Glossaire

Les termes de nos articles, en bref

RAG, IDP, MCP, workflows agentic : les termes qui reviennent dans nos publications, avec définition, mise en contexte et liens vers les articles et solutions concernés.

I

IDP

Aussi appelé: Intelligent Document Processing, Traitement documentaire par IA

Intelligent Document Processing - traitement automatisé de documents par IA : classification, extraction de champs structurés et transmission aux systèmes en aval.

L'Intelligent Document Processing (IDP) désigne le traitement automatisé de documents à l'aide de l'IA. Contrairement à un simple OCR, il ne s'agit pas seulement de lire le texte d'un scan, mais de comprendre le contenu, de le classer et de le convertir en champs structurés.

À ne pas confondre avec IdP (Identity Provider)

L'acronyme IDP couvre deux univers très différents. Ici, il s'agit de traitement documentaire. Les Identity Providers (généralement notés IdP) sont des systèmes d'authentification et de single sign-on.

Étapes typiques

Classification : quel type de document avons-nous (facture, contrat, courrier officiel, lettre) ?
Extraction : quels champs doit-on lire (montants, dates, parties, numéros de dossier) ?
Validation : contrôles de cohérence, double validation humaine et solutions de repli pour les cas incertains.
Transmission : remise des résultats au DMS, à l'ERP, au logiciel métier ou au moteur de workflow.

Ce qui fait la différence

Une solution IDP fiable repose sur la qualité des données et sur la gestion des cas atypiques. Un canal d'entrée propre, de bonnes données d'entraînement, des critères d'arrêt clairs et une revue humaine pour les cas incertains comptent plus que le choix du modèle.

M

MCP

Aussi appelé: Model Context Protocol

Model Context Protocol - un protocole ouvert qui permet aux modèles de langage et aux agents d'accéder de façon standardisée à des outils, sources de données et actions externes.

Le Model Context Protocol (MCP) est un standard ouvert qui décrit comment un modèle de langage ou un agent peut dialoguer de manière structurée avec des outils et des sources de données externes. Au lieu de coder chaque intégration à la main, un serveur MCP déclare ses capacités, et un client - Claude ou votre propre agent - peut les utiliser immédiatement.

Ce que MCP vise

Les modèles de langage ne deviennent utiles au quotidien que lorsqu'ils peuvent lire les données métier et déclencher des actions : consulter un DMS, interroger une base de connaissances, poser un rendez-vous dans un calendrier. MCP fournit pour cela une interface standardisée, indépendante du modèle utilisé.

Ce qu'expose un serveur MCP

Outils (tools) : actions clairement décrites que l'agent peut invoquer.
Ressources : données que l'agent est autorisé à lire, par exemple des documents ou enregistrements.
Prompts : briques préparées que l'agent peut utiliser comme modèles.

Importance pratique

Pour les PME, MCP réduit l'effort d'intégration entre les systèmes d'IA et les applications existantes. Un serveur MCP devant une API existante est souvent plus court et plus stable qu'un adaptateur fait sur mesure pour chaque outil d'IA.

R

RAG

Aussi appelé: Retrieval-Augmented Generation

Retrieval-Augmented Generation - une approche où un modèle de langage répond à partir de documents récupérés plutôt que de se fier uniquement à ses données d'entraînement.

Le Retrieval-Augmented Generation (RAG) complète la réponse d'un modèle de langage avec des contenus issus d'une source documentaire dédiée. Plutôt que de s'appuyer uniquement sur les connaissances figées dans le modèle, le système récupère d'abord quelques passages pertinents dans un index (retrieval), puis fait générer une réponse à partir de ces passages (generation).

Pourquoi c'est utile

En entreprise, la connaissance pertinente ne réside pas dans le modèle mais dans les dossiers, contrats, wikis et fils de messagerie. Le RAG combine les deux : la compréhension linguistique du modèle et la matière concrète, à jour, propre à l'organisation. Cela réduit le risque de réponses inventées et rend les affirmations traçables.

Briques typiques

Pipeline d'ingestion : extraction et préparation des documents, souvent avec OCR et nettoyage.
Découpage : segmentation en passages indexables séparément.
Index d'embeddings : représentation vectorielle des passages dans une base vectorielle.
Récupération : recherche sémantique des passages pertinents, souvent avec re-ranking.
Génération sourcée : le modèle produit la réponse et pointe vers les passages d'appui.

Pièges fréquents

Un pilote sur des données d'exemple est bien plus simple que l'exploitation au quotidien. Droits d'accès, versions, qualité de l'OCR et citations vérifiables décident de l'acceptation réelle d'un système RAG.

IDP

Aussi appelé: Intelligent Document Processing, Traitement documentaire par IA

Intelligent Document Processing - traitement automatisé de documents par IA : classification, extraction de champs structurés et transmission aux systèmes en aval.

À ne pas confondre avec IdP (Identity Provider)

Étapes typiques

Classification : quel type de document avons-nous (facture, contrat, courrier officiel, lettre) ?
Extraction : quels champs doit-on lire (montants, dates, parties, numéros de dossier) ?
Validation : contrôles de cohérence, double validation humaine et solutions de repli pour les cas incertains.
Transmission : remise des résultats au DMS, à l'ERP, au logiciel métier ou au moteur de workflow.

Outils (tools) : actions clairement décrites que l'agent peut invoquer.
Ressources : données que l'agent est autorisé à lire, par exemple des documents ou enregistrements.
Prompts : briques préparées que l'agent peut utiliser comme modèles.

Pipeline d'ingestion : extraction et préparation des documents, souvent avec OCR et nettoyage.
Découpage : segmentation en passages indexables séparément.
Index d'embeddings : représentation vectorielle des passages dans une base vectorielle.
Récupération : recherche sémantique des passages pertinents, souvent avec re-ranking.
Génération sourcée : le modèle produit la réponse et pointe vers les passages d'appui.