA
Risque minimal et codes de conduite volontaires
Abordé dans
- Approche par risques et taxonomie AI Act — comprendre et appliquer le règlement européen sur l'IA
Risque systémique
Abordé dans
- Modèles GPAI et modèles de fondation AI Act — comprendre et appliquer le règlement européen sur l'IA
Rituel de retrait
Abordé dans
- Checklist go-live Évaluer et fiabiliser les systèmes LLM
RLAIF
Abordé dans
- Données d'instruction et de préférence Fine-tuning et adaptation de modèles
RLHF et DPO post-fine-tuning
Abordé dans
- Biais, sécurité et alignement Fine-tuning et adaptation de modèles
Roadmap de décision en cinq étapes
Abordé dans
- Décision : RAG vs fine-tuning Fine-tuning et adaptation de modèles
Roadmap de mise en conformité
Abordé dans
- Plan de mise en conformité DORA DORA — conformité et résilience opérationnelle numérique
roadmap de mise en conformité 12-24 mois
Abordé dans
- Plan de mise en conformité AI Act AI Act — comprendre et appliquer le règlement européen sur l'IA
Roadmap de remédiation datée sur 30 et 90 jours
Abordé dans
- Reporting et remédiation Pentest Active Directory
Roadmap trimestrielle à trois niveaux de priorité
Abordé dans
- Atelier : roadmap COMEX NIS2 et ReCyF : conformité opérationnelle
ROI d'un projet d'IA cyber
Abordé dans
- Gouvernance et déploiement Introduction à l'IA pour la Cybersécurité
Rôle, contexte, tâche, contraintes, format, exemples
Abordé dans
- Anatomie d'un prompt efficace Prompt engineering pour professionnels
Rôle du RSSI dans le dispositif DORA
Abordé dans
- Gouvernance et responsabilités DORA — conformité et résilience opérationnelle numérique
Role et ClusterRole
Abordé dans
- RBAC et identités Sécurité Kubernetes
Rôle étanche et périmètre d'outils
Abordé dans
- Multi-agents et orchestration Agents LLM et outils (function calling)
RoleBinding et ClusterRoleBinding
Abordé dans
- RBAC et identités Sécurité Kubernetes
Rôles et responsabilités de gouvernance
Abordé dans
- Système de management de l'IA ISO/IEC 42001 — management de l'IA
Rôles fournisseur, déployeur, importateur, distributeur
Abordé dans
- AI Act : niveaux de risque IA générative, conformité et propriété intellectuelle
Rôles, responsabilités et autorités (clause 5.3)
Abordé dans
- Leadership et politique ISO 27001:2022 — SMSI pratique
rollback automatique
Abordé dans
- Déploiement d'un modèle adapté Fine-tuning et adaptation de modèles
Rollback et gel de version
Abordé dans
- Playbook SOC pour incidents IA Cybersécurité des systèmes d'IA
Rollout progressif par paliers
Abordé dans
- Roadmap 90 jours Concevoir un produit IA (du POC au scale)
RootDSE et base DN
Abordé dans
- Énumération LDAP et SMB Pentest Active Directory
Rotation des secrets
Abordé dans
- Secrets et configuration sensible Sécurité Kubernetes
Rotation du compte krbtgt en double reset
Abordé dans
- Persistence et backdoors AD Pentest Active Directory
Rotation et complexité des mots de passe de service
Abordé dans
- Kerberoasting et AS-REP Roasting Pentest Active Directory
Routage de modèles par complexité
Abordé dans
- Passer à l'échelle Concevoir un produit IA (du POC au scale)
Routing et découverte d'outils
Abordé dans
- Patterns avancés multi-serveurs MCP — Model Context Protocol pour l'IA en entreprise
Rubrique d'évaluation
Abordé dans
- Évaluer la qualité d'un prompt Prompt engineering pour professionnels
rubrique de notation
Abordé dans
- LLM-as-judge : forces et limites Évaluer et fiabiliser les systèmes LLM
runAsNonRoot et allowPrivilegeEscalation
Abordé dans
- Pod Security et isolation Sécurité Kubernetes
Runbook
Abordé dans
- Cadrer un projet IA IA Sprint — essentiels en RSVP
runbook d'exploitation
Abordé dans
- Exploitation production et posture SRE MCP — Model Context Protocol pour l'IA en entreprise
runbook d'incident
Abordé dans
- Atelier — feuille de route vers la production LLM locaux — déploiement Ollama, vLLM et souveraineté
Runbooks par scénario
Abordé dans
- Playbook SOC pour incidents IA Cybersécurité des systèmes d'IA
Runtimes de déploiement (ONNX, TensorRT, TFLite, Core ML)
Abordé dans
- Déploiement edge et cloud Vision par ordinateur appliquée
sanctions administratives graduées
Abordé dans
- Gouvernance, sanctions et calendrier AI Act — comprendre et appliquer le règlement européen sur l'IA
Sanctions et amendes administratives
Abordé dans
- Pratiques d'IA interdites AI Act — comprendre et appliquer le règlement européen sur l'IA
Sanctions et responsabilité personnelle des dirigeants
Abordé dans
- Gouvernance et gestion des risques NIS2 et ReCyF : conformité opérationnelle
Sanctions et surveillance du marché
Abordé dans
- AI Act : niveaux de risque IA générative, conformité et propriété intellectuelle
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Sanctions financières et administratives
Abordé dans
- NIS2 : ce qui change vraiment NIS2 et ReCyF : conformité opérationnelle
Sandboxing des outils
Abordé dans
- Red teaming et abus Évaluer et fiabiliser les systèmes LLM
sandboxing et isolation des effets de bord
Abordé dans
- Garde-fous et politiques d'action Agents LLM et outils (function calling)
