Ressources

Tout le vocabulaire technique dont vous avez besoin.

Langages, frameworks, IA, méthodes, métiers : 172 termes essentiels pour parler tech sans complexes en 2026.

172 termes

A/B Testing
MéthodeTerme
L'A/B testing (ou test A/B) est une méthode d'expérimentation qui consiste à comparer deux versions (A et B) d'un même élément - page web, fonctionnalité, email, prix - pour mesurer laquelle performe le mieux sur un objectif donné (taux de conversion, clics, rétention).
Les utilisateurs sont répartis aléatoirement entre les deux variantes, et l'analyse statistique permet de déterminer si la différence observée est significative ou due au hasard. C'est un pilier du data-driven product et du growth marketing.
Des outils comme GrowthBook, LaunchDarkly, Optimizely ou Statsig orchestrent ces expériences à grande échelle.
Page dédiée - A/B Testing →# lien permanent
Adresse IP
TermeProblématique
Une adresse IP (pour Internet Protocol) est un numéro d’identification attribué de manière permanente ou provisoire à chaque périphérique connecté au réseau internet utilisant le protocole internet. Il est unique et permet l’identification du périphérique.
Page dédiée - Adresse IP →# lien permanent
Agent IA
ProblématiqueTechno
Un agent IA est un programme autonome qui combine un modèle de langage (LLM) avec des outils (recherche web, exécution de code, accès API, manipulation de fichiers…) pour accomplir des tâches complexes en plusieurs étapes, sans intervention humaine à chaque étape.
Contrairement à un simple chatbot qui répond à une question, un agent planifie, exécute, observe le résultat et adapte sa stratégie. On parle d'agentic AI pour désigner cette nouvelle génération d'applications IA.
Exemples : Claude Code, GitHub Copilot Workspace, Devin, Cursor Agent, Manus. Le protocole MCP (Model Context Protocol) standardise la connexion entre agents et outils.
Page dédiée - Agent IA →# lien permanent
Agilité
Méthode
La méthode Agile est une méthode de gestion de projet qui consiste à décomposer vos projets en une suite de petits objectifs atteignables. Cette approche a été développée dans les années 2000 par 17 ingénieurs américains qui étaient insatisfaits des méthodes de gestion de projet de l’époque et qui leur reprochaient d’être trop lourdes, lentes et contraignantes.
Quand vous travaillez en mode Agile, vous travaillez en de petits cycles courts que l’on appelle sprints ou itérations qui durent généralement entre 1 semaine et 1 mois. On est donc bien loin des méthodes traditionnelles du type diagramme de Gantt ou des méthodes en cascade qui consistent à définir des plans de projet sur 12 ou 24 mois.
Il existe plusieurs façons d’appliquer la méthodologie Agile. Vous pouvez utiliser la méthode Kanban, Scrum ou encore l’extreme programming (XP). Toutes ces méthodes ont été construites sur les bases du Manifeste Agile.
Page dédiée - Agilité →# lien permanent
AI / IA
Problématique
Le terme « intelligence artificielle », créé par John McCarthy, est souvent abrégé par le sigle « IA » (ou « AI » en anglais, pour Artificial Intelligence).
Il est défini par l’un de ses créateurs, Marvin Lee Minsky, comme « la construction de programmes informatiques qui s’adonnent à des tâches qui sont, pour l’instant, accomplies de façon plus satisfaisante par des êtres humains car elles demandent des processus mentaux de haut niveau tels que : l’apprentissage perceptuel, l’organisation de la mémoire et le raisonnement critique ».
On y trouve donc le côté « artificiel » atteint par l'usage des ordinateurs ou de processus électroniques élaborés et le côté « intelligence » associé à son but d'imiter le comportement.
Cette imitation peut se faire dans le raisonnement, par exemple dans les jeux ou la pratique des mathématiques, dans la compréhension des langues naturelles, dans la perception : visuelle (interprétation des images et des scènes), auditive (compréhension du langage parlé) ou par d'autres capteurs, dans la commande d'un robot dans un milieu inconnu ou hostile.
Page dédiée - AI / IA →# lien permanent
AI Act
TermeProblématique
L'AI Act (Règlement européen sur l'intelligence artificielle, adopté en 2024) est le premier cadre juridique horizontal au monde encadrant le développement et l'usage des systèmes d'IA. Il s'applique à toute IA mise sur le marché ou utilisée dans l'Union européenne, quel que soit le pays de l'éditeur.
Il classe les systèmes d'IA selon une approche par les risques : interdits (notation sociale, manipulation cognitive), à haut risque (RH, éducation, justice, infrastructures critiques), à risque limité (chatbots) et à risque minimal. Les modèles à usage général (GPAI) comme les LLM ont leurs propres obligations de transparence et de gestion des risques.
L'application est progressive de 2025 à 2027, avec des amendes pouvant atteindre 7 % du chiffre d'affaires mondial.
Page dédiée - AI Act →# lien permanent
AI Engineer
Métier
L'AI Engineer (ingénieur IA) est un profil tech apparu avec l'essor de l'IA générative, qui conçoit et déploie des applications utilisant des LLM, des modèles de vision ou des agents autonomes.
À la différence du Machine Learning Engineer, qui entraîne des modèles, l'AI Engineer travaille principalement avec des modèles pré-entraînés (Claude, GPT, Mistral, Llama…) qu'il assemble via des techniques comme le RAG, le prompt engineering, l'orchestration d'agents, l'évaluation et l'observabilité IA.
Il maîtrise typiquement Python ou TypeScript, des frameworks comme LangChain, LlamaIndex ou les SDK Anthropic / OpenAI, et travaille avec des bases vectorielles (Pinecone, Qdrant, Weaviate). C'est l'un des métiers les plus recherchés en 2026.
Page dédiée - AI Engineer →# lien permanent
Airflow
TechnoOutils
Apache Airflow est une plateforme open source d'orchestration de workflows de données, créée chez Airbnb en 2014 puis confiée à la fondation Apache.
Elle permet de définir des pipelines (extraction, transformation, chargement, ML, reporting…) sous forme de DAGs (Directed Acyclic Graphs) en Python, puis de les planifier, exécuter, monitorer et gérer leurs dépendances et leurs reprises sur erreur.
C'est l'une des références du data engineering moderne, en concurrence avec Dagster, Prefect, Argo Workflows et les solutions managées (MWAA chez AWS, Cloud Composer chez GCP).
Page dédiée - Airflow →# lien permanent
Angular
FrameworkTechno
Angular (aussi appelé « Angular 2+ » ou « Angular v2 et plus ») est un framework côté client basé sur TypeScript, codirigé par l'équipe du projet Angular chez Google et par une communauté de particuliers et d'entreprises.
Angular est une réécriture complète d'AngularJS, cadriciel construit par la même équipe. Il permet la création d'applications Web et plus particulièrement d'applications Web monopages : des applications accessibles via une page unique qui fluidifie l'expérience utilisateur et évite les rechargements à chaque action.
Le framework est basé sur une architecture de type MVC qui sépare les données, le visuel et les actions pour une meilleure gestion des responsabilités. Une approche qui a fait ses preuves et qui permet une forte maintenabilité ainsi qu'un travail collaboratif efficace.
Page dédiée - Angular →# lien permanent
API
TermeProblématique
Une API (application programming interface ou « interface de programmation d’application ») est une interface logicielle qui permet de « connecter » un logiciel ou un service à un autre logiciel ou service afin d’échanger des données et des fonctionnalités.
Les API offrent de nombreuses possibilités, comme la portabilité des données, la mise en place de campagnes de courriels publicitaires, des programmes d’affiliation, l’intégration de fonctionnalités d’un site sur un autre ou l’open data. Elles peuvent être gratuites ou payantes.Source : cnil.fr
Exemple : Lorsque vous utilisez une application sur votre téléphone portable, l'application se connecte à Internet et envoie des données à un serveur. Le serveur récupère ensuite ces données, les interprète, effectue les actions nécessaires et renvoie les données à votre téléphone. L'application interprète alors ces données et vous présente les informations demandées de façon lisible. C'est à cela que sert une API : l'ensemble du processus passe par elle.
Page dédiée - API →# lien permanent
Architecture SOA
TechnoTerme
L'architecture orientée services (ou SOA, Service-Oriented Architecture) est un modèle de conception qui rend des composants logiciels réutilisables, grâce à des interfaces de services qui utilisent un langage commun pour communiquer via un réseau.
Un service est une unité autonome de fonctionnalité logicielle, ou d'un ensemble de fonctionnalités, conçue pour réaliser une tâche précise comme récupérer des informations ou exécuter une opération. Il contient les intégrations de code et de données nécessaires pour exécuter une fonction métier distincte et complète.
Vous pouvez y accéder à distance, et interagir avec lui ou le mettre à jour de manière indépendante. En d'autres termes, l'architecture SOA permet à des composants logiciels déployés et gérés séparément de communiquer et de fonctionner ensemble sous la forme d'applications logicielles communes à différents systèmes.
Source : redhat
Page dédiée - Architecture SOA →# lien permanent
Architecture web
TechnoTerme
L’architecture web correspond à l’organisation et la structuration d’une application web. Elle détermine le schéma de développement d’une application et comment les différentes briques qui la composent communiquent entre elles.
On la défini en amont du projet en fonction des besoins de l’application afin de faciliter le développement de chacun de ses modules en fournissant une logique d’organisation.
Page dédiée - Architecture web →# lien permanent
Astro
FrameworkTechno
Astro est un framework web open source orienté contenu, qui génère par défaut des pages HTML statiques sans envoyer de JavaScript au navigateur (« zero JS »), pour des performances maximales sur les sites éditoriaux, marketing ou e-commerce.
Sa principale innovation est l'architecture islands : chaque composant interactif est isolé et hydraté indépendamment, ce qui permet d'injecter de la réactivité (React, Vue, Svelte, Solid…) uniquement là où elle est utile, sans payer le coût d'une SPA complète.
Astro est notamment utilisé par les sites de Firebase, The Guardian, Cloudflare ou encore Netlify Docs.
Page dédiée - Astro →# lien permanent
ATS
Outils
Un ATS (Applicant Tracking System, ou « système de suivi des candidatures ») est un logiciel utilisé par les recruteurs pour gérer et automatiser leurs processus de recrutement de bout en bout : diffusion d'offres, collecte et tri des CV, suivi des candidats à chaque étape, communication avec les équipes hiring et reporting.
Les ATS sont devenus incontournables en entreprise comme en cabinet de recrutement car ils centralisent la donnée candidat, automatisent les tâches répétitives (relances, scoring, parsing de CV) et offrent une vue d'ensemble du pipeline de recrutement. Beaucoup intègrent aujourd'hui des fonctionnalités d'IA pour le matching ou le sourcing.
Exemples d'ATS connus :
- Marvin Recruiter
- Greenhouse
- Lever
- Workable
- Teamtailor
Page dédiée - ATS →# lien permanent
Back-end
TermeProblématique
Le Back-end est un domaine de développement web, correspondant à la partie codée invisible pour l’utilisateur : le côté serveur. Toute la logique informatique répondant aux requêtes émises par l’utilisateur via l’interface est ce qu’on appelle le back-end.
On y retrouve la gestion de la base de données, la communication inter-serveurs, la gestion d’API, l’accessibilité, la sécurité, etc... On le compare souvent à la partie immergée de l’iceberg, représentant la majorité du code d’une application.
Exemples de langages Back-end :
- Python
- PHP
- Ruby
- Java
Page dédiée - Back-end →# lien permanent
BDD / Base De Données / Database
TechnoTerme
Une collection de données stockées et organisées de manière à être manipulées et retrouvées. Imaginez des tableaux excel avec des millions voire des milliards de lignes.
Exemple : une liste de clients d’une boutique e-commerce avec leurs noms, leur adresse et leur numéro de téléphone. On communique avec les BDD par le biais de requêtes (=query). En développement web, on retrouve fréquemment des bases de données relationnelles, exploitées avec le langage de requêtes SQL et des bases de données non-relationnelles, dîtes “NoSQL”.
Exemple de gestionnaire de BDD SQL :
- MySQLS
- QLite
- PostGreSQL
Exemple de gestionnaire de BDD NoSQL :
- MondoDB
- Cassandra
Page dédiée - BDD / Base De Données / Database →# lien permanent
Blockchain
TechnoProblématique
La Blockchain est une technologie moderne de stockage et de transmission d'informations. Elle fonctionne sans organe central de contrôle, mais apporte transparence et sécurité grâce à la validation des transactions par ledu réseau.
La blockchain est une assimilable à une base de données contenant l'historique de tous les échanges effectués depuis sa création. Puisqu'elle est partagée entre tous ses utilisateurs et sans intermédiaire, chacun peut vérifier sa validité et confirmer son intégrité.
Source : futura-sciences.com
Page dédiée - Blockchain →# lien permanent
Bun
TechnoOutils
Bun est un runtime JavaScript et TypeScript moderne, écrit en Zig, qui se positionne comme une alternative à Node.js et Deno avec un focus sur la performance.
Il combine en un seul outil un runtime, un bundler, un test runner et un gestionnaire de paquets compatible npm. Bun exécute la plupart du code Node.js sans modification et démarre un serveur HTTP plusieurs fois plus vite.
Créé par Jarred Sumner, distribué en version 1.0 en septembre 2023, Bun est devenu en 2025 une option crédible pour le tooling et l'edge computing.
Page dédiée - Bun →# lien permanent
Chaos Engineering
MéthodeProblématique
Le chaos engineering est une discipline qui consiste à provoquer délibérément des pannes en production (ou en environnement de pré-production réaliste) pour vérifier la résilience d'un système distribué et identifier les faiblesses avant qu'elles ne causent un incident utilisateur.
L'approche a été popularisée par Netflix avec Chaos Monkey : un outil qui éteint aléatoirement des instances de production. La pratique s'est généralisée avec des plateformes comme Gremlin, AWS Fault Injection Simulator ou LitmusChaos.
C'est un complément naturel à la culture SRE et à l'observabilité : on ne sait pas si un système est résilient tant qu'on ne l'a pas testé.
Page dédiée - Chaos Engineering →# lien permanent
CI / CD
ProblématiqueMéthode
CI/CD (ou pipeline CI/CD) pour Continuous Integration / Continuous Delivery (= Intégration Continue et Distribution/Déploiement continue).
La CI/CD est une approche permettant d’accélérer le cycle de mise en production d’une application grâce à l’automatisation appliquée à chaque étape de développement et de déploiement.
La CI s’applique aux équipes de développeurs et - comme son nom l’indique - consiste à intégrer en continu le code fourni par ces derniers. Ils peuvent ainsi faire évoluer l’application petit bout par petit bout et chacun de ses “petits bouts” sera testé puis fusionné au code existant.
La CD, s’applique aux équipes opérationnelles (ou d’exploitation), en charge du déploiement du code fourni par les équipes de développement dans l’étape précédente. On parle de Distribution et de Déploiement Continu. Elle automatise donc la transmission du code d’une équipe à l’autre (distribution) facilitant ainsi la visibilité et la communication entre les deux équipes parfois compliquée (cf. DevOps).
Le déploiement continu correspond lui à l’automatisation du déploiement, c’est-à-dire, de la transmission du code intégré (lors de la CI) vers l’environnement de production (la prod’) exploitable par l’utilisateur final. Déploiement et Distribution - très proche et parfois confondu - représentent la seconde partie du cycle de développement d’une application.
On pourrait résumer de manière très simpliste la CI/CD par l’automatisation des étapes de développement, de distribution et de déploiement. Le devOps est généralement l’acteur en charge de la mise en place de la CI/CD. L’approche CI/CD par ses automatisations en tous points, coïncide avec l’approche agile permettant d’accélérer l’évolutivité et le “Time to market” d’une application.
Elle contribue à la capacité d’une entreprise à faire sortir régulièrement et rapidement de nouvelles fonctionnalités et à s’adapter au retour de ses clients.
Page dédiée - CI / CD →# lien permanent
Claude
TechnoProblématique
Claude est la famille de modèles de langage (LLM) développée par Anthropic, fondée en 2021 par d'anciens chercheurs d'OpenAI autour des questions de sécurité de l'IA.
Les modèles Claude (Haiku, Sonnet, Opus) sont reconnus pour leur grande fenêtre de contexte (jusqu'à plusieurs millions de tokens), leur qualité sur le code et le raisonnement, et leur entraînement basé sur la Constitutional AI, une variante du RLHF qui inscrit des principes explicites dans l'apprentissage du modèle.
Claude est accessible via claude.ai, l'API Anthropic, et via les principaux clouds (AWS Bedrock, Google Vertex AI). Claude Code, l'agent CLI d'Anthropic, est devenu une référence des outils de développement assisté par IA.
Page dédiée - Claude →# lien permanent
Container / Conteneur
Terme
Les conteneurs sont des unités exécutables de logiciel dans lesquelles le code d'application est empaqueté, avec ses bibliothèques et ses dépendances, de manière commune, afin qu'il puisse être exécuté n'importe où, que ce soit sur un ordinateur de bureau, dans un système informatique traditionnel ou dans le cloud.
Source : ibm.com
Page dédiée - Container / Conteneur →# lien permanent
Context Window
TermeProblématique
