================================================================
AI FLUENCY — FICHE DE RÉVISION
IA multimodale
================================================================

Vision, parole, génération d'images, embeddings intermodaux et architectures multimodales.
6 termes

----------------------------------------------------------------

* Automatic Speech Recognition (ASR)
  Une compétence de modèle qui convertit un audio parlé en transcription textuelle.
  ex. Whisper transcrivant en texte l'enregistrement d'une réunion.

* CLIP (Contrastive Language–Image Pre-training)
  Un modèle entraîné à aligner les embeddings de texte et d'image dans un espace vectoriel partagé, permettant la classification d'images en zero-shot et le guidage de la génération d'images.
  ex. Faire correspondre la légende « un chien sur une plage » à la bonne photo parmi des milliers.

* Diffusion Model
  Un modèle génératif qui produit des images (ou d'autres données) en éliminant itérativement du bruit à partir d'un point de départ aléatoire, guidé par un signal de conditionnement comme un prompt textuel.
  ex. Stable Diffusion transformant un prompt textuel en une image photoréaliste.

* Multimodal Model
  Un modèle d'IA capable de traiter et/ou de générer plus d'un type de données, comme du texte, des images, de l'audio ou de la vidéo.
  ex. GPT-4o peut accepter du texte, des images et de l'audio, et produire du texte ou de l'audio.

* Vision Transformer (ViT)
  Une architecture transformer qui traite une image comme une séquence de patches et applique de l'auto-attention, au lieu d'utiliser des convolutions.
  ex. Découper une photo en une grille de petits patches avant de la transmettre au modèle.

* Vision-Language Model (VLM)
  Un modèle qui relie des représentations visuelles et linguistiques pour accomplir des tâches comme le sous-titrage d'images ou la réponse à des questions visuelles.
  ex. Décrire en une phrase complète ce qui se passe sur une photo.

----------------------------------------------------------------
Astuce : collez ce fichier dans votre assistant IA préféré et demandez un tutorat.