Sans connexion
Abordé dans
- UDP — La vitesse avant tout Introduction à TCP/IP
saturation mémoire (OOM)
Abordé dans
- Atelier — feuille de route vers la production LLM locaux — déploiement Ollama, vLLM et souveraineté
Sauvegardes isolées (air gap)
Abordé dans
- Protection, prévention et détection DORA — conformité et résilience opérationnelle numérique
SBOM et ML-BOM
Abordé dans
- Supply chain des modèles : poids, dépendances, provenance Cybersécurité des systèmes d'IA
SBOM (Software Bill of Materials)
Abordé dans
- Supply chain et images Sécurité Kubernetes
scaffold de serveur MCP
Abordé dans
- Premier serveur MCP pratique MCP — Model Context Protocol pour l'IA en entreprise
scaling horizontal d'un serveur MCP
Abordé dans
- Transports : stdio, HTTP et SSE MCP — Model Context Protocol pour l'IA en entreprise
scan d'intégrité des modèles
Abordé dans
- Sécurité des LLM locaux LLM locaux — déploiement Ollama, vLLM et souveraineté
Scan de vulnérabilités (Trivy, Grype)
Abordé dans
- Supply chain et images Sécurité Kubernetes
Scan parallele (Hillis-Steele, Blelloch)
Abordé dans
- Kernels et patterns d'optimisation CUDA avancé — GPU et IA haute performance
Scanner de secrets (gitleaks, trufflehog)
Abordé dans
- Secrets, licences et conformité code IA pour le développement logiciel
Scénario de mission de bout en bout, du mandat au rapport
Abordé dans
- Atelier : scénario de bout en bout Pentest Active Directory
schéma d'entrée et inputSchema
Abordé dans
- Premier serveur MCP pratique MCP — Model Context Protocol pour l'IA en entreprise
Schéma de décision go/no-go
Abordé dans
- Pourquoi des LLM locaux en entreprise LLM locaux — déploiement Ollama, vLLM et souveraineté
schéma JSON d'outil
Abordé dans
- Outils et APIs (function calling) Agents LLM et outils (function calling)
Schéma JSON Schema
Abordé dans
- Sorties structurées et contrats JSON Prompt engineering pour professionnels
scoping des accès par contexte
Abordé dans
- Clients : IDE, agents et orchestrateurs MCP — Model Context Protocol pour l'IA en entreprise
Score d'anomalie et seuil de décision
Abordé dans
- Détection d'anomalies Introduction à l'IA pour la Cybersécurité
Score de confiance
Abordé dans
- OCR et document AI Vision par ordinateur appliquée
Score de confiance granulaire
Abordé dans
- UX de confiance Concevoir un produit IA (du POC au scale)
Score de grounding
Abordé dans
- Citations et grounding RAG : de la théorie à la production
Score de risque
Abordé dans
- Enrichir le SIEM avec l'IA Introduction à l'IA pour la Cybersécurité
Score de risque phishing
Abordé dans
- Détection du phishing Introduction à l'IA pour la Cybersécurité
Scoring de confiance des sources
Abordé dans
- Threat intelligence et NLP Introduction à l'IA pour la Cybersécurité
Scoring de priorisation par apprentissage supervisé
Abordé dans
- Triage d'alertes assisté Introduction à l'IA pour la Cybersécurité
Scoring social généralisé
Abordé dans
- Pratiques d'IA interdites AI Act — comprendre et appliquer le règlement européen sur l'IA
SDK OpenAI-compatible
Abordé dans
- Intégration aux produits métier LLM locaux — déploiement Ollama, vLLM et souveraineté
Sealed Secrets
Abordé dans
- Secrets et configuration sensible Sécurité Kubernetes
Secret Kubernetes et encodage base64
Abordé dans
- Secrets et configuration sensible Sécurité Kubernetes
Secret professionnel et confidentialité
Abordé dans
- Prompts métier : juridique, tech et RH Prompt engineering pour professionnels
Secrets et fichiers .env
Abordé dans
- Bonnes pratiques et sécurité Débuter avec Claude Code
Sécurisation d'etcd
Abordé dans
- Hardening et audit Sécurité Kubernetes
sécurisation du bind réseau
Abordé dans
- Ollama — premier déploiement opérationnel LLM locaux — déploiement Ollama, vLLM et souveraineté
Sécurité de la chaîne d'approvisionnement
Abordé dans
- Obligations essentielles NIS2 et ReCyF : conformité opérationnelle
Sécurité de la chaîne d'approvisionnement (article 21 NIS2)
Abordé dans
- Chaîne d'approvisionnement NIS2 et ReCyF : conformité opérationnelle
Security Context (pod et conteneur)
Abordé dans
- Pod Security et isolation Sécurité Kubernetes
Segmentation
Abordé dans
- La vision par ordinateur Introduction à l'intelligence artificielle
Segmentation par cas d'usage
Abordé dans
- Métriques produit IA Concevoir un produit IA (du POC au scale)
Segmentation réseau et applicative
Abordé dans
- Architecture zero-trust pour l'IA Cybersécurité des systèmes d'IA
Segmentation réseau et cloisonnement
Abordé dans
- Protection, prévention et détection DORA — conformité et résilience opérationnelle numérique
Sélection d'algorithme cuDNN (heuristique vs recherche exhaustive)
Abordé dans
- cuBLAS et cuDNN CUDA avancé — GPU et IA haute performance
sélection de contexte pertinent
Abordé dans
- Resources, prompts et contexte long MCP — Model Context Protocol pour l'IA en entreprise
Sélection en trois filtres : risque, obligation, faisabilité
Abordé dans
- Annexe A 2022 : contrôles utiles ISO 27001:2022 — SMSI pratique
Sensibilisation ciblée par population