La context window (ou fenêtre de contexte) est la quantité maximale de texte qu'un modèle de langage (LLM) peut prendre en compte à la fois, exprimée en tokens.
Elle inclut le prompt système, l'historique de conversation, les documents fournis et la réponse générée. Une fenêtre plus large permet d'analyser des documents plus longs ou de maintenir un fil de conversation plus complexe sans perdre l'information.
En 2026, les modèles de pointe atteignent plusieurs millions de tokens (Gemini, Claude). Mais une grande fenêtre ne garantit pas la qualité : les phénomènes de lost in the middle et la complexité quadratique de l'attention restent des défis actifs.
Page dédiée - Context Window →# lien permanent
Copilot
TechnoOutils
Un copilote (ou copilot) est un assistant logiciel basé sur l'IA qui suggère des actions, du contenu ou du code à un utilisateur en temps réel, sans le remplacer.
Le terme a été popularisé par GitHub Copilot, lancé en 2021, qui suggère du code dans l'IDE. Microsoft a depuis étendu la marque à toute sa suite produit (Microsoft 365 Copilot, GitHub Copilot Workspace, Copilot Studio…). D'autres acteurs proposent leurs équivalents : Cursor, Windsurf, Tabnine, Codeium, Claude Code, JetBrains AI Assistant.
À ne pas confondre avec un agent autonome : un copilote propose, l'humain valide à chaque étape.
Page dédiée - Copilot →# lien permanent
CRM
Outils
CRM (Customer Relationship Management) se traduit par gestion de la relation client. Plus généralement, lorsqu’on parle de CRM, on parle généralement de Logiciel CRM ou de système CRM.
Un CRM est donc un outil utilisé pour gérer, fluidifier et optimiser la relation d’une entreprise avec ses clients : suivi des process de vente, centralisation des coordonnées des contacts et des clients (téléphone, mail, contrats, etc), support après-vente, etc. L’objectif d’un CRM est donc de simplifier le back-office de la relation client, interne à l’entreprise, afin d’optimiser l’expérience client externe à l’entreprise.
Page dédiée - CRM →# lien permanent
CSS
Langage
CSS est l’acronyme de « Cascading Style Sheets » ce qui signifie « feuille de style en cascade ».Le CSS correspond à un langage informatique permettant de mettre en forme des pages web (HTML).Ce langage est donc composé des fameuses « feuilles de style en cascade » également appelées fichiers CSS (.css) et contient des éléments de codage.
Source : atinternet
Page dédiée - CSS →# lien permanent
CTO
Métier
Voir la fiche métier du CTO.
Page dédiée - CTO →# lien permanent
Cybersecurity Analyst
Métier
Le Cybersecurity Analyst (analyste cybersécurité) est en charge de la détection, de l'analyse et de la réponse aux menaces de sécurité informatique au sein d'une entreprise.
Il surveille en continu les systèmes via un SIEM (Security Information and Event Management), investigue les alertes, qualifie les incidents et coordonne la réponse avec les équipes IT et métier. Selon l'organisation, il peut être rattaché à un SOC (Security Operations Center) interne ou externe.
C'est un métier en très forte tension en 2026, porté par l'augmentation des cyberattaques et l'application de réglementations comme NIS2 ou DORA.
Page dédiée - Cybersecurity Analyst →# lien permanent
DAO
TermeTechno
Une DAO (Decentralized Autonomous Organization, ou « organisation autonome décentralisée ») est une structure dont les règles de gouvernance sont codées dans des smart contracts sur une blockchain, et dont les décisions sont prises collectivement par les détenteurs de tokens de gouvernance.
Les DAOs gèrent souvent un trésor commun (en cryptomonnaies) et des votes on-chain remplacent un conseil d'administration classique. Elles sont utilisées pour piloter des protocoles DeFi (Uniswap, MakerDAO), des projets open source ou des collectifs d'investissement.
Leur statut juridique reste flou dans la plupart des juridictions, ce qui constitue l'un des principaux freins à leur adoption à grande échelle.
Page dédiée - DAO →# lien permanent
Data / Donnée
Terme
On ne fait qu’en parler depuis le début de l’ère du digital, la data est le nouvel or noir, pour ne pas l’appeler l’or bleu. La data est partout, nous en créant tous au quotidiennement dès lors que nous utilisons un service digital ou numérique : un message Whatsapp, une recherche google, un paiement en ligne, une nouvelle vidéo sur un réseau social et même lors d’un simple passage sur une page web sans un clic !
La donnée correspond à une information enregistrée qui peut être retrouvée et retracée. Qu’elles soient enregistrées sur le cloud ou sur un ordinateur, elles seront stockées sur un équipement informatique (hardware) comme le disque dur de votre PC ou bien le serveur d’un datacenter à l’autre bout du monde.
Principalement utilisée dans l’univers big data (l’étude des forts volumes de données), en entreprise, elle est récupérée et stockée par le Data Engineer afin d’être utilisée et valorisée par les Data Scientist et Data Analyst.
Page dédiée - Data / Donnée →# lien permanent
Data Analyst
Métier
Voir fiche métier Data Analyst.
Page dédiée - Data Analyst →# lien permanent
Data Contract
TermeMéthode
Un data contract est un accord formel et versionné entre un producteur de données (équipe back-end, application source) et ses consommateurs (data engineers, analytics, ML), qui décrit le schéma, la sémantique, les SLA et les règles de qualité des données échangées.
Le data contract documente les champs, leurs types, leurs valeurs autorisées, la fréquence des mises à jour, la latence acceptable et les politiques de breaking changes. Il sert de source de vérité pour valider la donnée à la production et à la consommation, et coupe court aux régressions silencieuses qui cassent les pipelines analytiques.
C'est un pilier des architectures data modernes (data mesh notamment), souvent implémenté avec des outils comme Soda, Great Expectations, Datacontract.com ou directement dans le schema registry Kafka.
Page dédiée - Data Contract →# lien permanent
Data Engineer
Métier
Voir fiche métier Data Engineer.
Page dédiée - Data Engineer →# lien permanent
Data Lakehouse
TechnoTerme
Un data lakehouse est une architecture de stockage de données qui combine la souplesse et le faible coût d'un data lake (fichiers bruts dans un object storage type S3) avec les capacités transactionnelles et analytiques d'un data warehouse (ACID, schémas, requêtes SQL performantes).
Le lakehouse repose sur des formats de table ouverts comme Apache Iceberg, Delta Lake ou Apache Hudi, qui ajoutent une couche de métadonnées au-dessus de fichiers Parquet pour offrir transactions, time travel et évolution de schéma.
Les plateformes de référence sont Databricks (Delta Lake), Snowflake (Iceberg), AWS Athena et les déploiements Iceberg-natifs sur Trino, DuckDB ou ClickHouse. Le lakehouse est devenu en 2026 le pattern dominant pour la data analytics à l'échelle.
Page dédiée - Data Lakehouse →# lien permanent
Data Mesh
MéthodeTerme
Le data mesh est une approche organisationnelle et technique de la donnée, conceptualisée par Zhamak Dehghani en 2019, qui propose de décentraliser la propriété des données par domaine métier plutôt que de la concentrer dans une équipe data centrale.
Quatre principes : la propriété par domaine (chaque équipe métier possède ses données), les données traitées comme des produits (data products avec SLA, documentation, owner), une plateforme self-service partagée, et une gouvernance fédérée par contrats.
Le data mesh se met en œuvre avec des data contracts, un catalogue de données (DataHub, OpenMetadata) et une plateforme data interne. Adapté aux grandes organisations multi-domaines ; souvent surdimensionné pour des structures plus petites.
Page dédiée - Data Mesh →# lien permanent
Data Scientist
Métier
Voir fiche métier Data Scientist.
Page dédiée - Data Scientist →# lien permanent
dbt
TechnoOutils
dbt (data build tool) est un framework open source qui permet aux data analysts et data engineers de transformer la donnée directement dans le data warehouse en SQL, en appliquant les bonnes pratiques du génie logiciel : versionning Git, tests, documentation, modularité et CI/CD.
Un projet dbt est composé de models (fichiers SQL versionnés), de tests (assertions sur la donnée), de sources (références aux tables brutes) et de macros (Jinja). Au lancement, dbt compile le tout en SQL natif et l'exécute dans Snowflake, BigQuery, Redshift, Databricks ou Postgres.
dbt est devenu le standard de fait du modern data stack, autour duquel s'organise une grande partie du métier d'analytics engineer.
Page dédiée - dbt →# lien permanent
DDD
Méthode
Le DDD (Domain-Driven Design, ou « conception pilotée par le domaine ») est une approche de conception logicielle qui consiste à représenter le métier directement dans le code, plutôt que de coder le métier comme une couche annexe.
Le DDD est une philosophie de conception : on se base sur le métier pour assembler la solution apportée au business, autrement dit notre code. La structure, le nom des classes, des champs et les actions des fonctions doivent tous refléter le langage métier (on parle d'ubiquitous language).
Dans le meilleur des mondes, une personne du métier doit presque être capable de comprendre l'intention du code qu'elle lit. Le Domain-Driven Design, c'est avant tout la compréhension du métier par l'ensemble de l'équipe technique.
Plus qu'une technique, c'est une heuristique de conception : on cherche une intuition sur le code métier à produire.
Source : alexsoyes.com
Page dédiée - DDD →# lien permanent
Deep Learning
TechnoProblématique
Le Deep learning ou apprentissage profond est l’une des technologies principales du Machine Learning. Avec le Deep Learning, nous parlons d’algorithmes capables de mimer les actions du cerveau humain grâce à des réseaux de neurones artificielles. Les réseaux sont composés de dizaines voire de centaines de « couches » de neurones, chacune recevant et interprétant les informations de la couche précédente.
Source : datascientest
Page dédiée - Deep Learning →# lien permanent
DeFi
TermeTechno
La DeFi (Decentralized Finance, ou « finance décentralisée ») désigne l'ensemble des services financiers - prêt, emprunt, échange, dérivés, assurance - opérés via des smart contracts sur une blockchain publique (principalement Ethereum et ses Layer 2), sans passer par une banque ou un intermédiaire centralisé.
Les principales primitives de la DeFi sont les DEX (Uniswap, Curve), les protocoles de prêt (Aave, Compound), les stablecoins (USDC, DAI) et les agrégateurs de rendement.
La DeFi a connu un essor spectaculaire entre 2020 et 2022 puis une consolidation, avec une régulation accrue (notamment le règlement européen MiCA, applicable depuis 2024).
Page dédiée - DeFi →# lien permanent
Deno
TechnoOutils
Deno est un runtime JavaScript et TypeScript open source créé par Ryan Dahl, l'auteur original de Node.js, et présenté en 2018 comme une réponse aux défauts de conception qu'il identifiait dans Node.
Deno est sécurisé par défaut (un script doit demander explicitement l'accès au réseau, au système de fichiers, etc.), supporte TypeScript nativement, utilise les standards du Web (fetch, ESM, Web APIs) et embarque ses propres outils (formatter, linter, test runner, bundler).
La version 2 (2024) a apporté la compatibilité npm complète et le déploiement serverless via Deno Deploy, ce qui en a fait une option sérieuse pour le edge et le tooling moderne.
Page dédiée - Deno →# lien permanent
Design pattern
Terme
Un design pattern (en français « patron de conception ») est un arrangement caractéristique de modules, reconnu comme bonne pratique en réponse à un problème récurrent de conception logicielle. Il décrit une solution standard, réutilisable dans la conception de différents logiciels.
Expliqué autrement, l'objectif du design pattern est de standardiser certaines bonnes pratiques en partant d'un schéma (patron) dont on connaît l'efficacité face à un type de problème. On ne réinvente pas la roue : on gagne en temps et en fiabilité en réutilisant un modèle qui a fait ses preuves.
Source : Wikipedia
Page dédiée - Design pattern →# lien permanent
Developer Advocate / DevRel
Métier
Le Developer Advocate (ou DevRel, pour Developer Relations) est un profil hybride à la frontière entre l'ingénierie, le produit et le marketing, dont la mission est de représenter les développeurs en interne et de représenter le produit auprès de la communauté de développeurs.
Il écrit du contenu technique (docs, blog posts, samples), parle en conférence, anime des communautés (Discord, Slack, GitHub), recueille les feedbacks des utilisateurs et les fait remonter aux équipes produit/ingénierie.
Le métier est central pour les éditeurs d'API, de SDK et d'outils développeur (Stripe, Vercel, Anthropic, Resend, Supabase…) où l'adoption se joue largement sur la qualité de la developer experience.
Page dédiée - Developer Advocate / DevRel →# lien permanent
DevOps
Métier
Voir la fiche métier DevOps.
Page dédiée - DevOps →# lien permanent
Django
FrameworkTechno
Django est un cadre de développement (ou framework) web open source en Python. Il a pour but de rendre le développement d'applications web simple et basé sur la réutilisation de code.
Développé en 2003 pour le journal local de Lawrence (État du Kansas aux Etats-Unis), Django a été publié sous licence BSD à partir du 1er juillet 2015\. Depuis 1er Juin 2008, la Django Software Foundation s'occupe du développement et de la promotion du framework.
En plus de cette promotion régulière, des conférences entre développeurs et utilisateurs de Django sont organisées deux fois par an depuis 2008\. Nommées DjangoCon, une se déroule en Europe et l'autre aux États-Unis. Plusieurs sites grand public sont désormais fondés sur Django, dont Pinterest et Instagram au moins en 2011 ou encore Mozilla.
Page dédiée - Django →# lien permanent
Docker
Techno
Docker est un logiciel libre Open Source qui permet d’automatiser le déploiement d’applications. Il a été développé par Solomon Hykes de la société dotCloud et a été distribué à partir de mars 2013.
C’est une plateforme de virtualisation par conteneur qui va permettre de concevoir, tester et déployer des applications rapidement. Grâce à Docker, il est facile de déployer et dimensionner les applications dans n’importe quel environnement en s’assurant que le code s’exécutera automatiquement.
Source : syloe.com
Page dédiée - Docker →# lien permanent
E-commerce
Terme
L’e-commerce (ou ecommerce) est une pratique commerciale qui vise à mettre en relation des marchands et des acheteurs sur Internet. Les transactions de biens et/ou de services se font depuis une boutique en ligne, une application mobile, et autres canaux de vente comme les réseaux sociaux, les comparateurs de prix, les places de marché, les plateformes d’affiliation et de reciblage, etc.
Ses avantages :
- La possibilité de toucher une large audience.
- La connaissance fine du comportement d’achat de vos clients grâce à de nombreux outils marketing et d’analyse de données en ligne.
- La mise en place d’actions marketing ciblées pour offrir une expérience d’achat de qualité et unique aux acheteurs en ligne.
- À la différence d’une boutique physique, votre site e-commerce est ouvert en continu, ce qui vous permet d’éviter de passer à côté d’une vente.
Page dédiée - E-commerce →# lien permanent
Edge Computing
TechnoProblématique
L'edge computing (informatique en périphérie) est un modèle d'architecture où le calcul s'exécute au plus près de l'utilisateur final - sur des points de présence (PoP) répartis géographiquement - plutôt que dans une région cloud centralisée et lointaine.
L'objectif est de réduire la latence (le code répond en quelques dizaines de millisecondes même à l'autre bout du monde) et de soulager les serveurs d'origine. C'est devenu un standard pour le rendu web (Vercel Edge, Cloudflare Workers, Netlify Edge Functions, Deno Deploy), la personnalisation, l'authentification ou le routage de requêtes.
Les runtimes edge sont en général plus contraints qu'un Node.js complet (pas de filesystem, certaines APIs limitées) car ils s'exécutent dans des isolates V8 plutôt que dans des conteneurs.
Page dédiée - Edge Computing →# lien permanent
Embeddings
TermeProblématique
Un embedding est une représentation numérique (un vecteur de plusieurs centaines à quelques milliers de dimensions) d'un contenu - texte, image, audio - calculée par un modèle de machine learning de telle manière que des contenus sémantiquement proches produisent des vecteurs proches dans cet espace.
Les embeddings sont la brique fondamentale de la recherche sémantique, du clustering, de la classification et surtout du RAG (Retrieval-Augmented Generation), où ils permettent de retrouver les passages d'un corpus pertinents pour répondre à une question.
Ils sont stockés et interrogés efficacement dans des bases vectorielles (Pinecone, Qdrant, Weaviate, pgvector). Les principaux modèles d'embeddings en 2026 sont fournis par OpenAI, Voyage, Cohere, Mistral et les modèles open source comme BGE et E5.
Page dédiée - Embeddings →# lien permanent
Engineering manager
Métier
Voir la fiche métier Engineer Manager.
Page dédiée - Engineering manager →# lien permanent
FDD
Méthode
Le développement basé sur les fonctionnalités (de l'anglais feature-driven development ou FDD) est un processus de développement de logiciel itératif et incrémental.
Il est l'une des méthodes légères ou Agile pour le développement de logiciels. FDD regroupe un certain nombre de meilleures pratiques reconnues par l'industrie en un tout cohérent.
Ces pratiques sont toutes issues d'une perspective de fonctionnalité valorisée par le client. Son objectif principal est de fournir des logiciels de travail tangibles et répétés en temps opportun.
Page dédiée - FDD →# lien permanent
