Glossaire
Les mots qui reviennent dans nos articles et nos fiches, définis en quelques lignes, avec un lien vers la source quand la définition est factuelle.
Agent de code
Logiciel d'IA qui ne se contente pas de suggérer du code : il lit le contexte d'un projet, transforme une demande en plan de plusieurs étapes, puis exécute et vérifie ces étapes (modification du code, lancement des tests, correction). C'est la définition retenue par Gartner pour son premier Magic Quadrant des agents de code (mai 2026). Exemples dans l'annuaire : Claude Code, Codex, OpenCode, Aider, Cline.
Agentique
Se dit d'un usage ou d'un outil où le modèle agit en plusieurs étapes avec des outils (terminal, navigateur, API), au lieu de répondre en un seul message. On parle ainsi de « code agentique » ou de « tâches agentiques ». Les éditeurs mesurent ces capacités avec des tests comme DeepSWE ou Terminal-Bench.
MCP (Model Context Protocol)
Standard open source qui relie les applications d'IA à des systèmes externes : sources de données (fichiers, bases), outils (moteur de recherche, calculatrice) et flux de travail. Ses auteurs le comparent à un port USB-C pour les applications d'IA (modelcontextprotocol.io). La ligne « Support MCP » de nos fiches indique si un outil peut s'y brancher.
MoE (mélange d'experts)
Architecture de modèle (Mixture of Experts) où seule une partie des paramètres travaille pour chaque token. Exemple : Muse Spark Open de Meta compte 816 milliards de paramètres au total, mais 42 milliards seulement sont actifs, avec 8 experts activés sur 256 pour chaque token (carte du modèle). Intérêt : un modèle très grand, mais moins coûteux à faire tourner qu'un modèle dense de même taille.
Poids ouverts ou open source
Un modèle à poids ouverts est téléchargeable, mais sa licence peut imposer des conditions. Un logiciel open source doit respecter la définition de l'Open Source Initiative, qui interdit notamment de discriminer des personnes ou des domaines d'usage. Exemple : la licence de Muse Spark Open impose d'afficher « Built with Muse Spark Open » et exige un accord séparé avec Meta pour la proposer en API au-delà de 20 M$ de chiffre d'affaires (licence Muse) : poids ouverts, mais pas open source. DeepSeek V4.1-Flash-1017 est publié sous licence MIT (Hugging Face).
Fenêtre de contexte
Quantité maximale de texte, mesurée en tokens, qu'un modèle peut prendre en compte dans une requête : instructions, fichiers, historique et réponse. Exemple : 1 050 000 tokens de contexte pour GPT-6.1 Sol, dont 128 000 tokens de sortie au maximum (OpenAI). Une grande fenêtre permet de charger plus de code, mais coûte plus cher : certains éditeurs facturent davantage au-delà d'un seuil.
Tokens
Unité de texte traitée par un modèle, d'environ 3 à 4 caractères de texte anglais selon Zed. Votre demande, les fichiers, l'historique, les résultats d'outils et la réponse consomment tous des tokens (OpenAI). Les API facturent au million de tokens, avec un prix différent en entrée et en sortie : voir notre comparateur de modèles.
SWE-bench
Famille de tests qui mesure la capacité d'un modèle à résoudre de vrais tickets GitHub. La version d'origine compte 2 294 tâches tirées de 12 dépôts Python ; SWE-bench Verified est un sous-ensemble de 500 tâches filtrées par des humains (swebench.com). Le score est le pourcentage de tâches résolues.
DeepSWE
Test de génie logiciel « longue durée » publié par Datacurve : l'agent doit comprendre un dépôt, développer une fonctionnalité et la valider par les tests. La version 1.1 (juin 2026) compte 113 tâches et note le code commité dans un environnement isolé, pour des résultats plus reproductibles (Datacurve). Attention : les scores annoncés par les éditeurs utilisent souvent leur propre harnais d'agent et leur propre niveau de raisonnement, et ne sont donc pas strictement comparables.