Abordé dans
- Support et compétences ISO 27001:2022 — SMSI pratique
séparation des environnements
Abordé dans
- Atelier — serveur métier sécurisé de bout en bout MCP — Model Context Protocol pour l'IA en entreprise
Séparation des environnements dev/staging/prod
Abordé dans
- Intégration au SI existant MCP — Model Context Protocol pour l'IA en entreprise
Séparation des responsabilités
Abordé dans
- Architecture et concepts clés MCP — Model Context Protocol pour l'IA en entreprise
Séparation des responsabilités reviewer humain / assistant
Abordé dans
- Revue de code assistée IA pour le développement logiciel
Séparation des rôles direction / RSSI / métiers
Abordé dans
- Gouvernance et gestion des risques NIS2 et ReCyF : conformité opérationnelle
Séparation host/device
Abordé dans
- Modèle de programmation CUDA CUDA avancé — GPU et IA haute performance
séparation instructions/données
Abordé dans
- Prompt injection et jailbreaks Cybersécurité des systèmes d'IA
Séparation lecture/calcul
Abordé dans
- L'IA dans les métiers : cas réels Introduction à l'intelligence artificielle
Seq / Ack
Abordé dans
- TCP et la connexion fiable Introduction à TCP/IP
Serveur MCP
Abordé dans
- Outils MCP et extensions Débuter avec Claude Code
Serveur MCP comme wrapper d'API existante
Abordé dans
- Intégration au SI existant MCP — Model Context Protocol pour l'IA en entreprise
Serveur rack vs workstation
Abordé dans
- Matériel, VRAM et quantisation LLM locaux — déploiement Ollama, vLLM et souveraineté
service accounts et principe du moindre privilège
Abordé dans
- Surface d'attaque du cluster Sécurité Kubernetes
service systemd
Abordé dans
- Ollama — premier déploiement opérationnel LLM locaux — déploiement Ollama, vLLM et souveraineté
ServiceAccount
Abordé dans
- RBAC et identités Sécurité Kubernetes
serving de modèle
Abordé dans
- Déploiement d'un modèle adapté Fine-tuning et adaptation de modèles
session MCP
Abordé dans
- Transports : stdio, HTTP et SSE MCP — Model Context Protocol pour l'IA en entreprise
Session nulle et bind LDAP anonyme
Abordé dans
- Énumération LDAP et SMB Pentest Active Directory
Sessions administrateur et mouvement latéral (HasSession, AdminTo)
Abordé dans
- BloodHound et chemins d'attaque Pentest Active Directory
Seuil de 10^25 FLOP
Abordé dans
- Modèles GPAI et modèles de fondation AI Act — comprendre et appliquer le règlement européen sur l'IA
seuil de rentabilité et volume de requêtes
Abordé dans
- Coûts et ROI du fine-tuning Fine-tuning et adaptation de modèles
Seuil de score, seuil agrégé, seuil de dérive relative
Abordé dans
- Tests de régression LLM Évaluer et fiabiliser les systèmes LLM
Seuils de criticité et zones de risque
Abordé dans
- Évaluation des impacts ISO/IEC 42001 — management de l'IA
Shadow AI
Abordé dans
- Politique d'équipe et adoption IA pour le développement logiciel
shadow deployment
Abordé dans
- Déploiement d'un modèle adapté Fine-tuning et adaptation de modèles
Shadow mode et déploiement graduel
Abordé dans
- Gouvernance et déploiement Introduction à l'IA pour la Cybersécurité
Sharding ZeRO / FSDP
Abordé dans
- Multi-GPU et NCCL CUDA avancé — GPU et IA haute performance
Signature cryptographique (Sigstore, SLSA, in-toto)
Abordé dans
- Supply chain des modèles : poids, dépendances, provenance Cybersécurité des systèmes d'IA
Signature d'image avec Sigstore et cosign
Abordé dans
- Supply chain et images Sécurité Kubernetes
Signaux de détection spécifiques aux LLM
Abordé dans
- Playbook SOC pour incidents IA Cybersécurité des systèmes d'IA
Significativité statistique en évaluation
Abordé dans
- Évaluation post-adaptation Fine-tuning et adaptation de modèles
Silver Ticket et forge d'un TGS ciblé sur un service
Abordé dans
- Persistence et backdoors AD Pentest Active Directory
Similarité cosinus et produit scalaire
Abordé dans
- Embeddings : représenter le sens RAG : de la théorie à la production
Sites AD et sous-réseaux (Sites and Services)
Abordé dans
- Cartographier le domaine Pentest Active Directory
SLA interne réaliste
Abordé dans
- Observabilité, coûts et SLA LLM locaux — déploiement Ollama, vLLM et souveraineté
SLI / SLO / SLA
Abordé dans
- Coûts, latence et capacity planning RAG : de la théorie à la production
SLO orienté appel d'outil
Abordé dans
- Exploitation production et posture SRE MCP — Model Context Protocol pour l'IA en entreprise
SMSI / ISO 27001 comme socle structurel
Abordé dans
- Pourquoi ISO 42001 ISO/IEC 42001 — management de l'IA
SMSI minimal viable (MVP)
Abordé dans
- Atelier : SMSI MVP ISO 27001:2022 — SMSI pratique
SMSI (Système de Management de la Sécurité de l'Information)
Abordé dans
- ISO 27001:2022 en pratique ISO 27001:2022 — SMSI pratique
SOC, SIEM et EDR
Abordé dans
- Protection, prévention et détection DORA — conformité et résilience opérationnelle numérique
Software Composition Analysis (SCA)
Abordé dans
- Secrets, licences et conformité code IA pour le développement logiciel
Sous-traitance en cascade (subprocessors)
Abordé dans
- Contrats et clauses fournisseurs IA générative, conformité et propriété intellectuelle