Feature Flag
MéthodeTerme
Un feature flag (ou feature toggle) est un mécanisme qui permet d'activer ou désactiver une fonctionnalité dans un logiciel via une configuration runtime, sans déployer de nouveau code.
Les feature flags sont utilisés pour : faire des déploiements progressifs (canary release, rollout par cohorte), faire de l'A/B testing, séparer le déploiement du release, killer rapidement une fonctionnalité bugguée (kill switch) ou gérer des accès payants.
Les plateformes de référence sont LaunchDarkly, GrowthBook, Statsig, Unleash et Flagsmith. C'est un outil indispensable de la livraison continue (CI/CD) et du trunk-based development.
Page dédiée - Feature Flag →# lien permanent
Feature Store
TechnoTerme
Une feature store est un service centralisé qui stocke, sert et versionne les features utilisées par les modèles de machine learning, à la fois pour l'entraînement (offline) et l'inférence en production (online).
Elle résout deux problèmes classiques du ML en production : la réutilisation des features entre projets (un même calcul de customer lifetime value peut servir 10 modèles) et la cohérence entre la donnée vue à l'entraînement et la donnée vue à l'inférence (le fameux train/serve skew).
Les solutions de référence sont Tecton, Feast (open source), Hopsworks, Databricks Feature Store et Vertex AI Feature Store.
Page dédiée - Feature Store →# lien permanent
Fine-tuning
TermeProblématique
Le fine-tuning (ou ajustement fin) est le processus qui consiste à poursuivre l'entraînement d'un modèle d'IA pré-entraîné (par exemple un LLM) sur un jeu de données spécifique à un domaine ou à une tâche, pour spécialiser son comportement sans repartir de zéro.
Il en existe plusieurs variantes : fine-tuning supervisé classique, RLHF (apprentissage par renforcement à partir de feedback humain), DPO (Direct Preference Optimization) et des techniques d'ajustement efficient en paramètres comme LoRA et QLoRA, qui ne modifient qu'une petite partie du modèle.
En 2026, le fine-tuning reste utile pour des cas pointus (style, ton, vocabulaire métier), mais il est souvent supplanté par le RAG et le prompting bien fait, qui sont plus simples à mettre à jour.
Page dédiée - Fine-tuning →# lien permanent
FinOps
MéthodeMétier
Le FinOps (contraction de Finance + DevOps) est une pratique de gestion des coûts cloud qui vise à donner aux équipes techniques la responsabilité financière de leur consommation, avec la même culture d'amélioration continue que le DevOps.
Un FinOps Engineer (ou FinOps Practitioner) suit la consommation cloud par équipe et par produit, identifie les gaspillages (instances surdimensionnées, ressources oubliées, mauvais choix de service), met en place des reserved instances et des savings plans, et arbitre entre coût, performance et fiabilité.
La FinOps Foundation, hébergée par la Linux Foundation, formalise les bonnes pratiques. Le métier explose en 2026 avec la croissance des coûts liés à l'IA et au stockage.
Page dédiée - FinOps →# lien permanent
Fork
Terme
Un fork (« fourche » en français) désigne la copie indépendante d'un projet logiciel à partir de son code source, pour le faire évoluer dans une direction différente du projet d'origine.
Dans l'écosystème open source, on parle souvent de fork sur des plateformes comme GitHub ou GitLab : un développeur fork un dépôt pour proposer une contribution (via une pull request) ou pour démarrer un projet dérivé. C'est une mécanique fondamentale de la collaboration sur du code public.
Exemples célèbres de forks devenus des projets à part entière :
- LibreOffice, fork d'OpenOffice
- MariaDB, fork de MySQL
- io.js, fork de Node.js (re-fusionné depuis)
- Ubuntu, fork de Debian
Page dédiée - Fork →# lien permanent
Framework
Techno
Traduit littéralement par “Cadre de travail”, le framework représente une sorte de squelette de développement combiné à une boite à outils.
Toujours rattaché à un langage, ils sont fréquemment développés par une communauté open-source. Chaque framework propose des composants autonomes facilitant le développement d’application en imposant une structure et une rigueur de travail.
Exemples de framework connus :
- Symfony, Laravel et Zend avec le langage PHP
- Spring et Spark pour le langage Java
- Django, Pyramid ou Flask pour Python
- React et VueJS pour le Javascript
- Rails (RubyOnRails) pour le langage Ruby
Page dédiée - Framework →# lien permanent
From scratch
Terme
Tout simplement partir de rien, partir de zéro. Dans la tech, on parle souvent de “développer une application from scratch”. On parle alors de concevoir et développer une application en partant d’une feuille blanche plutôt qu’en se basant sur la dernière version de l’application ou sur un modèle similaire.
L’avantage de partir de zéro, est d’avoir plus de liberté dans la création, de ne développer que ce qui est essentiel à notre solution sans s’alourdir d’applis, plug-in ou correctifs inutiles. Cependant, partir de zéro, demandera évidemment plus de temps et de compétences.
Page dédiée - From scratch →# lien permanent
Front-end
TermeProblématique
Le front-end est un domaine de développement web, correspondant à la partie codée visible sur une solution web : le côté client. Il s’agit de développer une interface pour l’utilisateur à partir de maquettes graphiques.On le compare souvent à la partie emergée de l’iceberg, représentant la minorité visible du code d’une application.
Exemples de langages front-end :
- HTML
- CSS
- Javascript et ses frameworks ReactJS, VueJS et AngularJS
Page dédiée - Front-end →# lien permanent
Fullstack
Terme
L’utilisation du terme Fullstack sert souvent à décrire un profil de développeur capable de répondre à la fois à des problématiques back-end et front-end.
Profil prisé par certains pour sa polyvalence, à un salaire globalement similaire à une développeuse back-end ou un développeur front-end, on le retrouve souvent en entreprise en phase earlystage, nécessitant plus de polyvalence que d’expertise.
Une fois l’équipe technique plus dense, on recherchera plutôt l’expertise d’un développeur back-end ou d’une développeuse front-end spécialisée.
Certains voient le profil fullstack comme un couteau suisse, capable d’intervenir sur toutes les phases de développement d’une solution web : de la prise de besoin à la livraison.
Page dédiée - Fullstack →# lien permanent
Gemini
TechnoProblématique
Gemini est la famille de modèles d'IA multimodaux développée par Google DeepMind, lancée fin 2023 en remplacement des modèles PaLM et Bard.
Gemini est nativement multimodal : un même modèle traite texte, image, audio, vidéo et code dans un espace de représentation unifié. Les versions Pro et Ultra rivalisent avec GPT et Claude sur les benchmarks de raisonnement, et Gemini se distingue par une fenêtre de contexte très étendue (jusqu'à plusieurs millions de tokens).
La famille est accessible via gemini.google.com, l'API Gemini, Google AI Studio et Vertex AI sur Google Cloud. Elle alimente aussi Google Search (AI Overviews), Gmail et Workspace.
Page dédiée - Gemini →# lien permanent
GitOps
MéthodeTechno
Le GitOps est un modèle opérationnel pour gérer l'infrastructure et le déploiement applicatif dans lequel un dépôt Git est la source unique de vérité de l'état désiré du système.
Un opérateur GitOps (ArgoCD, Flux) tourne en continu dans le cluster Kubernetes, observe le dépôt et réconcilie automatiquement l'état réel vers l'état déclaré dans Git. Toute modification se fait par pull request : on bénéficie ainsi du versionning, de la revue de code, de l'audit et de la reproductibilité.
Le GitOps est devenu le standard de déploiement applicatif sur Kubernetes, complémentaire à l'IaC (Terraform, OpenTofu) qui gère l'infrastructure sous-jacente.
Page dédiée - GitOps →# lien permanent
GO
LangageTechno
Go est un langage de programmation compilé et concurrent inspiré de C et Pascal. Ce langage a été développé par Google à partir d’un concept initial de Robert Griesemer, Rob Pike et Ken Thompson.
Page dédiée - GO →# lien permanent
GPT
TechnoProblématique
GPT (Generative Pre-trained Transformer) est la famille de modèles de langage développée par OpenAI depuis 2018, à l'origine de l'explosion grand public de l'IA générative avec le lancement de ChatGPT en novembre 2022.
Les modèles GPT sont des transformers décodeurs entraînés à prédire le prochain token sur d'énormes corpus de texte, puis affinés par RLHF pour suivre des instructions et respecter des consignes de sécurité.
Les versions actuelles (GPT-4, GPT-4o, GPT-5) sont multimodales et accessibles via chatgpt.com, l'API OpenAI et les principaux clouds. Le terme « GPT » est souvent utilisé par abus pour désigner tout LLM, mais il reste une marque déposée d'OpenAI.
Page dédiée - GPT →# lien permanent
GraphQL
TechnoTerme
GraphQL est un langage de requête pour API et un runtime côté serveur, créé par Facebook en 2012 et open-sourcé en 2015. Il propose une alternative à REST où le client décrit précisément les données dont il a besoin, dans une seule requête, plutôt que de combiner plusieurs endpoints.
Une API GraphQL expose un schéma typé unique ; le client envoie des queries (lectures), mutations (écritures) et subscriptions (temps réel) sur un endpoint unique. Cela élimine le sur-fetching et le sous-fetching typiques de REST.
L'écosystème est mature en 2026 : Apollo, Relay, urql côté client ; Hasura, PostGraphile, Yoga, Apollo Server côté serveur. GraphQL est souvent comparé à tRPC pour les architectures TypeScript de bout en bout.
Page dédiée - GraphQL →# lien permanent
Guardrails
TermeProblématique
Les guardrails (garde-fous) d'une application IA sont l'ensemble des contrôles mis en place autour d'un modèle pour borner son comportement : filtrage des entrées (injection de prompt, contenu interdit), validation des sorties (toxicité, fuite d'information, format attendu), limitation des outils accessibles à un agent et politiques d'escalade vers un humain.
Ils sont indispensables en production car les LLM ne sont pas déterministes : un système sans guardrails peut halluciner, divulguer des données sensibles ou être détourné par un utilisateur malveillant.
Des frameworks dédiés (Guardrails AI, NeMo Guardrails, AWS Bedrock Guardrails, Lakera, modération d'OpenAI / Anthropic) facilitent leur mise en œuvre.
Page dédiée - Guardrails →# lien permanent
Hallucination (IA)
TermeProblématique
On parle d'hallucination quand un modèle d'IA génératif produit une information fausse ou inventée tout en la présentant avec assurance - citation inexistante, code qui appelle une API qui n'existe pas, fait historique fabriqué.
Le phénomène est inhérent aux LLM, qui génèrent en prédisant statistiquement le prochain token plutôt qu'en raisonnant sur des faits vérifiés. Il s'aggrave hors distribution d'entraînement et sur les sujets pointus.
Les contre-mesures usuelles sont le RAG (ancrer la génération dans des sources fiables), la vérification post-hoc (un second appel qui valide les faits), la citation explicite des sources, des prompts qui autorisent à dire « je ne sais pas », et l'évaluation continue des sorties.
Page dédiée - Hallucination (IA) →# lien permanent
Helm
TechnoOutils
Helm est le gestionnaire de paquets de référence pour Kubernetes : il permet de packager, distribuer et installer des applications complexes (avec leurs déploiements, services, ConfigMaps, secrets…) en un seul artefact appelé chart.
Un chart est un ensemble de templates YAML paramétrables (via un fichier `values.yaml`) qui décrivent les ressources Kubernetes à créer. Helm gère le versionning, les mises à jour, les rollbacks et les dépendances entre charts.
Il fait partie des projets gradués de la Cloud Native Computing Foundation (CNCF) et est utilisé pour distribuer la quasi-totalité des outils de l'écosystème Kubernetes (Prometheus, ArgoCD, cert-manager, ingress controllers…).
Page dédiée - Helm →# lien permanent
HTML
LangageTechno
HTML signifie « HyperText Markup Language » qu'on peut traduire par « langage de balises pour l'hypertexte ». Il est utilisé afin de créer et de représenter le contenu d'une page web et sa structure. D'autres technologies sont utilisées avec HTML pour décrire la présentation d'une page (CSS) et/ou ses fonctionnalités interactives .
Page dédiée - HTML →# lien permanent
HTTP / HTTPS
Terme
HTTP est l' acronyme de “Hypertext Transfer Protocol” (= Protocole de Transfert HyperTexte).
HTTP est un protocole de communication client-serveur inventé par Tim Berners-Lee. Ce protocole défini et permet l’accès aux pages web de ce que nous appelons “internet”.
C’est une évolution du FTP (File Transfer Protocol), utilisé pour transférer des fichiers sans prendre en compte leur format. On envoie des informations, mais on ne sait pas si ce sont des images, des sons, du texte, etc. C’est au réceptionnaire de s’en charger.
HTTP permettra de lire le format de donnée (via MIME).Associées au langage HTML (conçu pour écrire des documents hypertexte, désormais appelés “page web”) et aux adresses web (communément appelés URL), ces 3 inventions permettront de fondée le World Wide Web (”La Toile Mondiale”), connu sous le fameux www. C’est le début de l’internet du grand public, en 1990, grâce à cette association d’innovation.
Et HTTPS dans tous ça ? C’est une extension du protocole HTTP où le S signifie secured (= sécurisé) permettant d’échanger des données chiffrées et ainsi rendre impossible l’espionnage ou la modification de ces données.
Page dédiée - HTTP / HTTPS →# lien permanent
IaaS
Terme
L'IaaS (Infrastructure-as-a-Service, ou « infrastructure en tant que service ») est un modèle de cloud computing dans lequel une entreprise loue une infrastructure informatique (puissance de calcul, stockage, réseau) à un fournisseur cloud, plutôt que d'acheter et maintenir son propre matériel.
Avec l'IaaS, l'entreprise continue de superviser ses applications critiques, ses systèmes de sécurité, ses bases de données et ses systèmes d'exploitation, mais elle se libère de la gestion physique des serveurs et des datacenters. Cela permet de maximiser le contrôle des coûts tout en bénéficiant d'une évolutivité et d'une agilité accrues.
Différence entre IaaS, PaaS et SaaS ?
Chaque solution porte sur un type de ressource différent et possède sa propre logique de distribution, de facturation et d'usage.
- IaaS (Infrastructure as a Service) : un ensemble de ressources informatiques brutes proposées par un prestataire cloud. Utilisé pour virtualiser une infrastructure ou pour des projets exigeants en ressources : machine learning, big data, hébergement.
- PaaS (Platform as a Service) : une plateforme proposée via Internet sur laquelle les équipes (souvent les développeurs) créent des applications sans avoir à gérer l'infrastructure sous-jacente.
- SaaS (Software as a Service) : le service cloud le plus répandu. Un logiciel fonctionne sur l'infrastructure d'un prestataire ; l'utilisateur paie la licence et ne s'occupe ni du stockage ni du matériel.
Source : ovhcloud
Page dédiée - IaaS →# lien permanent
IaC
MéthodeTechno
L'IaC (Infrastructure as Code, ou « infrastructure en tant que code ») est une pratique qui consiste à décrire et provisionner l'infrastructure informatique (réseaux, machines, bases de données, IAM…) via des fichiers de code versionnés, plutôt que via des clics manuels dans une console cloud.
L'IaC apporte la reproductibilité, la revue de code, l'audit, le rollback et l'environnement éphémère (staging à la demande). Elle se décline en deux familles : déclarative (on décrit l'état désiré : Terraform/OpenTofu, Pulumi, AWS CloudFormation, Kubernetes manifests) et impérative (Ansible, Chef).
C'est un pilier du DevOps moderne et un prérequis du GitOps.
Page dédiée - IaC →# lien permanent
Inference
TermeProblématique
En machine learning, l'inférence (en anglais inference) désigne l'étape où un modèle entraîné est utilisé pour faire des prédictions sur de nouvelles données, par opposition à la phase d'entraînement.
Dans le cas d'un LLM, une inférence est un appel qui prend un prompt et renvoie une complétion. Elle a un coût en compute (souvent exprimé en tokens), une latence (temps avant le premier token, débit de tokens par seconde) et un coût financier qui peut devenir significatif à l'échelle.
L'optimisation de l'inférence (quantization, batching, KV cache, decoding spéculatif, distillation) est devenue un domaine d'ingénierie à part entière, avec des moteurs spécialisés (vLLM, TensorRT-LLM, llama.cpp) et des fournisseurs dédiés (Together AI, Fireworks, Groq).
Page dédiée - Inference →# lien permanent
Infrastructure informatique
TermeProblématique
Comme son nom l’indique, l’infrastructure correspond à l’ensemble des composants utiles au développement et au fonctionnement d’une solution technique. Elle supporte et coordonne l’ensemble des ressources de l’environnement techniques de développement.
Elle est composée de ressources :
- matériels (le hardware) : ordinateurs, datacenters, routeurs, etc...
- logiciels (software) : les applications techniques permettant à une solution web d’être développée, hébergée et maintenue comme les serveurs et le système d’exploitation
- réseaux : les composants (virtuels et matériels) permettant la communication entre les systèmes internes et externes à solution comme les câbles, les pare-feu, la connexion interne, etc...
On parle parfois d’infrastructure Cloud où il s’agit de dématérialiser tout ce qui peut l’être.
Page dédiée - Infrastructure informatique →# lien permanent
Intégration
Problématique
L'intégration informatique, ou intégration des systèmes, désigne le fait de connecter les données, les applications, les API et les appareils au sein de votre service informatique, dans le but d'augmenter l'efficacité, la productivité et l'agilité de votre entreprise.

