Développement de l’intelligence artificielle générative automatisé

L’IA a dominé les actualités des affaires et de la technologie ces derniers temps, en particulier avec l’émergence de technologies d’IA générative telles que ChatGPT. Mais pour les entreprises qui commencent ou élargissent leur utilisation de l’IA et de l’IA générative, il reste des défis technologiques importants, ainsi que des difficultés de formation et de procédure à surmonter. Certes, le nombre d’entreprises qui utilisent l’IA continue d’augmenter à travers le monde et dans pratiquement tous les secteurs. Selon le rapport IBM Global AI Adoption Index 2022, l’adoption de la technologie se développe. Il estime que le taux d’adoption mondiale de l’IA a progressé de façon continue en 2022 et atteint désormais 35 %, soit une hausse de quatre points par rapport à l’année précédente. Et 42 % des répondants à son enquête ont déclaré qu’ils explorent les moyens de commencer à utiliser l’IA. «D’une manière générale, c’est un nouveau domaine et il évolue très rapidement», explique Assaf Katan, directeur général des ventes chez Deci, un développeur AT basé en Israël. «Il y a une combinaison de défis à court et à long terme. A court terme, il s’agit vraiment de choisir votre chemin. ‘Est-ce que je veux développer des capacités en interne, travailler avec des modèles open source et les modifier moi-même; ou est-ce que je veux travailler avec une API comme Open AI? Ensuite, je n’ai pas besoin d’être super compétent, mais aussi mon niveau de contrôle sur les performances du modèle et ma capacité à le personnaliser tout en garantissant la confidentialité des données sont limités.’ » Ce sont les premières décisions à court terme. Ensuite, en regardant sur le long terme, les entreprises doivent envisager le besoin de se développer et les coûts associés. «En regardant sur le long terme, supposons qu’une entreprise veuille développer un service d’IA générative. Ils croient qu’il peut améliorer les performances, améliorer les workflows et se développer», explique Katan. «Ils devront réfléchir aux implications du développement de l’utilisation du modèle qui alimente leur solution. Ces modèles génératifs sont énormes avec des milliards de paramètres, donc la puissance de calcul requise pour l’inférence est énorme. Comment le construire de manière à ce que, si vous le développez, vous puissiez toujours faire face aux coûts? »
Avancer l’intelligence artificielle