Sous-traitance en chaîne
Abordé dans
- Prestataires TIC critiques DORA — conformité et résilience opérationnelle numérique
Sous-traitant
Abordé dans
- Cadre et conformité IA Sprint — essentiels en RSVP
Souveraineté et conformité réglementaire
Abordé dans
- Pourquoi des LLM locaux en entreprise LLM locaux — déploiement Ollama, vLLM et souveraineté
souveraineté numérique et hébergement UE
Abordé dans
- Gouvernance, souveraineté et conformité LLM locaux — déploiement Ollama, vLLM et souveraineté
Spans LLM et spans outils
Abordé dans
- Observabilité des agents Agents LLM et outils (function calling)
Split train/val/test
Abordé dans
- Pipeline image de bout en bout Vision par ordinateur appliquée
SPN comme surface d'attaque énumérable sans privilège
Abordé dans
- Kerberoasting et AS-REP Roasting Pentest Active Directory
SPN malveillant comme Kerberoasting activable à la demande
Abordé dans
- Persistence et backdoors AD Pentest Active Directory
SPN (Service Principal Name)
Abordé dans
- Kerberos : tickets et confiance Pentest Active Directory
Sponsor
Abordé dans
- Cadrer un projet IA IA Sprint — essentiels en RSVP
Sponsor exécutif et gouvernance de projet
Abordé dans
- Plan de mise en conformité DORA DORA — conformité et résilience opérationnelle numérique
Sprint
Abordé dans
- Pourquoi TCP/IP compte TCP/IP Sprint — les essentiels en RSVP
- Qu’est-ce que l’IA ? IA Sprint — essentiels en RSVP
Sprint SMSI en six semaines
Abordé dans
- Atelier : SMSI MVP ISO 27001:2022 — SMSI pratique
ss
Abordé dans
- Ports et Sockets Introduction à TCP/IP
Standard de preuve reproductible et minimisée
Abordé dans
- Reporting et remédiation Pentest Active Directory
Store clé-valeur
Abordé dans
- Mémoire courte et longue Agents LLM et outils (function calling)
Storytelling du risque pour audiences techniques et exécutives
Abordé dans
- BloodHound et chemins d'attaque Pentest Active Directory
Storytelling risque / valeur métier
Abordé dans
- Atelier : roadmap COMEX NIS2 et ReCyF : conformité opérationnelle
stratégie de fallback et dégradation
Abordé dans
- Intégration aux produits métier LLM locaux — déploiement Ollama, vLLM et souveraineté
Stratégie de nouvelle tentative
Abordé dans
- Sorties structurées et contrats JSON Prompt engineering pour professionnels
Stratégie de sortie
Abordé dans
- Prestataires TIC critiques DORA — conformité et résilience opérationnelle numérique
Stratégies de retry
Abordé dans
- Patterns avancés multi-serveurs MCP — Model Context Protocol pour l'IA en entreprise
Stratification par catégorie et difficulté
Abordé dans
- Golden sets et datasets d'évaluation Évaluer et fiabiliser les systèmes LLM
streamable HTTP
Abordé dans
- Transports : stdio, HTTP et SSE MCP — Model Context Protocol pour l'IA en entreprise
Streaming Multiprocessor (SM)
Abordé dans
- Architecture GPU NVIDIA CUDA avancé — GPU et IA haute performance
Structure commune HLS et clauses 4 à 10
Abordé dans
- ISO 27001:2022 en pratique ISO 27001:2022 — SMSI pratique
Structure de haut niveau (Annex SL)
Abordé dans
- Contexte et parties intéressées ISO 27001:2022 — SMSI pratique
structure de projet maintenable
Abordé dans
- Premier serveur MCP pratique MCP — Model Context Protocol pour l'IA en entreprise
Structure harmonisée (HLS)
Abordé dans
- Système de management de l'IA ISO/IEC 42001 — management de l'IA
Suite d'évaluation métier
Abordé dans
- Évaluation post-adaptation Fine-tuning et adaptation de modèles
Supervisé
Abordé dans
- Comment une machine apprend Introduction à l'intelligence artificielle
Supervision de façade (oversight theater)
Abordé dans
- Contrôles opérationnels ISO/IEC 42001 — management de l'IA
Supervision humaine
Abordé dans
- Limites, hallucinations et risques Introduction à l'intelligence artificielle
Supervision humaine effective (human oversight)
Abordé dans
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
supply chain des poids
Abordé dans
- Sécurité des LLM locaux LLM locaux — déploiement Ollama, vLLM et souveraineté
supply chain : images, registries et admission controllers
Abordé dans
- Surface d'attaque du cluster Sécurité Kubernetes
Suppression des non-maxima (NMS)
Abordé dans
- Détection d'objets Vision par ordinateur appliquée
Sur-apprentissage (overfitting)
Abordé dans
- Entraînement pratique Fine-tuning et adaptation de modèles
Sur-confiance
Abordé dans
- Limites et risques IA Sprint — essentiels en RSVP
sur-confiance calibrée
Abordé dans
- Parcours utilisateur d'un produit IA Concevoir un produit IA (du POC au scale)
sur-contextualisation
Abordé dans
- Resources, prompts et contexte long MCP — Model Context Protocol pour l'IA en entreprise
sur-refus (over-refusal)
Abordé dans
- Biais, sécurité et alignement Fine-tuning et adaptation de modèles
Surapprentissage des adapters
Abordé dans
- LoRA et QLoRA Fine-tuning et adaptation de modèles
Surface d'attaque
Abordé dans
- Outils MCP et extensions Débuter avec Claude Code
Surface d'attaque d'un serveur MCP
Abordé dans
- Sécurité, autorisations et moindre privilège MCP — Model Context Protocol pour l'IA en entreprise