L'intégration permet à tous les éléments d'un environnement informatique de fonctionner ensemble. Ainsi, elle représente un aspect clé de la transformation d'une entreprise, c'est-à-dire de son adaptation face à l'évolution du marché.

L'intégration ne se limite pas à connecter des éléments, elle ajoute également de la valeur. En effet, en connectant les différentes fonctions de plusieurs systèmes, elle peut offrir de nouvelles fonctionnalités.

Il ne faut pas confondre l'intégration informatique avec l'intégration continue qui désigne une pratique employée par les développeurs et qui consiste à fusionner des versions de codes qui fonctionnent sur un référentiel central partagé plusieurs fois par jour.

L'objectif de l'intégration continue est d'automatiser la création de versions et la vérification afin de détecter rapidement les éventuelles erreurs et d'accélérer le développement.
Source : redhat
Page dédiée - Intégration →# lien permanent
IoT
Terme
Acronyme de “Internet Of Things”, l’IoT représente l’interconnexion entre des objets connectées échangeant des données par internet. Un frigidaire connecté, une balance connectée, un smartphone ou un capteur de glycémie appartiennent au système de l’IoT.
L’IoT représentant l’interconnexion entre des objets, on parle de secteur, de technologies ou de problématiques IoT. L’IoT, porte plusieurs problématiques en elle-même :
- Développement d’application : programmer l’application du capteur qui recevra les données avant de les envoyer côté serveur. On parle souvent de système embarqué.
- Transfert de donnés : problématiques Back-end et SQL afin d’assurer la stockage et l’accès aux données.
- Affichage des données : souvent sous forme de dashboard, il s’agit de permettre à l’utilisateur de lire ces données sous une interface compréhensible. On parle alors de problématiques Front-end ou mobile, en fonction du support de l’utilisateur.
Page dédiée - IoT →# lien permanent
Java
LangageTechno
Java est un langage de programmation orienté objet créé par James Gosling et Patrick Naughton, employés de Sun Microsystems. La société Sun a été ensuite rachetée en 2009 par la société Oracle qui détient et maintient désormais Java.
Une particularité de Java est que les logiciels écrits dans ce langage sont compilés vers une représentation binaire intermédiaire qui peut être exécutée dans une machine virtuelle Java (JVM) en faisant abstraction du système d'exploitation.
Page dédiée - Java →# lien permanent
Javascript
LangageTechno
JavaScript a été créé en 1995 par Brendan Eich et intégré au navigateur web Netscape Navigator. C’est un langage de programmation de scripts principalement employé dans les pages web interactives et à ce titre est une partie essentielle des applications web.
Avec les langages HTML et CSS, JavaScript est au cœur des langages utilisés par les développeurs web. Une grande majorité des sites web l'utilisent, et la majorité des navigateurs web disposent d'un moteur JavaScript pour l'interpréte.JavaScript est aussi employé pour les serveurs Web avec l'utilisation (par exemple) de Node.js ou de Deno.
Page dédiée - Javascript →# lien permanent
Kafka
TechnoOutils
Apache Kafka est une plateforme open source de streaming d'événements distribuée, créée chez LinkedIn en 2011 puis confiée à la fondation Apache.
Kafka stocke des flux d'événements dans des topics partitionnés, persistés sur disque et réplicables, avec une garantie d'ordre par partition et un débit de plusieurs millions de messages par seconde. Producteurs et consommateurs sont découplés et peuvent rejouer l'historique à volonté.
C'est la colonne vertébrale de la donnée temps réel dans la plupart des grandes plateformes : capture de changements (CDC), event sourcing, pipelines ML en streaming, microservices événementiels. Confluent en est le principal éditeur commercial ; AWS MSK et Aiven proposent du Kafka managé.
Page dédiée - Kafka →# lien permanent
Kanban
Méthode
Kanban, souvent connue et illustrée par ses 3 colonnes “To do”, “Doing” et “Done” remplies de post-it de couleur, est une méthode de travail ou plutôt comme SCRUM, un cadre de travail (framework).
Elle est conceptualisé en 1950 par Taiichi Ōno, ingénieur industriel chez Toyota, pour optimiser la fabrication d’automobiles.
Fréquemment utilisée en développement logiciel, elle a pour but d’éviter la surproduction dans l’industrie et donc le code inutile en développement, réduisant ainsi les coûts et les délais. Très visuelle, elle permet aussi d’afficher simplement l’avancement d’un projet.
Page dédiée - Kanban →# lien permanent
Kubernetes
TechnoOutils
Kubernetes (souvent abrégé k8s) est un orchestrateur de conteneurs open source, créé par Google à partir de l'expérience interne de Borg et confié à la Cloud Native Computing Foundation (CNCF) en 2015.
Il automatise le déploiement, la mise à l'échelle, la résilience et le réseau d'applications conteneurisées sur un cluster de machines. On y déclare l'état désiré (combien de répliques, quelles ressources, quels services exposés) ; le control plane se charge de converger l'état réel vers cet état désiré en continu.
Kubernetes est devenu le standard de fait du déploiement cloud-native, disponible managé chez tous les grands clouds (EKS, GKE, AKS) et chez les acteurs européens (OVH, Scaleway, Clever Cloud).
Page dédiée - Kubernetes →# lien permanent
Laravel
FrameworkTechno
Laravel est un framework web open source écrit en PHP, respectant le principe modèle-vue-contrôleur (MVC) et entièrement développé en programmation orientée objet. Il a été créé par Taylor Otwell en juin 2011 et est distribué sous licence MIT, avec ses sources hébergées sur GitHub.
Page dédiée - Laravel →# lien permanent
Layer 2
TechnoTerme
Un Layer 2 (ou L2) est un protocole construit au-dessus d'une blockchain principale (Layer 1, comme Ethereum) pour traiter les transactions plus rapidement et à moindre coût, tout en héritant de la sécurité du L1.
Les principaux types de L2 sur Ethereum sont les rollups : optimistic rollups (Optimism, Arbitrum, Base) et zk-rollups (zkSync, Starknet, Linea, Polygon zkEVM), qui agrègent des milliers de transactions hors chaîne puis publient une preuve compacte sur le L1.
Les L2 sont devenus l'environnement par défaut pour la DeFi et la plupart des applications décentralisées en 2026, l'activité on-chain Ethereum directe étant désormais minoritaire.
Page dédiée - Layer 2 →# lien permanent
Lead Dev / Lead Tech
Métier
Voir la fiche métier du Lead Dev.
Page dédiée - Lead Dev / Lead Tech →# lien permanent
LLM
TechnoProblématique
Un LLM (Large Language Model, ou « grand modèle de langage ») est un modèle d'intelligence artificielle entraîné sur d'immenses corpus de texte pour prédire le mot (ou plus exactement le token) suivant dans une séquence, et capable, à grande échelle, de produire du texte cohérent, traduire, résumer, raisonner et générer du code.
Les LLM modernes reposent sur l'architecture transformer et comptent typiquement plusieurs centaines de milliards de paramètres. Ils sont d'abord pré-entraînés sur du texte brut, puis affinés (instruction tuning, RLHF) pour suivre des consignes et respecter des règles de sécurité.
Exemples majeurs en 2026 : Claude (Anthropic), GPT (OpenAI), Gemini (Google), Mistral, Llama (Meta, open weights), Qwen (Alibaba). Ils sont accessibles via API ou exécutables localement pour les modèles à poids ouverts.
Page dédiée - LLM →# lien permanent
LLMOps
MéthodeMétier
Le LLMOps est une discipline dérivée du MLOps, dédiée aux spécificités d'opération en production des applications basées sur des LLM : gestion des prompts comme du code, évaluation continue, observabilité des appels modèles, gestion des coûts en tokens, monitoring des hallucinations et des dérives, déploiement de versions de prompts ou de modèles.
Il recouvre des outils transverses : versionning de prompts (Promptfoo, PromptLayer), évaluation (Braintrust, Humanloop, LangSmith), observabilité (Langfuse, Helicone, Arize), gestion des secrets et limitation de débit, plus toute la stack RAG (bases vectorielles, ingestion, retrieval).
C'est l'un des sujets les plus chauds en 2026 : déployer un POC est facile, opérer un LLM à l'échelle et en sécurité reste le vrai défi.
Page dédiée - LLMOps →# lien permanent
Machine Learning
Problématique
Le concept machine learning peut être représenté par l’ensemble des méthodes et techniques permettant à une machine (ordinateur) d’apprendre de façon autonome à partir de données. On peut alors comprendre qu’intelligence artificiel et machine learning sont étroitement liés.
Le second étant une composante de la première. Les progrès et avancés de l’IA sont en grande majorité grâce à ceux du machine learning. À l’inverse, la programmation consiste à donner des ordres précis à une machine selon des règles établies. Le machine learning est autonome là ou la programmation est dépendante des consignes humaines.
Souvent géré par les Data Scientists, le principe du Machine Learning repose sur l’utilisation d’un grand ensemble de données. C’est pour cela qu’il est associé au Big Data. Il consiste à utiliser des algorithmes qui découvriront - sur la base d’un ensemble de données - des modèles récurent appelés “patterns”.
En découvrant ces patterns, les algorithmes utilisent leurs propres résultats pour apprendre, évoluer et devenir plus performants (d’où learning).Le développement d’un algorithme de Machine Learning repose sur 4 étapes :
- Préparer le terrain d’entraînement : fournir au modèle un ensemble de données propres sur lequel il pourra baser son apprentissage (photos, chiffres, mots, etc). La qualité de l’ensemble de données pour l’entraînement est liée à la qualité de l’apprentissage de l’algorithme.
- Sélectionner la recrue à entraîner : il existe déjà plusieurs modèles d’algorithme de machine learning adaptés à des cas d’utilisations. Parmi eux on nommera algorithme de régression, linéaire, de clustering, réseaux de neurones (on parle alors de Deep Learning).
- Place à l’entraînement : c’est une sorte de calibrage. On fait travailler l’algorithme choisi sur l’ensemble de données sélectionnées au préalable et on compare les résultats fournis aux résultats attendus.
Si l’écart est trop grand, on ajuste le modèle jusqu’à arriver au résultat attendu. La bête est prête. Le modèle est désormais calibré et est prêt à être utilisé sur son domaine d’application. Exemple de cas d’utilisation : repérer des e-mails de spam.
Page dédiée - Machine Learning →# lien permanent
Marketplace
Terme
Une marketplace est comme son nom l’indique, une “place de marché” dématérialisée. C’est aussi une forme de modèle économique.
Imaginez votre place de marché où se regroupe les vendeurs de produits alimentaires, vendant à peu près les mêmes produits mais de manière indépendante, et versant une contribution à la mairie pour son emplacement.
Dématérialisez cette place sur un site web et remplacez les stands de fruits & légumes par des vendeurs de tous produits. Chaque stand versant une contribution de son activité à la marketplace qui l’héberge, vous avez grossomodo votre place de marché dématérialisé.
La fameuse marketplace française CDiscount en est un bon exemple. Ils développent la plateforme ainsi que toutes les technologies complexes associées puis chaque enseigne choisit de proposer ses produits, versant une commission à chaque vente.
D’abord adopté par le retail ou la vente entre particulier (ebay, amazon, rakuten, etc) le modèle de markeplace s’est rapidement décliné en facilitant la mise en contact pour tous type de service (trajet pour Blablacar, Logement pour Airbnb, etc).
Page dédiée - Marketplace →# lien permanent
MCP
TechnoTerme
Le MCP (Model Context Protocol) est un protocole ouvert, publié par Anthropic en novembre 2024, qui standardise la façon dont une application IA (assistant, agent, IDE) se connecte à des sources de contexte externes : bases de données, APIs, systèmes de fichiers, outils SaaS, services internes.
Un serveur MCP expose des ressources (lectures), des tools (actions) et des prompts (templates) qu'un client MCP (Claude Desktop, Cursor, VS Code, Claude Code…) peut consommer de manière uniforme. Cela évite à chaque application IA de réinventer ses intégrations.
MCP s'est imposé en 2025 comme le standard de fait pour l'outillage des agents, avec un large catalogue de serveurs open source maintenus par les éditeurs (GitHub, Linear, Notion, Slack, Stripe…).
Page dédiée - MCP →# lien permanent
MFA / SSO
TermeProblématique
Le MFA (Multi-Factor Authentication, ou « authentification multi-facteurs ») est un mécanisme de sécurité qui exige au moins deux preuves d'identité pour authentifier un utilisateur, parmi : quelque chose qu'il sait (mot de passe), qu'il possède (téléphone, clé YubiKey) ou qu'il est (biométrie).
Le SSO (Single Sign-On, ou « authentification unique ») permet à un utilisateur de se connecter une seule fois auprès d'un fournisseur d'identité (Google Workspace, Microsoft Entra ID, Okta) puis d'accéder sans nouveau mot de passe à toutes les applications fédérées via des protocoles comme SAML 2.0, OpenID Connect ou OAuth 2.
MFA et SSO se combinent : le SSO simplifie l'expérience, le MFA durcit le facteur d'authentification central. Les passkeys (FIDO2/WebAuthn) sont en train de remplacer mots de passe + OTP par une authentification sans mot de passe et résistante au phishing.
Page dédiée - MFA / SSO →# lien permanent
MicroService
MéthodeTerme
Le microservice est une approche d’architecture logicielle (d’où le nom d’architecture microservices) qui vient souvent s’opposer à l’architecture dite monolithique. L’architecture microservice est une sorte d’évolution de l’architecture SOA (Architecture Orientée Service).
Ce type d’architecture consiste à découper une application en plusieurs microservices, chacun indépendants les uns des autres et spécialisés dans une tâche orientée métier (recherche, paiement, historique d’activité, etc). Chaque microservice est indépendant des autres, ce qui signifie qu’il possède son propre environnement et son propre code, souvent contenu dans des containers gérés \\via Docker.

