Développement de l’IA 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 utilisant l’IA continue d’augmenter à travers le monde et dans pratiquement tous les secteurs. Selon le rapport IBM Global AI Adoption Index 2022, la prise en charge de la technologie prospère. Il calcule que le taux d’adoption mondiale de l’IA a augmenté de façon constante en 2022 et atteint désormais 35 %, soit une hausse de quatre points par rapport à l’année précédente. Et 42 % des personnes interrogées ont déclaré qu’elles étudiaient la façon dont elles pourraient commencer à utiliser l’IA. «D’une manière générale, c’est un nouveau domaine et il évolue très rapidement», explique Assaf Katan, directeur des affaires commerciales de Deci, une entreprise de développement AT basée en Israël. «Il y a une combinaison de défis à court et à long terme. À 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 via une API avec quelque chose 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 à plus long terme, les entreprises doivent envisager le besoin de se développer et les coûts associés. «En regardant à plus long terme, supposons qu’une entreprise veuille créer un service d’IA générative. Ils croient qu’il peut améliorer les performances, améliorer les flux de travail et qu’il sera évolutif», 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