surface d'attaque des contenus externes
Abordé dans
- Prompt injection et jailbreaks Cybersécurité des systèmes d'IA
Surface d'attaque du cycle de vie IA
Abordé dans
- Surface d'attaque des systèmes IA Cybersécurité des systèmes d'IA
Surface d'attaque du plan de contrôle
Abordé dans
- Pourquoi sécuriser Kubernetes Sécurité Kubernetes
Surveillance, mesure, analyse et évaluation (clause 9.1)
Abordé dans
- Performance et audit interne ISO 27001:2022 — SMSI pratique
- Audit et amélioration ISO/IEC 42001 — management de l'IA
Surveillance post-déploiement (post-market monitoring)
Abordé dans
- Cycle de vie des systèmes IA ISO/IEC 42001 — management de l'IA
Surveillance post-marché
Abordé dans
- Évaluation de conformité et marquage CE AI Act — comprendre et appliquer le règlement européen sur l'IA
swap test
Abordé dans
- LLM-as-judge : forces et limites Évaluer et fiabiliser les systèmes LLM
Synchronisation implicite et faux parallélisme
Abordé dans
- PyTorch et TensorFlow on GPU CUDA avancé — GPU et IA haute performance
System prompt versus user prompt
Abordé dans
- Rôles, personas et contraintes opératoires Prompt engineering pour professionnels
Système à haut risque
Abordé dans
- AI Act : cadre européen de l'intelligence artificielle AI Act — comprendre et appliquer le règlement européen sur l'IA
Système de gestion des risques (Article 9)
Abordé dans
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Système de management de l'IA (AIMS)
Abordé dans
- Atelier : AIMS pragmatique ISO/IEC 42001 — management de l'IA
Système de management intégré (IMS)
Abordé dans
- Système de management de l'IA ISO/IEC 42001 — management de l'IA
Système de permissions et validation humaine
Abordé dans
- Qu'est-ce que Claude Code Débuter avec Claude Code
Systèmes à haut risque (annexe III)
Abordé dans
- AI Act : niveaux de risque IA générative, conformité et propriété intellectuelle
Systèmes à haut risque et Annexe III
Abordé dans
- Approche par risques et taxonomie AI Act — comprendre et appliquer le règlement européen sur l'IA
tableau de bord d'observabilité
Abordé dans
- Observabilité, coûts et SLA LLM locaux — déploiement Ollama, vLLM et souveraineté
Tableau de bord produit IA
Abordé dans
- Métriques produit IA Concevoir un produit IA (du POC au scale)
Tâches intermédiaires
Abordé dans
- L'IA dans les métiers : cas réels Introduction à l'intelligence artificielle
Taille de chunk
Abordé dans
- Chunking et préparation du corpus RAG : de la théorie à la production
Taux d'acceptation (accept/edit/reject)
Abordé dans
- Métriques produit IA Concevoir un produit IA (du POC au scale)
Taux d'échappement des défauts (defect escape rate)
Abordé dans
- Mesurer la productivité sans se tromper IA pour le développement logiciel
taux d'escalade humaine
Abordé dans
- Monitoring en production : feedback, traces, alertes Évaluer et fiabiliser les systèmes LLM
taux de complétion de tâche
Abordé dans
- Métriques pour systèmes LLM Évaluer et fiabiliser les systèmes LLM
Taux de réussite d'attaque (ASR)
Abordé dans
- Red teaming et abus Évaluer et fiabiliser les systèmes LLM
Taux de succès d'attaque (ASR)
Abordé dans
- Tests de sécurité IA : red teaming et fuzzing de prompts Cybersécurité des systèmes d'IA
Taxonomie de couverture
Abordé dans
- Golden sets et datasets d'évaluation Évaluer et fiabiliser les systèmes LLM
Taxonomie des échecs d'outils
Abordé dans
- Observabilité des agents Agents LLM et outils (function calling)
TCO (coût total de possession)
Abordé dans
- Observabilité, coûts et SLA LLM locaux — déploiement Ollama, vLLM et souveraineté
TCP/IP
Abordé dans
- Pourquoi TCP/IP compte TCP/IP Sprint — les essentiels en RSVP
Techniques d'évasion adverses
Abordé dans
- Détection du phishing Introduction à l'IA pour la Cybersécurité
Télémétrie exploitable : journaux Windows, Sysmon, journaux LDAP et Netlogon
Abordé dans
- Détection et défense Pentest Active Directory
Temps réel
Abordé dans
- UDP — La vitesse avant tout Introduction à TCP/IP
Tensor Cores et formats FP16/BF16/TF32
Abordé dans
- PyTorch et TensorFlow on GPU CUDA avancé — GPU et IA haute performance
Tensor Cores et précision réduite
Abordé dans
- Pourquoi CUDA pour l'IA haute performance CUDA avancé — GPU et IA haute performance
tensor parallel
Abordé dans
- vLLM — inference haute performance LLM locaux — déploiement Ollama, vLLM et souveraineté
Tensor parallelism et pipeline parallelism
Abordé dans
- Multi-GPU et NCCL CUDA avancé — GPU et IA haute performance
TensorRT-LLM vs vLLM
Abordé dans
- Optimisation inférence LLM CUDA avancé — GPU et IA haute performance
Test A/B de prompts
Abordé dans
- Évaluer la qualité d'un prompt Prompt engineering pour professionnels
Test comme spécification exécutable
Abordé dans
- Premiers workflows utiles Débuter avec Claude Code
Test de caractérisation vs test de spécification
Abordé dans
- Tests et documentation générés IA pour le développement logiciel
Test de classification en deux étapes
Abordé dans
- Systèmes d'IA à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
Test de Turing
Abordé dans