_Il communique avec le client ou avec les autres microservice via une API,_ symbole de son indépendance. Une architecture microservice permet d’intégrer pleinement l’agilité dans son développement en permettant une évolutivité très rapide : il est très facile de faire évoluer une fonctionnalité en apportant des modifications au microservice en question, plutôt que de modifier l’application en entière et ainsi augmenter le risque d’erreur ou de panne.
Si un problème apparaît, seul le microservice modifié sera HS, laissant les autres microservice en bon état de fonctionnement. De la même façon, il est plus facile de mesure les performances d’un microservice isolé et donc d’une fonctionnalité.
Un autre avantage du microservice hébergé dans des containers est de dupliquer facilement ses microservices et leur environnement associé afin de répondre à un besoin ponctuel (une augmentation du nombre de visiteurs sur son site e-commerce lors du black friday par exemple) puis de les réduire pour revenir à la normale. Cela permet donc une forte adaptation au besoin.
La distinction des microservices par métier permet également de créer des petites équipes spécialisées sur ces problématiques. Une architecture microservice présente donc de nombreux avantages pour des applications nécessitant d’évoluer fréquemment et rapidement (agilité).
Cependant, elle est présentée comme un système complexe de microservices simples, demandant une infrastructure coûteuse, une complexité de mise en place et une organisation d’équipe permettant une communication facile et rapide afin de se synchroniser.
Page dédiée - MicroService →# lien permanent
Mistral
TechnoProblématique
Mistral AI est une entreprise française fondée en 2023 par d'anciens chercheurs de Meta et Google DeepMind, qui développe une famille de LLM dont une partie est distribuée en open weights (poids librement téléchargeables et exécutables localement).
Les modèles Mistral (Mistral, Mixtral, Codestral, Mistral Large, Magistral…) couvrent des cas généralistes, le code et le raisonnement. La société propose aussi sa plateforme Le Chat et une API hébergée en Europe - argument différenciant pour les organisations soumises à des contraintes de souveraineté.
Mistral est devenue en 2026 le principal champion européen de l'IA générative, valorisée à plusieurs dizaines de milliards d'euros.
Page dédiée - Mistral →# lien permanent
ML Engineer
Métier
Le Machine Learning Engineer (ou ML Engineer) est l'ingénieur en charge de transformer un modèle de machine learning (souvent prototypé par un Data Scientist) en système robuste exécutant en production : packaging, déploiement, monitoring, mise à jour.
Il combine des compétences de Data Scientist (statistiques, modélisation) et de Software Engineer (Python solide, tests, CI/CD, conteneurs, cloud). Il maîtrise typiquement les frameworks ML (PyTorch, TensorFlow, scikit-learn), les outils MLOps (MLflow, Weights & Biases, Vertex AI, SageMaker) et les bases du data engineering.
À ne pas confondre avec l'AI Engineer, plus orienté applications LLM, ni avec le MLOps Engineer, plus axé infrastructure.
Page dédiée - ML Engineer →# lien permanent
MLOps
MéthodeTechno
Le MLOps (Machine Learning Operations) est l'ensemble des pratiques qui appliquent les principes du DevOps au cycle de vie des modèles de machine learning : versionning du code, des données et des modèles ; CI/CD pour l'entraînement et le déploiement ; monitoring de la qualité et de la dérive ; reproductibilité des expériences.
Il répond à un constat : la plupart des modèles ML développés ne passent jamais en production, et ceux qui y passent dérivent silencieusement à mesure que la donnée évolue.
Les outils de référence sont MLflow, Kubeflow, Vertex AI, SageMaker, Weights & Biases, Metaflow et DVC pour le versionning de données. Le MLOps précède et complète le LLMOps.
Page dédiée - MLOps →# lien permanent
MLOps Engineer
Métier
Le MLOps Engineer est un profil d'ingénieur spécialisé dans la mise en production et l'exploitation de modèles de machine learning : il construit et opère la plateforme et les pipelines qui permettent aux Data Scientists et ML Engineers de livrer leurs modèles en continu.
Il est à la fois proche d'un SRE (résilience, monitoring, infra-as-code, Kubernetes) et d'un data engineer (orchestration de pipelines, gestion de gros volumes, feature stores). Il est responsable des SLA des services ML en production.
Métier en très forte demande en 2026, avec la généralisation de l'IA dans les produits.
Page dédiée - MLOps Engineer →# lien permanent
Monorepo
MéthodeTerme
Un monorepo est un dépôt de code unique qui contient plusieurs projets logiquement distincts (applications, services, librairies partagées), par opposition à une organisation polyrepo où chaque projet vit dans son propre dépôt.
Les avantages : refactoring atomique à travers tout le code, partage facile de code et de configuration, visibilité globale, CI/CD coordonnée. Les inconvénients : taille du dépôt, complexité des outils de build qui doivent comprendre les dépendances internes pour ne rebuilder/retest que ce qui a changé.
L'écosystème JavaScript/TypeScript dispose d'outils dédiés : Turborepo, Nx, Pnpm workspaces, Yarn workspaces. Bazel et Pants couvrent les monorepos polyglottes à grande échelle (Google, Meta, Stripe, Shopify…).
Page dédiée - Monorepo →# lien permanent
Multimodal
TermeProblématique
Un modèle d'IA est dit multimodal quand il peut comprendre et/ou générer plusieurs types de données simultanément : texte, image, audio, vidéo, voire d'autres signaux comme du code ou des données structurées.
Les modèles multimodaux modernes (GPT-4o, Claude, Gemini) traitent ces modalités dans un espace de représentation unifié, ce qui permet par exemple de poser une question sur une photo, de transcrire un audio en y répondant, ou de générer du texte à partir d'une vidéo.
Ce paradigme remplace progressivement les pipelines historiques où chaque modalité avait son propre modèle spécialisé (OCR puis NLP, ASR puis NLP…). En 2026, presque tous les LLM frontières sont nativement multimodaux.
Page dédiée - Multimodal →# lien permanent
MVC
Terme
L’architecture MVC ( Model-View-Controller), est l’une des architectures logicielles les plus utilisées pour les applications Web. Elle permet de créer une application web pour bien gérer la structuration d’un projet en trois parties.Elle se compose de trois modules : modèle, vue, contrôleur.
Composition de l’architecture MVC
- Modèle : un noyau de l’application qui gère les données, permet de récupérer les informations dans la base de données, de les organiser pour qu’elles puissent ensuite être traitées par le contrôleur.
- Vue : composant graphique de l’interface qui permet de présenter les données du modèle à l’utilisateur.
- Contrôleur : composant responsable des prises de décision, gère la logique du code qui prend des décisions, il est l’intermédiaire entre le modèle et la vue.
Source : rosedienglab.defarsci.org
Page dédiée - MVC →# lien permanent
MySQL
Techno
MySQL est un système de gestion de base de données relationnelle (SGBDR). Il est distribué sous une double licence GPL et propriétaire. Il fait partie des logiciels de gestion de base de données les plus utilisés au monde, autant par le grand public (applications web principalement) que par des professionnels, en concurrence avec Oracle, PostgreSQL et Microsoft SQL Server.
Son nom vient du prénom de la fille du cocréateur Michael Widenius, My. SQL fait référence au Structured Query Language, le langage de requête utilisé.
Page dédiée - MySQL →# lien permanent
Next.js
FrameworkTechno
Next.js est un framework React open source édité par Vercel, devenu le standard de fait pour construire des applications web modernes avec React.
Il apporte le rendu côté serveur (SSR), la génération statique (SSG), le rendu incrémental (ISR), un routeur basé sur le système de fichiers, les Server Components, les Server Actions, l'optimisation automatique des images et des polices, et un déploiement edge natif.
Depuis Next.js 13 (App Router) puis 14, 15 et 16, le framework s'est restructuré autour des React Server Components et d'un modèle de cache déclaratif. Il est utilisé par Notion, OpenAI, Anthropic, TikTok, Hulu, et la majorité des nouveaux projets React en production.
Page dédiée - Next.js →# lien permanent
NFT
TermeTechno
Un NFT (Non-Fungible Token, ou « jeton non fongible ») est un actif numérique unique et infalsifiable, dont la propriété est enregistrée sur une blockchain. Contrairement à une cryptomonnaie classique, chaque NFT est distinct et n'est pas interchangeable avec un autre.
Les NFT sont définis par des standards comme ERC-721 et ERC-1155 sur Ethereum. Ils ont d'abord été popularisés par l'art numérique et les collections (CryptoPunks, Bored Ape) puis se sont étendus à des cas plus structurels : tickets d'événements, certificats de propriété, identité numérique, items de jeux vidéo.
Après une bulle spéculative en 2021-2022, le marché s'est consolidé autour des cas d'usage utilitaires.
Page dédiée - NFT →# lien permanent
NIS2
TermeProblématique
La directive NIS2 (Network and Information Security 2) est le texte européen qui renforce le niveau de cybersécurité des entités essentielles et importantes dans 18 secteurs (énergie, transport, banque, santé, infrastructures numériques, fournisseurs cloud, MSP…). Elle remplace la directive NIS de 2016 et est applicable depuis octobre 2024.
Les entités concernées doivent mettre en place une gouvernance cyber au niveau direction, des mesures techniques minimales (MFA, gestion des vulnérabilités, sécurité de la supply chain logicielle), une notification d'incident sous 24/72 heures à l'ANSSI (en France) et s'enregistrer auprès de l'autorité.
Les sanctions peuvent atteindre 10 millions d'euros ou 2 % du chiffre d'affaires mondial.
Page dédiée - NIS2 →# lien permanent
NodeJS
FrameworkTechno
NodeJS est un environnement serveur basé sur le langage JavaScript. Il a été créé en 2009 par Ryan Dahl. Il souhaitait améliorer la barre de progression de chargement de fichiers sur le site Flickr.
En quelques années, Node est devenu une référence pour les développeurs JavaScript et la communauté n’a cessé de s’étendre. Node est open source et il évolue plusieurs fois par an.
NodeJS n’est pas à proprement parler un environnement serveur. Il s’agit avant tout d’exécuter et de traiter des projets / applications JS côté serveur et non côté client (navigateur). Le principe est le même que PHP ou un site web Ruby : le code s’exécute côté serveur.
Ensuite, on utilise le classique HTTP pour accéder à son application JavaScript.
Source : zdnet
Page dédiée - NodeJS →# lien permanent
Observability
MéthodeProblématique
L'observabilité (en anglais observability) est la capacité à comprendre l'état interne d'un système distribué uniquement à partir de ses sorties externes : logs, métriques, traces et - plus récemment - profiles et events.
Elle dépasse le simple monitoring (qui répond à « le système marche-t-il ? ») pour répondre à « pourquoi le système se comporte-t-il ainsi, en particulier pour ce cas que je n'avais pas anticipé ? ».
Les plateformes de référence sont Datadog, Grafana (Loki + Prometheus + Tempo), Honeycomb, New Relic, Splunk et le standard ouvert OpenTelemetry, qui s'est imposé en 2025 comme la couche d'instrumentation universelle.
Page dédiée - Observability →# lien permanent
OKR
Méthode
Les OKR (Objectives and Key Results) sont une méthode de pilotage par objectifs, popularisée par Andy Grove chez Intel puis diffusée par Google, qui consiste à définir, pour une période donnée (souvent un trimestre), un objectif qualitatif ambitieux et 3 à 5 résultats clés mesurables qui prouvent qu'on l'a atteint.
Un OKR bien formé est inspirant (l'objectif), précis et chiffrable (les KR), aligné verticalement (les OKR d'équipe contribuent à ceux de l'entreprise) et public (transparence interne).
Ils sont particulièrement répandus dans les organisations tech et startups. Attention au syndrome du OKR théâtre : si les KR sont systématiquement atteints à 100 %, ils ne sont probablement pas assez ambitieux.
Page dédiée - OKR →# lien permanent
OpenSource
Terme
Aujourd’hui utilisé de manière générale pour toutes choses (techno, service, objet, etc) en libre accès, l’open-source tire ses origines des logiciels dits Open-Source.
Un logiciel open-source, est un logiciel décentralisé dont le code est disponible en ligne. Chacun peut donc se l’approprier pour l’utiliser ou le modifier pour l’adapter à ses besoins. Les logiciels open-sources réputés et utilisés, sont généralement conçu par une communauté qui le développe et le fait évoluer.
Chacun y apportant sa brique à l’édifice, mais toujours vérifié et validé par ses pairs. Certaines entreprises privées propose une partie de leur code en open-source, reposant leur modèle économique sur la commercialisation de modules/extensions ou sur le noyau de leur application resté privé.
Cela permet également à leurs utilisateurs de payer pour une technologie, puis d’adapter l’interface grâce au code rendu libre.
Quelques exemples de technologies open-sources connus :
- Les navigateur firefox et tor
- Le gestionnaire de mot de passe Keepass
- Logiciel de traitement d’image Gimp
- Le système d’exploitation Linux
- Les outils d’automatisation Ansible et Kubernetes
Page dédiée - OpenSource →# lien permanent
OpenTelemetry
TechnoOutils
OpenTelemetry (souvent abrégé OTel) est un standard open source d'instrumentation des applications, hébergé par la CNCF, qui définit une API et un SDK uniformes pour collecter logs, métriques et traces, indépendamment du fournisseur d'observabilité utilisé en aval.
L'idée est de découpler l'instrumentation (qu'on n'a pas à refaire si on change d'outil) du backend d'analyse (Datadog, Grafana, Honeycomb, New Relic…). Un collector central reçoit les signaux de toutes les applications puis les route vers une ou plusieurs destinations.
OpenTelemetry est en 2026 le standard incontesté de l'instrumentation cloud-native, supporté nativement par tous les gros frameworks et tous les éditeurs d'APM.
Page dédiée - OpenTelemetry →# lien permanent
ORM
Terme
Un ORM (Object-Relational Mapping) est un type de programme informatique qui se place en interface entre un programme applicatif et une base de données relationnelle pour simuler une base de données orientée objet.
Page dédiée - ORM →# lien permanent
PaaS
Terme
La Platform-as-a-service (PaaS) est un type d'offre de Cloud Computing dans lequel un fournisseur de services fournit une plateforme à ses clients, leur permettant de développer, d'exécuter et de gérer des applications commerciales sans avoir à construire et à maintenir l'infrastructure que ces processus de développement de logiciels requièrent généralement. Le PaaS et les services informatiques sans serveur ne facturent généralement que les ressources de calcul, de stockage et de réseau consommées.
Source : oracle.com
Page dédiée - PaaS →# lien permanent
Pentest
MéthodeTerme
Un pentest (ou penetration test, « test d'intrusion ») est un audit de sécurité offensif au cours duquel un expert (le pentester), avec autorisation écrite, simule des attaques contre une cible (application web, API, infrastructure, application mobile, environnement cloud) pour identifier les vulnérabilités exploitables avant qu'un véritable attaquant ne le fasse.
Les pentests se déclinent en black box (aucun accès initial), grey box (accès limité, par exemple un compte utilisateur) et white box (accès complet au code et à la documentation). Le livrable est un rapport priorisé avec preuves d'exploitation et recommandations de remédiation.
