L’intelligence artificielle se pense, se publie et se code principalement en anglais. Les articles de recherche, les documentations techniques, les conférences majeures — tout passe par l’anglais avant d’être (parfois) traduit. Si vous travaillez dans ce domaine, ou si vous l’observez de loin, ignorer ce vocabulaire revient à lire un roman dont on aurait arraché la moitié des pages.
Alors, comment dit-on « intelligence artificielle » en anglais ? La réponse courte : artificial intelligence, souvent abrégée en AI. Mais c’est loin d’être suffisant. Derrière ces deux mots se cache un écosystème lexical dense, que cet article démêle pour vous — sans jargon inutile.
La traduction directe et ses subtilités
Artificial intelligence : la traduction officielle
« Intelligence artificielle » se traduit mot pour mot par artificial intelligence. Le terme existe depuis 1956, date à laquelle John McCarthy l’a forgé pour la conférence de Dartmouth. En français, on a simplement calqué la formulation anglaise — ce qui explique pourquoi les deux expressions se ressemblent autant.
L’abréviation française est « IA », l’anglaise est « AI ». Ce détail compte quand vous cherchez des ressources en ligne : une recherche avec « AI » renvoie vers une masse de contenus anglophones bien plus volumineuse que « IA ». 87 % des articles académiques sur le sujet sont rédigés en anglais, selon une analyse de Springer Nature publiée en 2023.
Quelques variations qu’on croise régulièrement :
- Artificial intelligence (terme générique, équivalent exact de IA)
- AI systems — systèmes d’IA
- AI-powered — propulsé par l’IA, ou « à base d’IA »
- AI-driven — piloté par l’IA (nuance : l’IA prend les décisions)
- Human-centered AI — IA centrée sur l’humain
Le vocabulaire technique de l’IA en anglais
Maîtriser « artificial intelligence » ne suffit pas. Le domaine produit un lexique à vitesse industrielle, et certains mots anglais n’ont tout simplement pas d’équivalent français stabilisé. En voici les principaux.
Machine learning (apprentissage automatique) désigne la capacité d’un système à apprendre depuis des données sans être explicitement programmé pour chaque tâche. On dit aussi ML par abréviation. En français, « apprentissage machine » ou « apprentissage automatique » sont corrects, mais dans les équipes tech, tout le monde dit machine learning.
Deep learning (apprentissage profond) est une sous-catégorie du machine learning qui s’appuie sur des réseaux de neurones artificiels à plusieurs couches. Le mot « profond » renvoie à la profondeur de ces couches, pas à une quelconque profondeur philosophique.
Autres termes à connaître :
- Large language model (LLM) — modèle de langage de grande taille, comme GPT-4 ou Claude
- Natural language processing (NLP) — traitement du langage naturel (TLN en français)
- Computer vision — vision par ordinateur
- Training data — données d’entraînement
- Neural network — réseau de neurones
- Inference — inférence (quand le modèle produit une réponse)
- Prompt — instruction ou requête envoyée à un modèle (pas de traduction établie)
- Fine-tuning — ajustement fin d’un modèle pré-entraîné
Le terme generative AI (IA générative) a explosé depuis 2022. Il désigne les systèmes capables de produire du texte, des images, du son ou du code — ChatGPT, Midjourney, Stable Diffusion en sont les exemples les plus connus du grand public.
Pourquoi l’anglais domine ce domaine
Ce n’est pas un hasard. Les laboratoires fondateurs — Google DeepMind, OpenAI, Meta AI, Stanford HAI — sont tous anglophones. Les bases de données de référence comme arXiv publient massivement en anglais. Et les grands corpus de textes utilisés pour entraîner les modèles de langage contiennent une majorité écrasante de contenu anglophone.
Résultat concret : un modèle comme GPT-4 performe mieux en anglais qu’en français sur des tâches de raisonnement complexe. Pas parce que l’anglais serait « supérieur », mais parce que les données d’entraînement le favorisent. C’est un biais structurel, pas une fatalité.
Pour les professionnels francophones, cela crée une double contrainte :
- Lire les publications techniques en anglais (les traductions arrivent souvent avec plusieurs mois de retard)
- Utiliser des outils dont les interfaces, la documentation et le support sont d’abord en anglais
Ce contexte vaut aussi dans d’autres domaines professionnels. Si vous gérez des équipes internationales, le vocabulaire anglais du travail collaboratif, des RH ou du management à distance devient aussi indispensable que celui de l’IA. D’ailleurs, si vous avez besoin de maîtriser le vocabulaire professionnel anglais dans un contexte de travail flexible, l’article sur le Télétravail en anglais : vocabulaire, expressions et usages pro couvre ce terrain de manière très opérationnelle.
Les faux amis et pièges de traduction
Quelques mots tendent à induire en erreur les francophones qui découvrent le domaine.
Intelligence en anglais technique ne recouvre pas exactement la même notion qu’en français. En AI, intelligence désigne souvent une capacité à résoudre des problèmes dans un environnement donné — pas une forme de conscience ou de jugement humain. Le glissement sémantique est réel et crée des malentendus dans les débats publics.
Model (modèle) est omniprésent. Attention : en IA, un model n’est pas une maquette ou un exemple à imiter. C’est un système mathématique entraîné sur des données pour accomplir une tâche. Parler d’un « modèle de langage » traduit fidèlement language model.
Hallucination a été adopté tel quel en français. En anglais comme en français, il désigne la tendance d’un LLM à produire des informations fausses avec une apparente confiance. Ce terme emprunté à la psychologie a fait l’unanimité dans les deux langues — preuve que parfois, les communautés scientifiques convergent vite.
Bias se traduit par « biais » mais aussi par « parti pris » selon le contexte. En IA, algorithmic bias (biais algorithmique) renvoie à des discriminations systématiques produites par un modèle — sujet majeur en éthique de l’IA.
Apprendre ce vocabulaire efficacement
Lire des articles techniques en anglais reste la méthode la plus directe. Des sources comme MIT Technology Review, le blog de Google DeepMind ou les newsletters de The Batch (Andrew Ng) exposent le vocabulaire dans son contexte naturel, ce qui accélère la mémorisation.
Quelques stratégies concrètes :
- Créer un glossaire personnel : chaque nouveau terme anglais noté avec sa traduction française et un exemple de phrase réelle.
- Lire les abstracts d’articles sur arXiv — ils sont courts, denses, et bourrés de terminologie canonique.
- Utiliser des outils comme DeepL pour comparer les traductions et identifier les équivalents français acceptés.
- Suivre des conférences comme NeurIPS ou ICML en streaming — les présentations orales aident à entendre les mots dans leur prononciation native.
Un dernier point pratique : les offres d’emploi en IA sont rédigées en anglais dans leur grande majorité, même en France. Maîtriser ce vocabulaire ne relève pas du luxe culturel — c’est une condition d’accès au marché du travail dans ce secteur.