- Qu'est-ce que l'intelligence artificielle ? Introduction à l'intelligence artificielle
test manuel via client JSON-RPC
Abordé dans
- Premier serveur MCP pratique MCP — Model Context Protocol pour l'IA en entreprise
Test tautologique
Abordé dans
- Tests et documentation générés IA pour le développement logiciel
tests d'acceptation métier
Abordé dans
- Intégration aux produits métier LLM locaux — déploiement Ollama, vLLM et souveraineté
Tests de pénétration fondés sur la menace (TLPT)
Abordé dans
- DORA : résilience opérationnelle numérique en finance DORA — conformité et résilience opérationnelle numérique
TGS (Ticket Granting Service)
Abordé dans
- Kerberos : tickets et confiance Pentest Active Directory
TGT (Ticket Granting Ticket)
Abordé dans
- Kerberos : tickets et confiance Pentest Active Directory
Thermal throttling et dérive de performance (DVFS, power limit)
Abordé dans
- Production et pièges courants CUDA avancé — GPU et IA haute performance
Threat Intelligence Provider (TI Provider)
Abordé dans
- Tests de résilience numérique DORA — conformité et résilience opérationnelle numérique
throughput vs latence
Abordé dans
- vLLM — inference haute performance LLM locaux — déploiement Ollama, vLLM et souveraineté
Tier gratuit calibré
Abordé dans
- Pricing et unités de valeur Concevoir un produit IA (du POC au scale)
Tiling memoire partagee
Abordé dans
- Kernels et patterns d'optimisation CUDA avancé — GPU et IA haute performance
Time-to-first-value
Abordé dans
- Métriques produit IA Concevoir un produit IA (du POC au scale)
TIME_WAIT
Abordé dans
- TCP et la connexion fiable Introduction à TCP/IP
TLPT (Threat-Led Penetration Testing)
Abordé dans
- Tests de résilience numérique DORA — conformité et résilience opérationnelle numérique
tokenizer
Abordé dans
- Paysage des modèles open-weight et licences LLM locaux — déploiement Ollama, vLLM et souveraineté
Tokens d'entrée et tokens de sortie
Abordé dans
- Pricing et unités de valeur Concevoir un produit IA (du POC au scale)
Tolérance à l'erreur
Abordé dans
- Problème et valeur : où l'IA apporte un levier Concevoir un produit IA (du POC au scale)
Ton comme paramètre technique vérifiable
Abordé dans
- Rôles, personas et contraintes opératoires Prompt engineering pour professionnels
Tools, resources et prompts
Abordé dans
- Architecture et concepts clés MCP — Model Context Protocol pour l'IA en entreprise
Top-k et reranking
Abordé dans
- Retrieval : retrouver le bon passage RAG : de la théorie à la production
Top-K retrieval
Abordé dans
- Rerank et fusion de signaux RAG : de la théorie à la production
Topologie PCIe / NVLink / NVSwitch
Abordé dans
- Multi-GPU et NCCL CUDA avancé — GPU et IA haute performance
torch.compile, TorchDynamo et TorchInductor
Abordé dans
- PyTorch et TensorFlow on GPU CUDA avancé — GPU et IA haute performance
toxicité et classificateurs de sortie
Abordé dans
- Biais, sécurité et alignement Fine-tuning et adaptation de modèles
Toxicité et contenu nuisible
Abordé dans
- Red teaming et abus Évaluer et fiabiliser les systèmes LLM
traçabilité de bout en bout (tracing)
Abordé dans
- Monitoring en production : feedback, traces, alertes Évaluer et fiabiliser les systèmes LLM
traçabilité des décisions automatisées
Abordé dans
- Éthique produit et responsabilité Concevoir un produit IA (du POC au scale)
Traçabilité des données et des versions de modèle
Abordé dans
- Cycle de vie des systèmes IA ISO/IEC 42001 — management de l'IA
Traçabilité des invocations d'outils MCP
Abordé dans
- Observabilité, audit et conformité MCP — Model Context Protocol pour l'IA en entreprise
Traçabilité des réponses
Abordé dans
- UX de confiance Concevoir un produit IA (du POC au scale)
traçabilité des sources
Abordé dans
- Pourquoi le RAG RAG : de la théorie à la production
- Quand fine-tuner (vs RAG et prompt) Fine-tuning et adaptation de modèles
Traçabilité des transferts
Abordé dans
- Multi-agents et orchestration Agents LLM et outils (function calling)
Traçabilité du raisonnement
Abordé dans
- Pourquoi le prompt engineering change le résultat Prompt engineering pour professionnels
Traçabilité et citation de sources
Abordé dans
- Décision : RAG vs fine-tuning Fine-tuning et adaptation de modèles
Traçabilité et conformité des accès
Abordé dans
- Intégration au SI existant MCP — Model Context Protocol pour l'IA en entreprise
Traçabilité et journalisation des usages
Abordé dans
- Enjeux de conformité de l'IA générative IA générative, conformité et propriété intellectuelle
Traçabilité et responsabilité des décisions automatisées
Abordé dans
- Gouvernance et déploiement Introduction à l'IA pour la Cybersécurité
Traçabilité risque → contrôle → objectif
Abordé dans
- Planification et risques ISO 27001:2022 — SMSI pratique
Traçabilité test-remédiation
Abordé dans
- Preuves et préparation à l'audit NIS2 et ReCyF : conformité opérationnelle
Trace distribuée (trace_id, span_id)
Abordé dans
- Observabilité des agents Agents LLM et outils (function calling)
Traceroute
Abordé dans
- Diagnostic express TCP/IP Sprint — les essentiels en RSVP