Le pentest est complémentaire des analyses statiques (SAST), dynamiques (DAST), des bug bounties et des audits de configuration.
Page dédiée - Pentest →# lien permanent
PHP
LangageTechno
_PHP: Hypertext Preprocessor_, plus connu sous son sigle PHP, est un langage de programmation libre principalement utilisé pour produire des pages Web dynamiques via un serveur HTTP. Mais pouvant également fonctionner comme n'importe quel langage interprété de façon locale.
PHP est un langage impératif orienté objet. PHP a permis de créer un grand nombre de sites web célèbres, comme Facebook et Wikipédia. Il est considéré comme une des bases de la création de sites web dits dynamiques mais également des applications web.
Page dédiée - PHP →# lien permanent
PING
Terme
Ping est le nom d'une commande informatique permettant de tester l'accessibilité d'une autre machine à travers un réseau IP. La commande mesure également le temps mis pour recevoir une réponse, appelé round-trip time (temps aller-retour).
Page dédiée - PING →# lien permanent
Platform Engineer
Métier
Le Platform Engineer est un ingénieur dédié à la construction et à l'évolution d'une plateforme interne (Internal Developer Platform) qui sert d'environnement self-service aux équipes produit pour livrer leurs applications : déploiement, observabilité, sécurité, gestion des secrets, environnements, CI/CD.
La platform engineering est une évolution du DevOps : plutôt que d'attendre que chaque équipe se construise son propre tooling, on capitalise sur une équipe centrale qui traite la plateforme comme un produit, avec ses utilisateurs (les développeurs), sa roadmap et ses indicateurs de succès (DORA, lead time, deployment frequency…).
Métier en explosion en 2026, avec un écosystème dédié (Backstage, Port, Humanitec, Crossplane).
Page dédiée - Platform Engineer →# lien permanent
Product Manager
Métier
Voir la fiche métier du Product Manager.
Page dédiée - Product Manager →# lien permanent
Product Owner
Métier
Voir la fiche métier du Product Owner.
Page dédiée - Product Owner →# lien permanent
Produit
Métier
Dans la Tech (et dans l’économie), on désigne par produit un bien ou un service associé à une production et censé satisfaire un besoin, généralement moyennant un prix à payer par l'utilisateur.
Page dédiée - Produit →# lien permanent
Prompt Engineer
Métier
Le Prompt Engineer est un profil apparu avec l'essor des LLM, dont la mission consiste à concevoir, tester et optimiser les prompts - les instructions données aux modèles d'IA générative - pour obtenir des résultats fiables, sûrs et reproductibles dans un contexte produit donné.
Le rôle a évolué : en 2026, il est rarement un poste à part entière dans une équipe produit, mais une compétence intégrée à des métiers plus larges (AI Engineer, Product Manager IA, Designer IA). Il combine une compréhension des LLM, une sensibilité produit, une rigueur d'expérimentation (A/B testing de prompts, eval) et une capacité de rédaction.
Des plateformes spécialisées (Promptfoo, PromptLayer, Braintrust) outillent ce travail.
Page dédiée - Prompt Engineer →# lien permanent
Prompt Engineering
MéthodeTerme
Le prompt engineering est l'ensemble des techniques utilisées pour formuler les instructions données à un modèle d'IA générative, afin d'orienter ses sorties vers la qualité, la fiabilité et le comportement souhaités.
Il recouvre des patterns comme le few-shot prompting (donner des exemples), le chain-of-thought (forcer le modèle à raisonner étape par étape), le structured output (forcer une réponse JSON), la mise à disposition de tools, l'usage de prompts système versus utilisateur et la gestion explicite des cas d'échec (« si tu ne sais pas, dis-le »).
C'est aujourd'hui une compétence transverse plutôt qu'un métier, mais qui reste différenciante : la qualité d'une application IA dépend autant du prompt que du modèle sous-jacent.
Page dédiée - Prompt Engineering →# lien permanent
Pure Player
Terme
On décrit comme Pure Player une entreprise dont l’activité se passe sur et grâce à internet. Pas de magasins, pas de boutiques en durs, pas de front-office physique avec ses clients. L’activité commerciale se fait via un site ou une application reposant principalement sur une gigantesque infrastructure.
On y retrouve les grandes entreprises de la tech à travers tous les secteurs, en voici quelques exemples :
- Amazon, le géant du e-commerce. Amazon possède bien de nombreux entrepôts pour assurer ses stocks et la logistique associée, mais pas de lieu physique où l’on peut acheter les produits commercialisés par la marque.
- Netflix ou Spotify, pour le streaming vidéo et audio.
- Mediapart, journal uniquement digital est un pure-player.Le terme de pure player vient principalement des secteurs transformés par l’innovation digitale : le retail en est l’exemple parfait.
Page dédiée - Pure Player →# lien permanent
PWA
TermeTechno
Une PWA (Progressive Web App, ou « application web progressive ») est une application web qui exploite des standards modernes du Web pour offrir une expérience proche d'une application native : installation sur l'écran d'accueil, fonctionnement hors ligne via service worker, notifications push, accès à certains capteurs.
Les PWA sont distribuées via le Web (URL) et non via les stores, ce qui simplifie le déploiement et évite les frictions d'installation et de validation. Elles tournent sur tout appareil disposant d'un navigateur compatible.
Le modèle est mature en 2026, avec un support solide sur Android et un rattrapage progressif d'iOS. Twitter, Spotify, Pinterest, Starbucks ou encore Uber ont déployé des PWA en complément de leurs apps natives.
Page dédiée - PWA →# lien permanent
Python
LangageTechno
Python est un langage de programmation inventé par Guido van Rossum. La première version de Python est sortie en 1991\. Python est un langage de programmation interprété, c'est-à-dire qu'il n'est pas nécessaire de le compiler avant de l'exécuter.
Python est à la fois simple et puissant, il vous permet d'écrire des scripts très simples et grâce à ses nombreuses bibliothèques, vous pouvez travailler sur des projets plus ambitieux.
- Web : Aujourd'hui python combiné avec le framework Django est un très bon choix technologique pour des gros projets de sites internet.
- Système : Python est également souvent utilisé par les admin système pour créer des tâches dites répétitives ou simplement de maintenance. D'ailleurs si vous voulez créer des applications Java en codant en python, c'est possible grâce au projet Jython.
Source : python.doctor
Page dédiée - Python →# lien permanent
Quick & Dirty
Terme
Une solution quick-and-dirty est une solution brute, parfois inélégante ou inadéquate, utilisée pour résoudre ou masquer rapidement un problème. Elle est généralement plus rapide à mettre en œuvre que la solution propre, au prix d'une dette technique.
Ces solutions quick-and-dirty servent le plus souvent à contourner un problème plutôt qu'à en résoudre la cause profonde. L'approche est aussi utilisée à des fins de prototypage ou de validation de faisabilité (POC).
Anecdote : le tout premier système d'exploitation de Microsoft, MS-DOS, a été acheté à Seattle Computer Products en 1981. Son nom initial était Q-DOS, pour Quick and Dirty Operating System.
Page dédiée - Quick & Dirty →# lien permanent
RAG
TechnoMéthode
Le RAG (Retrieval-Augmented Generation, ou « génération augmentée par récupération ») est un pattern d'architecture pour les applications LLM qui consiste, avant de répondre à une question, à aller chercher dans un corpus de documents les passages pertinents pour ancrer la génération dans des sources fiables.
Un pipeline RAG typique comporte trois étapes : (1) ingestion - découpage des documents en chunks et calcul d'embeddings stockés dans une base vectorielle ; (2) retrieval - pour chaque question, recherche des chunks les plus proches sémantiquement ; (3) generation - le LLM répond à la question avec les chunks fournis dans son contexte.
Le RAG est la réponse standard au problème des hallucinations et de la connaissance datée des LLM. Il est plus simple à mettre à jour qu'un fine-tuning.
Page dédiée - RAG →# lien permanent
ReactJS
LangageTechno
React (aussi appelé React.js ou ReactJS) est une bibliothèque JavaScript libre développée par Facebook depuis 2013\. Le but principal de cette bibliothèque est de faciliter la création d'application web monopage, via la création de composants dépendant d'un état et générant une page (ou portion) HTML à chaque changement d'état.
Page dédiée - ReactJS →# lien permanent
Responsive
ProblématiqueTerme
Traduit au mot à mot en français de “Sensible, qui réagit bien”, responsive décrit une page web (ou application) qui s’adapte au support de l’utilisateur.
Les smartphones, tablettes, écran d’ordinateurs ou écrans d’objets connectés ont chacun des tailles différentes en fonction des marques ou modèles. Coder une page responsive revient à coder une page qui s’adapter à l’écran ou au format tout en maintenant une expérience utilisateur de qualité : textes alignées, photos de qualités, menu adapté, cheminement implicite, etc...
Essayez d’aller sur une même page web depuis un smartphone, une tablette et un ordinateur avec un grand écran, et comparer les différentes organisations de la même page. On parle de “Responsive Web Design” qui est une problématique à laquelle réponde les développeurs front-end via le langage CSS.
Page dédiée - Responsive →# lien permanent
RGPD / GDPR
TermeProblématique
Le RGPD (Règlement Général sur la Protection des Données, en anglais GDPR pour General Data Protection Regulation) est le règlement européen, applicable depuis mai 2018, qui encadre le traitement des données à caractère personnel des résidents de l'Union européenne, quel que soit le pays de l'entreprise qui les traite.
Il impose un socle de droits aux personnes (accès, rectification, effacement, portabilité, opposition) et d'obligations aux organisations : base légale pour chaque traitement, privacy by design, registre des traitements, analyse d'impact (PIA) pour les traitements à risque, notification de violation sous 72 heures, désignation d'un DPO dans certains cas.
Les amendes peuvent atteindre 20 millions d'euros ou 4 % du chiffre d'affaires mondial. La CNIL est l'autorité de contrôle en France.
Page dédiée - RGPD / GDPR →# lien permanent
RLHF
TechnoProblématique
Le RLHF (Reinforcement Learning from Human Feedback, ou « apprentissage par renforcement à partir de retours humains ») est une technique d'alignement des LLM : après le pré-entraînement, on affine le modèle à partir de comparaisons faites par des humains entre plusieurs réponses possibles, pour qu'il adopte les comportements souhaités (utile, honnête, inoffensif).
Le processus comporte typiquement trois étapes : un fine-tuning supervisé sur des démonstrations humaines, l'entraînement d'un reward model qui apprend les préférences humaines, puis l'optimisation du LLM contre ce reward model par PPO ou DPO.
Le RLHF est ce qui a rendu ChatGPT utilisable et a fait passer les LLM du laboratoire au grand public. Anthropic en a proposé une variante avec la Constitutional AI (RLAIF), où le feedback est en partie produit par d'autres modèles selon des principes explicites.
Page dédiée - RLHF →# lien permanent
Ruby
LangageTechno
Ruby est un langage de programmation libre créé en 1995 par Yukihiro « Matz » Matsumoto. Il est interprété, orienté objet et multiparadigme. Le langage a été standardisé au Japon en 2011, et en 2012 par l'Organisation internationale de normalisation.Son principal framework est Rails (d’où le Ruby On Rails).Ruby est un langage reconnu pour être facile à apprendre.
Page dédiée - Ruby →# lien permanent
SaaS
Terme
Acronyme de “Software As A Service” (= Logiciel en tant que service). Le SaaS est avant tout un nouveau modèle d’exploitation pour logiciels, les rendant disponibles en ligne car hébergés dans le cloud plutôt que chez l’utilisateur final.
Au delà des coûts réduits pour l’entreprise propriétaire, l’hébergement en ligne permet un déploiement rapide ainsi qu’une évolution et une mesure en temps réel.
Exemple de SaaS réputés :
- Slack
- SalesForce
- Stripe
- Trello
- Zendesk.
Page dédiée - SaaS →# lien permanent
SAFe
Méthode
SAFe (Scaled Agile Framework) est un cadre méthodologique propriétaire qui vise à appliquer les principes de l'agilité à l'échelle de grandes organisations, où plusieurs dizaines à plusieurs centaines d'équipes travaillent sur un même portefeuille de produits.
Il définit plusieurs niveaux (équipe, programme, portefeuille, large solution), un événement central - le PI Planning trimestriel qui synchronise des dizaines d'équipes - et un ensemble de rôles (Release Train Engineer, Product Manager, System Architect…).
C'est le framework de mise à l'échelle le plus déployé dans les grands groupes (banques, télécoms, industrie), mais aussi le plus critiqué dans la communauté agile pour sa lourdeur et son écart avec l'esprit du Manifeste Agile. Les alternatives sont LeSS, Spotify Model et le simple « scrum of scrums ».
Page dédiée - SAFe →# lien permanent
SAST / DAST
MéthodeOutils
Le SAST (Static Application Security Testing) et le DAST (Dynamic Application Security Testing) sont les deux principales familles d'outils d'analyse de sécurité applicative.
Le SAST analyse le code source ou les binaires sans les exécuter, pour détecter des vulnérabilités structurelles (injection SQL, XSS, secrets en dur, mauvaises pratiques cryptographiques). Il s'intègre naturellement dans la CI. Outils : SonarQube, Snyk Code, Semgrep, Checkmarx, GitHub CodeQL.
Le DAST teste l'application en cours d'exécution depuis l'extérieur, comme un attaquant le ferait : il envoie des requêtes malveillantes et observe les réponses. Il détecte des vulnérabilités à l'exécution invisibles dans le code (mauvaises configurations, problèmes d'authentification). Outils : OWASP ZAP, Burp Suite, Tenable, Acunetix.
Les deux sont complémentaires et se combinent avec l'analyse de dépendances (SCA), l'analyse de conteneurs et l'IaC scanning.
Page dédiée - SAST / DAST →# lien permanent
SBOM
TermeProblématique
Un SBOM (Software Bill of Materials, ou « nomenclature logicielle ») est un inventaire formel et machine-lisible de tous les composants - librairies, dépendances directes et transitives, versions, licences, hash - qui constituent un logiciel.
Il est devenu un élément central de la sécurité de la supply chain logicielle : sans SBOM, impossible de savoir rapidement si une nouvelle vulnérabilité (type Log4Shell) affecte vos applications. Avec un SBOM, on peut interroger automatiquement la liste des composants impactés.
Les formats standards sont SPDX (Linux Foundation) et CycloneDX (OWASP). Plusieurs réglementations rendent le SBOM obligatoire pour fournir certains marchés (Executive Order 14028 aux États-Unis, Cyber Resilience Act en Europe pour les produits comportant des éléments numériques).
Page dédiée - SBOM →# lien permanent
SCRUM
Méthode
La méthode SCRUM est une méthode agile conçue par Jeff Sutherland et Ken Scwaber en 1995, eux-même inspirés du terme SCRUM par l’article de Nonaka et Takeuchi "Les nouvelles règles de développement d’un nouveau produit”.
Parfois considéré comme une approche ou un cadre de travail (framework) plutôt qu’une méthode, SCRUM permet de mener un projet complexe et évolutif tout en délivrant des produits à forte valeur ajoutée.
SCRUM est fondé sur 3 piliers :
- La transparence entre chacun des membres de l’équipe sur tous les sujets du projet, et notamment des problèmes rencontrés.… ce qui permet …
- L’inspection de ces problèmes, qu’on pourrait qualifier d’analyse et d’étude de l’obstacle rencontré.…facilitant alors…
- L’adaptation aux obstacles et aux changements.
SCRUM découpe l’équipe projet en 3 partis :Le Product Owner, qui représente le besoin utilisateur et la vision produit. L’équipe de développement, composé a minima des développeurs et UX/UI Designers auxquels peuvent s’ajouter tous profils tech nécessaire au projet.
Le SCRUM Master, garant de l’application complète et qualitative de l’approche SCRUM. Il intervient dans l’animation de “cérémonies” et dans la formation des membres de l’équipe à SCRUM.
Page dédiée - SCRUM →# lien permanent
SCRUM Master
Métier
Voir la fiche métier du Scrum Master.
Page dédiée - SCRUM Master →# lien permanent
Server Components
TermeTechno
Les React Server Components (RSC) sont un nouveau type de composant React, stable depuis 2024, qui s'exécutent uniquement côté serveur et ne sont jamais hydratés sur le client. Ils peuvent accéder directement aux ressources serveur (base de données, système de fichiers, secrets) et envoient au navigateur une description sérialisée de leur arbre de rendu, plus fine que du HTML.
Le principal bénéfice est la réduction du JavaScript envoyé au client : tout ce qui ne doit pas être interactif reste côté serveur. Les composants client (`"use client"`) sont opt-in.
Next.js (App Router) est l'implémentation de référence. Le pattern remplace progressivement les patrons traditionnels SSR + hydration full-page côté React.
Page dédiée - Server Components →# lien permanent
Serverless
TechnoTerme
Le serverless est un modèle d'exécution cloud où le développeur déploie du code sans avoir à provisionner ni gérer de serveurs : la plateforme se charge d'allouer la capacité à la demande, de la mettre à l'échelle automatiquement et de facturer à la consommation réelle (souvent à la milliseconde et au nombre d'invocations).
Le serverless recouvre plusieurs catégories : les fonctions à la demande (AWS Lambda, Cloudflare Workers, Vercel Functions, Google Cloud Run), les bases de données serverless (Neon, Aurora Serverless, DynamoDB, Turso), le rendu edge et certains services managés (file d'attente, stockage).
Il excelle sur les charges sporadiques ou imprévisibles ; sur des charges très prévisibles et constantes, le coût et les contraintes (cold start, runtime limité) peuvent rendre une instance traditionnelle plus pertinente.
Page dédiée - Serverless →# lien permanent
Service Mesh
TechnoTerme
Un service mesh est une couche d'infrastructure dédiée à la communication entre microservices, qui prend en charge de manière transparente le routage, l'observabilité, la sécurité (mTLS), la résilience (retries, timeouts, circuit breakers) et la gestion du trafic (canary, A/B), sans modifier le code applicatif.
Il repose typiquement sur l'injection d'un sidecar (un proxy comme Envoy) à côté de chaque service, piloté par un control plane central. Le service mesh décharge l'application de la complexité réseau distribuée.
Les implémentations majeures sont Istio, Linkerd et Consul. En 2026, l'arrivée du sidecar-less (Istio Ambient, Cilium Service Mesh basé sur eBPF) simplifie encore l'opération.
Page dédiée - Service Mesh →# lien permanent
Shape Up
Méthode
Shape Up est une méthode de gestion produit publiée par Basecamp (Ryan Singer) en 2019, présentée comme une alternative à Scrum pour les équipes produit en quête d'autonomie et de pragmatisme.
Elle s'organise autour de cycles de 6 semaines (suivis de 2 semaines de cool-down pour traiter la dette et explorer), de pitches (problèmes shaped - bornés, bruts mais clairs - choisis par les responsables) et de petites équipes autonomes qui s'engagent sur un appétit fixe (combien de temps on veut investir) plutôt que sur un périmètre fixe.
Elle est très adoptée dans les startups produit où la cadence trimestrielle, l'autonomie et l'absence d'estimations granulaires correspondent à la culture.
Page dédiée - Shape Up →# lien permanent
Singleton
Terme
En Singleton est un patron de conception (design pattern), de création qui garantit que l’instance d’une classe n’existe qu’en un seul exemplaire, tout en fournissant un point d’accès global à cette instance.
Source : refactoring.guru
Page dédiée - Singleton →# lien permanent
Smart Contract
TechnoTerme
Un smart contract (ou « contrat intelligent ») est un programme informatique déployé sur une blockchain qui s'exécute de manière déterministe et automatique lorsque ses conditions sont remplies, sans intervention d'un tiers de confiance.
Les smart contracts sont la brique fondamentale de la DeFi, des NFT, des DAO et plus largement de toutes les applications décentralisées (dApps). Ils sont écrits dans des langages dédiés - Solidity pour Ethereum et ses Layer 2, Rust pour Solana et NEAR, Move pour Aptos et Sui.
Une fois déployé, un smart contract est en général immuable : un bug peut être catastrophique. C'est pourquoi les audits de sécurité spécialisés et les bug bounties sont une étape obligatoire avant le déploiement en mainnet.
Page dédiée - Smart Contract →# lien permanent
Snowflake / BigQuery
Techno
Snowflake et BigQuery sont les deux principaux cloud data warehouses utilisés en 2026 pour l'analytique à grande échelle : ils stockent et requêtent des téraoctets à pétaoctets de données via SQL, avec une séparation native du stockage et du calcul, une élasticité quasi-instantanée et une facturation à la consommation.
Snowflake (lancé en 2014) est multi-cloud (AWS, Azure, GCP), avec une architecture à virtual warehouses qui isolent les charges. BigQuery (Google, lancé en 2010) est natif GCP, serverless de bout en bout, et facturé à l'octet scanné ou au slot.
Ils sont la cible de référence du modern data stack (ingestion via Fivetran/Airbyte, transformation via dbt, BI via Looker/Lightdash/Metabase) et concurrencent désormais des alternatives lakehouse (Databricks, Trino + Iceberg).
Page dédiée - Snowflake / BigQuery →# lien permanent
SOC 2
TermeProblématique
Le SOC 2 (Service Organization Control 2) est un standard d'audit américain édité par l'AICPA, devenu une référence internationale pour démontrer la maturité d'un fournisseur SaaS sur la gestion des données client.
Il est structuré autour de cinq Trust Service Criteria : sécurité (obligatoire), disponibilité, intégrité du traitement, confidentialité et respect de la vie privée. Le rapport est produit par un cabinet d'audit indépendant et existe en deux types : Type I (à un instant T) et Type II (sur une période de 6 à 12 mois).
De nombreuses entreprises B2B exigent un SOC 2 Type II avant de signer un contrat avec un fournisseur SaaS qui héberge leurs données. Des plateformes comme Vanta, Drata ou Secureframe automatisent une grande partie du processus de conformité.
Page dédiée - SOC 2 →# lien permanent
Software Craftsmanship
Terme
Le software craftsmanship (ou « artisanat du logiciel ») est une approche du développement logiciel qui met l'accent sur la qualité du code et les compétences techniques des développeurs. Il se présente comme une réponse aux maux récurrents de l'industrie et à la tendance à l'externalisation qui priorise les préoccupations financières avant la responsabilité du développeur.
Ce mouvement prône le côté artisanal du développement : d'après le manifeste de l'artisanat du logiciel, il ne suffit pas qu'un logiciel soit fonctionnel, il doit aussi être bien conçu.
L'idée principale est de garantir la fiabilité et la maintenabilité des applications, d'où l'importance de professionnels aptes à concevoir des logiciels dans le respect d'indicateurs de qualité.
Le software craftsmanship et l'agilité sont complémentaires : là où l'agilité se concentre sur la souplesse des cycles de développement, le software craftsmanship s'étend sur la façon même dont le code est conçu et écrit.
Page dédiée - Software Craftsmanship →# lien permanent
Solid
FrameworkTechno
Solid (souvent SolidJS) est une bibliothèque JavaScript réactive open source créée par Ryan Carniato, qui propose une syntaxe très proche de React (JSX, composants) mais repose sur un système de réactivité fine, sans Virtual DOM.
Dans Solid, les composants ne se réexécutent pas à chaque changement d'état : seules les portions du DOM qui dépendent d'un signal modifié sont mises à jour. Cela donne des performances parmi les meilleures du marché et un bundle très léger.
SolidStart est l'équivalent de Next.js dans l'écosystème Solid. Le projet a une communauté plus petite que React mais a influencé l'évolution récente de plusieurs autres frameworks (Svelte 5 runes, Vue Vapor).
Page dédiée - Solid →# lien permanent
Spotify Model
Méthode
Le Spotify Model est une organisation produit décrite par Spotify en 2012 dans deux articles d'Henrik Kniberg, qui structure les équipes en squads (équipes autonomes pluridisciplinaires alignées sur une mission), tribes (regroupements de squads sur un même domaine), chapters (compétences transverses, ex. tous les iOS engineers) et guilds (communautés d'intérêt informelles).
L'objectif est de combiner l'autonomie d'une startup avec la mutualisation d'une grande organisation. Le modèle a été massivement copié dans les années 2010, parfois mal - Spotify lui-même a depuis évolué et reconnu publiquement les limites du modèle.
À ne pas adopter à la lettre, mais à utiliser comme source d'inspiration pour structurer une organisation produit autonome.
Page dédiée - Spotify Model →# lien permanent
SQLite
Techno
_SQLite_ est une bibliothèque écrite en langage C qui propose un moteur de base de données relationnelle accessible par le langage SQL.
Page dédiée - SQLite →# lien permanent
SRE
Métier
Le SRE (Site Reliability Engineer) est un ingénieur dédié à la fiabilité des systèmes en production : disponibilité, performance, latence, capacité, gestion des incidents et automatisation de l'exploitation.
La pratique a été formalisée chez Google et popularisée par le livre Site Reliability Engineering (2016). Elle introduit des concepts devenus standards : SLI (indicateur), SLO (objectif), error budget (budget d'erreur autorisé qui arbitre entre nouvelles fonctionnalités et stabilisation), toil (le travail répétitif à automatiser), post-mortems sans blâme.
Le SRE est proche du DevOps mais avec une emphase plus forte sur l'ingénierie logicielle appliquée à l'opérationnel (50 % du temps en code) et des objectifs de fiabilité chiffrés et mesurés.
Page dédiée - SRE →# lien permanent
Staff / Principal Engineer
Métier
Les rôles de Staff Engineer et Principal Engineer sont des niveaux d'expertise technique senior - au-delà du Senior et du Lead - qui permettent à un ingénieur de continuer à progresser sans passer par le management.
Un Staff Engineer a une influence transverse à plusieurs équipes ou produits, conduit des choix d'architecture structurants, mentor les autres ingénieurs et fait le pont entre la tech et les enjeux business. Le Principal Engineer pousse cette influence à l'échelle d'une organisation entière voire d'une industrie.
Les individual contributor tracks chez Google, Meta, Stripe, Shopify ou GitLab ont popularisé ces titres en France, où ils restent encore minoritaires mais en forte croissance, en particulier dans les scale-ups tech.
Page dédiée - Staff / Principal Engineer →# lien permanent
Sublime Text
Outil
Sublime Text est un éditeur de texte générique codé en C++ et Python, disponible sur Windows, Mac et Linux. Le logiciel a été conçu tout d'abord comme une extension pour Vim, riche en fonctionnalités.
Depuis la version 2.0, sortie le 26 juin 2012, l'éditeur prend en charge 44 langages de programmation majeurs, tandis que des plug-ins sont souvent disponibles pour les langages plus rares.
Page dédiée - Sublime Text →# lien permanent
Supply Chain Attack
TermeProblématique
Une supply chain attack (« attaque sur la chaîne d'approvisionnement logicielle ») est une attaque qui ne cible pas directement une victime mais l'un de ses fournisseurs en amont - éditeur logiciel, librairie open source, prestataire MSP - pour atteindre indirectement un grand nombre de cibles via une mise à jour ou un composant compromis.
Les incidents emblématiques sont SolarWinds (2020), Codecov (2021), Log4Shell (2021), 3CX (2023) et l'affaire xz-utils (2024), où un mainteneur malveillant a injecté une backdoor dans une librairie fondamentale de Linux.
Les contre-mesures incluent les SBOM, la signature des artefacts (Sigstore, in-toto, SLSA), l'isolation des builds, les vendored dependencies et la réduction de la surface des dépendances tierces.
Page dédiée - Supply Chain Attack →# lien permanent
Svelte
FrameworkTechno
Svelte est un framework web open source créé par Rich Harris en 2016, qui se distingue par une approche radicale : il s'agit d'un compilateur qui transforme les composants en JavaScript optimisé au build, plutôt que d'embarquer un runtime de framework dans le navigateur.
Il en résulte des bundles très légers, des performances excellentes et une syntaxe très lisible (HTML augmenté de blocs `{#if}` / `{#each}`). Svelte 5 (2024) a introduit les runes, un nouveau modèle de réactivité fine inspiré des signaux.
SvelteKit est l'équivalent de Next.js dans l'écosystème Svelte. Le framework est utilisé par The New York Times, Apple, Spotify et est régulièrement classé parmi les frameworks les mieux notés par les développeurs (State of JS).
Page dédiée - Svelte →# lien permanent
Symfony
TechnoFramework
Symfony est un ensemble de composants PHP ainsi qu'un framework MVC libre écrit en PHP. Il fournit des fonctionnalités modulables et adaptables qui permettent de faciliter et d’accélérer le développement d'un site web.L'agence web française SensioLabs est à l'origine du framework Sensio Framework.
À force de toujours recréer les mêmes fonctionnalités de gestion d'utilisateurs, gestion ORM, etc., elle a développé ce framework pour ses propres besoins. Comme ces problématiques étaient souvent les mêmes pour d'autres développeurs, le code a été par la suite partagé avec la communauté des développeurs.
Le projet est alors devenu Symfony (conformément à la volonté du créateur de conserver les initiales S et F de Sensio Framework), puis Symfony2 à partir de la version 2\. La version 2 de Symfony casse la compatibilité avec la branche 1.x. À partir de la version 2, les ruptures de compatibilité entre les versions sont documentées pour faciliter les montées de version.
Le 5 septembre 2017, Symfony passe la barre du milliard de téléchargements.
Page dédiée - Symfony →# lien permanent
Synchrone / Asynchrone
TermeProblématique
Que l’on parle de communication, de formation ou d’outils, synchrone décrit quelque chose qui se passe en temps réel, qui attend une réponse immédiate. À l’inverse, asynchrone signifie quelque chose qui provient d’un partage intermittent et non continu.
Quelques exemples de cas d’utilisation simplifie la définition :
- Communication asynchrone : les emails et les sms. On envoie une question un message à une autre personne, qui peut répondre dans la foulée ou bien plus tard. Nous n’attendons pas de réponses immédiate : n’avons pas forcément besoin d’attendre sa réponse pour pouvoir envoyer un autre email ou sms.
- Communication synchrone : visioconférences, échanges téléphoniques, réunion sur place ou à distance. C’est un échange en temps réel et direct entre les participants. On ne peut pas (bien que certains y arrivent à distance) effectuer plusieurs réponses en simultanée.
Cas particulier : les outils de messageries instantanées (slack, whatsapp, messenger, etc) dont le nom et l’interface pourraient laisser penser qu’on parle d’outils de communications synchrones, sont en réalité asynchrone.
Un message whatsapp est en fait comme un email ou un sms, mais présenté sous une interface laissant penser à du temps réel.