- ICMP et outils de diagnostic Introduction à TCP/IP
Tracking léger (SORT, filtre de Kalman)
Abordé dans
- Détection d'objets Vision par ordinateur appliquée
Trade-off qualité / débit / coût
Abordé dans
- Matériel, VRAM et quantisation LLM locaux — déploiement Ollama, vLLM et souveraineté
Traduction d'indicateurs techniques en langage de décision
Abordé dans
- Atelier : roadmap COMEX NIS2 et ReCyF : conformité opérationnelle
Traduction d'un brief en spécification de prompt
Abordé dans
- Atelier : cas réel de bout en bout Prompt engineering pour professionnels
Traduction du chemin d'attaque en findings priorisés
Abordé dans
- Atelier : scénario de bout en bout Pentest Active Directory
Traduction langage naturel vers requête SIEM
Abordé dans
- Copilotes SOC Introduction à l'IA pour la Cybersécurité
Traffic Light Protocol (TLP)
Abordé dans
- Partage d'information sur les menaces DORA — conformité et résilience opérationnelle numérique
Trafic est-ouest
Abordé dans
- Network Policies Sécurité Kubernetes
Traitement par batch
Abordé dans
- Coûts, latence et capacity planning RAG : de la théorie à la production
trajectoire et historique de contexte
Abordé dans
- Boucle reason-act Agents LLM et outils (function calling)
Transfer learning
Abordé dans
- Classification d'images Vision par ordinateur appliquée
transfert de données hors UE
Abordé dans
- Gouvernance, souveraineté et conformité LLM locaux — déploiement Ollama, vLLM et souveraineté
Transfert vers l'exploitation continue
Abordé dans
- Roadmap 90 jours Concevoir un produit IA (du POC au scale)
Transferts internationaux de données
Abordé dans
- Données personnelles et LLM IA générative, conformité et propriété intellectuelle
Transition ISO 27001:2013 vers 2022
Abordé dans
- ISO 27001:2022 en pratique ISO 27001:2022 — SMSI pratique
Transparence AI Act
Abordé dans
- L'IA générative : image, son et code Introduction à l'intelligence artificielle
Transparence contractuelle vis-à-vis des clients
Abordé dans
- Cas entreprise : dossier type IA générative, conformité et propriété intellectuelle
Transparence envers l'opérateur déployeur
Abordé dans
- Obligations des systèmes à haut risque AI Act — comprendre et appliquer le règlement européen sur l'IA
transparence proportionnée
Abordé dans
- Éthique produit et responsabilité Concevoir un produit IA (du POC au scale)
Transport
Abordé dans
- Les 4 couches TCP/IP TCP/IP Sprint — les essentiels en RSVP
transport HTTP+SSE
Abordé dans
- Transports : stdio, HTTP et SSE MCP — Model Context Protocol pour l'IA en entreprise
Transport JSON-RPC 2.0
Abordé dans
- Architecture et concepts clés MCP — Model Context Protocol pour l'IA en entreprise
transport stdio
Abordé dans
- Transports : stdio, HTTP et SSE MCP — Model Context Protocol pour l'IA en entreprise
traversée de pare-feu et proxy
Abordé dans
- Transports : stdio, HTTP et SSE MCP — Model Context Protocol pour l'IA en entreprise
tri et traçabilité logistique
Abordé dans
- Cas industrie : qualité, logistique, maintenance Vision par ordinateur appliquée
Triage automatique des échecs de test
Abordé dans
- Workflows de développement assistés IA pour le développement logiciel
Triage et priorisation assistés par IA
Abordé dans
- L'IA au service de la cybersécurité Introduction à l'IA pour la Cybersécurité
Triangulation quantitatif / qualitatif
Abordé dans
- Mesurer la productivité sans se tromper IA pour le développement logiciel
Triton Inference Server : model repository, dynamic batching, multi-backend
Abordé dans
- Production et pièges courants CUDA avancé — GPU et IA haute performance
Trois lignes de défense
Abordé dans
- Gouvernance et responsabilités DORA — conformité et résilience opérationnelle numérique
Troncature de l'historique
Abordé dans
- Mémoire courte et longue Agents LLM et outils (function calling)
Trust AD (direction, transitivité, SID filtering)
Abordé dans
- Cartographier le domaine Pentest Active Directory
trust_remote_code et exécution de code distant
Abordé dans
- Supply chain des modèles : poids, dépendances, provenance Cybersécurité des systèmes d'IA
TTFT et latence inter-token
Abordé dans
- Optimisation inférence LLM CUDA avancé — GPU et IA haute performance
TTL expiré
Abordé dans
- ICMP et outils de diagnostic Introduction à TCP/IP
UEBA (analyse comportementale)
Abordé dans
- Enrichir le SIEM avec l'IA Introduction à l'IA pour la Cybersécurité
Unified Memory : fautes de page et oversubscription
Abordé dans
- Hiérarchie mémoire et coalescing CUDA avancé — GPU et IA haute performance
Unité de valeur facturée
Abordé dans
- Pricing et unités de valeur Concevoir un produit IA (du POC au scale)
URI de resource
Abordé dans
- Resources, prompts et contexte long MCP — Model Context Protocol pour l'IA en entreprise
Usages dérivés non validés
Abordé dans
- Cas entreprise : dossier type IA générative, conformité et propriété intellectuelle
utilisation GPU et VRAM
Abordé dans
- Observabilité, coûts et SLA LLM locaux — déploiement Ollama, vLLM et souveraineté
Utilisation GPU réelle contre occupation apparente (nvidia-smi)
Abordé dans