Autres exemples :
- Formation synchrone : les formations dites “classiques” à l’école, dans une salle de classe ou même à distance lors d’une visioconférence sont des formations synchrones. Tout le monde reçoit la même information au même moment, tous les participants peuvent interférer entre eux en temps réel.
- Formation asynchrone : les formations en ligne où le contenu est téléchargeable ou consultable en ligne. Le professeur/formateur effectue sa prestation en amont et la rend disponible pour les élèves qui le feront chacun à leur rythme quand ils seront disponibles. Pas d’échanges en direct entre les participants, si ce n’est par des forums…sous forme de communication asynchrone :)
Page dédiée - Synchrone / Asynchrone →# lien permanent
Système d’exploitation / OS
Terme
Un système d'exploitation (ou OS, pour Operating System) est un logiciel qui pilote les dispositifs matériels d'un appareil électronique et reçoit les instructions de l'utilisateur ou d'autres logiciels.
Dans un ordinateur, le système d'exploitation gère le ou les processeurs ainsi que la mémoire. Il fait fonctionner les périphériques (clavier, souris, écran, disque dur, lecteur de cartes…) et expose une interface utilisateur (fenêtres, gestionnaire de fichiers, etc.).
Dans un appareil photo ou un objet connecté, il joue le même rôle d'interface entre le matériel et les applications.
Exemples d'OS connus
Pour ordinateurs :
- Linux
- Windows (Microsoft)
- macOS (Apple)
Pour smartphone :
- iOS (Apple)
- Android (Google)
L'OS est l'interface entre les applications et le matériel. Si l'on compare un ordinateur au corps humain, le matériel est le corps et l'OS est le cerveau : sans cerveau, le corps est inerte ; sans OS, l'ordinateur n'est qu'un ensemble de plastique et de métal.
Source : futura-sciences.com
Page dédiée - Système d’exploitation / OS →# lien permanent
Système d’information
Terme
Un système d’information (ou SI), représente l’ensemble des ressources sociales et techniques permettant de collecter, stocker, traiter et distribuer de l’information au sein d’une organisation.
Le SI est donc composé de deux sous-systèmes :
- Sous-système social, représentant l’organisation humaine actrice dans le système d’information
- Sous-système technique, représentant les équipements technologiques (équipements matériels, logiciels et réseaux).
L’innovation technologique apportant des technologies d’automatisation et de dématérialisation, transforme petit à petit ces services.
L’automatisation remplaçant le sous-système social et la dématérialisation le sous-système technique.
Page dédiée - Système d’information →# lien permanent
Tailwind CSS
FrameworkTechno
Tailwind CSS est un framework CSS utility-first open source qui fournit un large vocabulaire de classes utilitaires bas niveau (`flex`, `pt-4`, `text-center`, `bg-blue-500`…) à composer directement dans le HTML, plutôt que d'écrire des feuilles de style séparées.
L'approche supprime le coût de nommage et le risque de styles morts ; un compilateur ne génère que les classes effectivement utilisées, ce qui produit des CSS finaux très légers. Le système de design est entièrement configurable via un fichier `tailwind.config`.
Tailwind v4, sortie en 2025, embarque sa propre engine en Rust, configurable directement en CSS, et est devenue le framework CSS dominant pour les nouveaux projets web.
Page dédiée - Tailwind CSS →# lien permanent
TDD
Méthode
Test-Driven Development (= Développement Piloté par les Test). La TDD est une méthode de développement informatique agile qui tire ses origines du Test-First Design : écrire les tests avant le code.
Elle a évolué vers la TDD qui répond à 3 lois visant à écrire du code uniquement pour faire réussir un test. La TDD permet de mieux se concentrer sur le besoin (”À quoi doit répondre mon application ? Dans quels cas de figure ?”) afin de coder uniquement ce qui est nécessaire évitant le code superflu.
Répondre exactement au besoin, rendre le code le moins complexe possible et donc facilement évolutif et maintenable.
Page dédiée - TDD →# lien permanent
Terraform
TechnoOutils
Terraform est un outil open source d'infrastructure as code (IaC) édité par HashiCorp depuis 2014, qui permet de décrire son infrastructure cloud (AWS, Azure, GCP, OVH, Cloudflare, Datadog…) dans un langage déclaratif (HCL) et de la provisionner de manière idempotente.
Un workflow Terraform classique est : `plan` (calculer la différence entre l'état désiré et l'état réel), `apply` (appliquer les changements), `state` (un fichier qui mémorise l'état). Le format multi-providers a fait de Terraform le standard de fait du multi-cloud.
Depuis le changement de licence en 2023, une partie de la communauté s'est tournée vers OpenTofu, le fork ouvert hébergé par la Linux Foundation, qui reste compatible avec les configurations Terraform existantes.
Page dédiée - Terraform →# lien permanent
Token (IA)
TermeProblématique
Dans le contexte des LLM, un token est l'unité de base manipulée par le modèle : un fragment de texte (souvent une partie de mot, parfois un mot court entier ou un caractère) issu d'un découpage opéré par un tokenizer avant l'inférence.
Un texte français de 1 000 caractères représente typiquement entre 250 et 350 tokens. Les LLM facturent à l'usage en fonction du nombre de tokens en entrée et en sortie, et leur fenêtre de contexte est exprimée en tokens.
Le choix du tokenizer (BPE, SentencePiece, Tiktoken…) influence la performance sur les langues non-anglaises : un tokenizer mal optimisé pour le français peut consommer beaucoup plus de tokens par caractère qu'un tokenizer adapté.
Page dédiée - Token (IA) →# lien permanent
Transformer
TechnoProblématique
Le transformer est l'architecture de réseau de neurones, introduite par Google dans l'article Attention Is All You Need (2017), qui est à la base de pratiquement tous les modèles d'IA générative modernes : LLM, modèles d'image, de code, multimodaux.
Sa principale innovation est le mécanisme d'attention : à chaque étape, le modèle pondère dynamiquement la pertinence de chaque élément en entrée par rapport aux autres, sans dépendre d'un parcours séquentiel comme les anciens RNN/LSTM. Cela autorise une parallélisation massive à l'entraînement.
GPT, BERT, Llama, Claude, Gemini, Mistral, Stable Diffusion sont tous bâtis sur des variantes du transformer. Des architectures alternatives (Mamba, RWKV, state space models) émergent pour répondre à son coût quadratique en longueur de contexte, mais le transformer reste dominant en 2026.
Page dédiée - Transformer →# lien permanent
tRPC
FrameworkTechno
tRPC (TypeScript Remote Procedure Call) est un framework open source qui permet de construire des APIs end-to-end typées entre un back-end et un front-end TypeScript, sans génération de code ni schéma intermédiaire (pas d'OpenAPI, pas de GraphQL).
Le serveur expose des procedures (queries, mutations, subscriptions) ; le client les appelle comme s'il s'agissait de fonctions locales, avec autocomplete et type safety complets, y compris sur les paramètres validés via Zod.
tRPC excelle dans les monorepos TypeScript fullstack (Next.js, T3 Stack) où les types peuvent être partagés directement. Il complète bien Next.js Server Actions et est souvent comparé à GraphQL pour les contextes mono-langage.
Page dédiée - tRPC →# lien permanent
Trunk-Based Development
Méthode
Le trunk-based development (TBD) est une stratégie de gestion de version où tous les développeurs intègrent leurs changements directement dans une branche principale unique (le trunk, souvent `main`), au moins quotidiennement, plutôt que de travailler sur des branches longues type `develop` ou feature branches qui vivent des semaines.
Le TBD repose sur une CI exigeante (tests automatisés sur chaque commit), des feature flags pour découpler le déploiement de la livraison, et des revues de code rapides. Il évite les merge hells liés aux longues branches et accélère drastiquement la livraison.
C'est une pratique fondamentale du continuous delivery et l'un des indicateurs DORA de performance des équipes ; popularisée par Google, elle est aujourd'hui standard dans les équipes high-performing.
Page dédiée - Trunk-Based Development →# lien permanent
Turborepo
OutilsTechno
Turborepo est un orchestrateur de build incrémental open source pour monorepos JavaScript/TypeScript, racheté par Vercel en 2021.
Il analyse le graphe de dépendances entre les paquets d'un monorepo, met en cache les résultats de chaque tâche (build, test, lint) localement et à distance, et ne réexécute que ce qui a réellement changé. Sur des monorepos de plusieurs centaines de paquets, le gain de temps en CI peut être d'un ordre de grandeur.
Il se positionne en concurrence avec Nx (Nrwl), avec une philosophie plus minimaliste. Depuis 2024, Turborepo s'appuie sur Turbopack pour les builds Next.js.
Page dédiée - Turborepo →# lien permanent
TypeScript
LangageTechno
TypeScript est un langage de programmation open source créé par Microsoft en 2012, qui ajoute un système de types statique à JavaScript. Le code TypeScript est compilé (en réalité transpilé) en JavaScript exécutable dans n'importe quel navigateur ou runtime.
Les types sont entièrement structurels et facultatifs (on peut typer progressivement une base de code JavaScript existante). Ils éliminent une grande catégorie d'erreurs à la compilation, améliorent l'autocomplete et la documentation, et facilitent le refactoring sur les grandes bases de code.
TypeScript est devenu en 2026 le langage par défaut du développement web côté client et serveur, utilisé par la quasi-totalité des nouveaux projets sérieux dans l'écosystème JavaScript.
Page dédiée - TypeScript →# lien permanent
UX/UI Designer
Métier
Voir la fiche métier de l'UI designeret de l'UX designer.
Page dédiée - UX/UI Designer →# lien permanent
Vector Database
TechnoOutils
Une vector database (base vectorielle) est une base de données spécialisée dans le stockage et la recherche efficace de vecteurs de grande dimension (embeddings), via des algorithmes de recherche approchée du plus proche voisin (ANN) comme HNSW, IVF ou DiskANN.
Elles sont la brique de stockage des architectures RAG : on y indexe les embeddings de tous les chunks d'un corpus, puis on récupère en quelques millisecondes les chunks les plus proches sémantiquement d'une question donnée, même sur des bases de plusieurs millions de vecteurs.
Les solutions de référence sont Pinecone, Qdrant, Weaviate, Milvus, Chroma (open source), Turbopuffer, ainsi que les extensions des bases existantes : pgvector pour PostgreSQL, Atlas Vector Search pour MongoDB, Elasticsearch et OpenSearch.
Page dédiée - Vector Database →# lien permanent
Vite
OutilsTechno
Vite est un outil de build front-end open source créé par Evan You (l'auteur de Vue.js) en 2020, qui s'est rapidement imposé comme le standard du tooling JavaScript moderne.
Il combine un serveur de développement extrêmement rapide reposant sur les modules ES natifs (le navigateur charge directement les fichiers source en HMR, sans bundling) et un build de production basé sur Rollup. Il est compatible avec React, Vue, Svelte, Solid, Lit, vanilla JS et la plupart des frameworks.
Vite est utilisé en interne par de nombreux frameworks (SvelteKit, Astro, Nuxt, Remix dans certaines versions) comme couche de build. Le projet rolldown, en cours de remplacement de Rollup, vise à apporter encore plus de performance via une réécriture en Rust.
Page dédiée - Vite →# lien permanent
VP of Engineering
Métier
Voir la fiche métier du VP of Engineering.
Page dédiée - VP of Engineering →# lien permanent
VueJS
FrameworkTechno
Vue.js (souvent appelé Vue) est un framework JavaScript open source utilisé pour construire des interfaces utilisateur et des applications web monopages (SPA).
Créé par Evan You en 2014, il est maintenu par lui et l'équipe principale travaillant sur le projet et son écosystème (Vue Router, Pinia, Nuxt). Vue est notamment utilisé par Adobe, Alibaba et GitLab.
Il se positionne comme une alternative à React et Angular, avec une courbe d'apprentissage progressive et une API réactive très accessible.
Page dédiée - VueJS →# lien permanent
Wallet
TermeTechno
Un wallet (« portefeuille » en français) est un logiciel qui permet à un utilisateur de stocker ses clés cryptographiques privées et d'interagir avec une blockchain : envoyer et recevoir des cryptomonnaies, signer des transactions, se connecter à des dApps DeFi.
Il en existe deux grandes familles : les hot wallets (logiciels connectés, comme MetaMask, Rabby, Coinbase Wallet) et les cold wallets (matériels hors-ligne, comme Ledger ou Trezor) qui offrent une sécurité bien supérieure pour des montants importants. Les smart wallets (account abstraction, ERC-4337) permettent de coder des règles complexes : récupération sociale, multisig, paiement de gas par un tiers.
Le wallet est en pratique l'identité on-chain de l'utilisateur - perdre sa seed phrase, c'est perdre l'accès à ses actifs.
Page dédiée - Wallet →# lien permanent
WebAssembly (Wasm)
TechnoTerme
WebAssembly (Wasm) est un format binaire portable et bas niveau, standardisé par le W3C, conçu pour exécuter du code à des performances quasi-natives dans le navigateur - et désormais bien au-delà.
Wasm est une cible de compilation pour des langages comme Rust, C/C++, Go, Zig ou AssemblyScript. Il permet de porter sur le Web des applications historiquement réservées au desktop (Figma, Photoshop Web, AutoCAD Web).
Hors navigateur, Wasm s'impose comme un runtime universel pour le serverless edge (Cloudflare Workers, Fastly Compute, WasmEdge), les plugins extensibles (Envoy, Istio, Shopify Functions) et les fonctions serverless avec démarrage à froid quasi nul. Le standard WASI ouvre l'accès au système de fichiers et au réseau hors navigateur.
Page dédiée - WebAssembly (Wasm) →# lien permanent
Zero Trust
MéthodeProblématique
Le Zero Trust est un modèle de sécurité qui part du principe qu'aucun utilisateur, appareil ou flux réseau ne doit être considéré comme fiable par défaut, même s'il provient du réseau interne - par opposition au modèle historique du périmètre de confiance (firewall + VPN).
Dans une architecture Zero Trust, chaque accès à une ressource est vérifié à chaque requête sur la base de l'identité (utilisateur authentifié, MFA), du contexte (appareil conforme, géolocalisation, score de risque) et du moindre privilège (l'utilisateur n'a accès qu'à ce dont il a strictement besoin).
Le modèle s'opérationnalise via des solutions ZTNA (Cloudflare Zero Trust, Zscaler, Tailscale, Twingate) qui remplacent progressivement les VPN classiques en environnement hybride.
Page dédiée - Zero Trust →# lien permanent

Tout le vocabulaire technique dont vous avez besoin.

A/B Testing

Adresse IP

Agent IA

Agilité

AI / IA

AI Act

AI Engineer

Airflow

Angular

API

Architecture SOA

Architecture web

Astro

ATS

Back-end

BDD / Base De Données / Database

Blockchain

Bun

Chaos Engineering

CI / CD

Claude

Container / Conteneur

Context Window

Copilot

CRM

CSS

CTO

Cybersecurity Analyst

DAO

Data / Donnée

Data Analyst

Data Contract

Data Engineer

Data Lakehouse

Data Mesh

Data Scientist

dbt

DDD

Deep Learning

DeFi

Deno

Design pattern

Developer Advocate / DevRel

DevOps

Django

Docker

E-commerce

Edge Computing

Embeddings

Engineering manager

FDD

Feature Flag

Feature Store

Fine-tuning

FinOps

Fork

Framework

From scratch

Front-end

Fullstack

Gemini

GitOps

GO

GPT

GraphQL

Guardrails

Hallucination (IA)

Helm

HTML

HTTP / HTTPS

IaaS

IaC

Inference

Infrastructure informatique

Intégration

IoT

Java

Javascript

Kafka