- Pourquoi CUDA pour l'IA haute performance CUDA avancé — GPU et IA haute performance
UX des permissions
Abordé dans
- Clients : IDE, agents et orchestrateurs MCP — Model Context Protocol pour l'IA en entreprise
Validation applicative
Abordé dans
- Sorties structurées et contrats JSON Prompt engineering pour professionnels
Validation avant mise en production
Abordé dans
- Cycle de vie des systèmes IA ISO/IEC 42001 — management de l'IA
validation côté serveur
Abordé dans
- Premier serveur MCP pratique MCP — Model Context Protocol pour l'IA en entreprise
Validation humaine
Abordé dans
- Agents, outils et automatisation Introduction à l'intelligence artificielle
Validation humaine avant intégration à un rapport officiel
Abordé dans
- Copilotes SOC Introduction à l'IA pour la Cybersécurité
Validation humaine dégressive
Abordé dans
- Agent vs chatbot Agents LLM et outils (function calling)
Validation humaine par domaine
Abordé dans
- Prompts métier : juridique, tech et RH Prompt engineering pour professionnels
Validation humaine pour les actions irréversibles
Abordé dans
- Défenses et contrôles techniques Cybersécurité des systèmes d'IA
Validation par règles métier
Abordé dans
- OCR et document AI Vision par ordinateur appliquée
Validation split et perte de validation
Abordé dans
- Entraînement pratique Fine-tuning et adaptation de modèles
validation stricte des arguments
Abordé dans
- Outils et APIs (function calling) Agents LLM et outils (function calling)
Vérification continue
Abordé dans
- Architecture zero-trust pour l'IA Cybersécurité des systèmes d'IA
Vérification humaine hiérarchisée
Abordé dans
- Anti-hallucination et ancrage factuel Prompt engineering pour professionnels
Vérification par entailment (NLI)
Abordé dans
- Citations et grounding RAG : de la théorie à la production
Vérification par recoupement
Abordé dans
- Vision multimodale (VLM) Vision par ordinateur appliquée
Versioning de dataset
Abordé dans
- Pipeline image de bout en bout Vision par ordinateur appliquée
versioning sémantique
Abordé dans
- Déploiement d'un modèle adapté Fine-tuning et adaptation de modèles
Versioning sémantique de prompts
Abordé dans
- Bibliothèque de patterns réutilisables Prompt engineering pour professionnels
versioning sémantique des tools MCP
Abordé dans
- Exploitation production et posture SRE MCP — Model Context Protocol pour l'IA en entreprise
Versionnement de prompt
Abordé dans
- Atelier : cas réel de bout en bout Prompt engineering pour professionnels
Veto de conformité
Abordé dans
- Checklist go-live Évaluer et fiabiliser les systèmes LLM
VLSM
Abordé dans
- Adressage IPv4 Introduction à TCP/IP
vol de modèle (model theft)
Abordé dans
- Sécurité des LLM locaux LLM locaux — déploiement Ollama, vLLM et souveraineté
Volume et répétition de la tâche
Abordé dans
- Problème et valeur : où l'IA apporte un levier Concevoir un produit IA (du POC au scale)
VRAM et taille de modèle
Abordé dans
- Matériel, VRAM et quantisation LLM locaux — déploiement Ollama, vLLM et souveraineté
Warp SIMT de 32 threads
Abordé dans
- Architecture GPU NVIDIA CUDA avancé — GPU et IA haute performance
White Team et Control Team
Abordé dans
- Tests de résilience numérique DORA — conformité et résilience opérationnelle numérique
WinRM et exécution PowerShell distante (Evil-WinRM)
Abordé dans
- Mouvement latéral Pentest Active Directory
Workflows longs et reprise sur erreur
Abordé dans
- Patterns avancés multi-serveurs MCP — Model Context Protocol pour l'IA en entreprise
XLA et compilation par graphe statique sous TensorFlow
Abordé dans
- PyTorch et TensorFlow on GPU CUDA avancé — GPU et IA haute performance
Zero data retention (ZDR)
Abordé dans
- Secrets, licences et conformité code IA pour le développement logiciel
Zero-trust
Abordé dans
- Architecture zero-trust pour l'IA Cybersécurité des systèmes d'IA
Zone de dépendance critique
Abordé dans
- Dette technique et risques IA pour le développement logiciel
Questions fréquentes
Qu'est-ce que le glossaire Academy ?
C'est le répertoire des notions techniques abordées dans les formations gratuites Academy Ayinedjimi : réseaux TCP/IP, intelligence artificielle, cybersécurité et conformité. Chaque entrée renvoie vers les chapitres qui traitent le sujet.
D'où viennent les définitions ?
Les termes sont extraits des points clés de chaque chapitre publié. Lorsqu'une définition rédigée existe dans la base glossaire, elle s'affiche ; sinon, la page liste les chapitres de référence pour approfondir.
Comment retrouver un terme dans une formation ?
Cliquez sur un chapitre listé sous le terme, ou survolez les termes soulignés dans le contenu des cours : une infobulle affiche la définition et un lien vers cette page.
Le glossaire est-il mis à jour automatiquement ?
Oui. Dès qu'un chapitre publié ajoute un point clé, le terme apparaît ici. Les infobulles dans les cours se rafraîchissent toutes les cinq minutes.
Puis-je partager un terme précis ?
Chaque notion possède une ancre stable (par exemple /glossaire#rag). Copiez l'URL depuis la barre d'adresse après avoir cliqué sur le terme.