Automatisation du développement de l’IA générative

L’intelligence artificielle (IA) a dominé les actualités des entreprises et de la technologie ces derniers temps, en particulier avec l’émergence de technologies IA générative comme 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 procédurales à surmonter. Certes, le nombre d’entreprises utilisant l’IA continue de progresser à travers le monde et dans pratiquement tous les secteurs. Selon le rapport IBM Global AI Adoption Index 2022, la mise en œuvre de la technologie se développe. Il calcule 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 qu’il a interrogés ont déclaré qu’ils étaient en train d’explorer la façon dont ils pourraient commencer à utiliser l’IA. «D’une manière générale, c’est un nouveau domaine et il évolue très rapidement», explique Assaf Katan, directeur du développement des affaires chez Deci, un développeur de 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 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 la nécessité de se développer et les coûts associés. «En regardant à plus long terme, supposons qu’une entreprise veuille développer un service IA génératif. Ils croient qu’il peut améliorer les performances, améliorer les flux de travail et qu’il se développera», explique Katan. «Ils devront penser aux implications du développement de l’utilisation du modèle qui alimente leur solution. Ces modèles génératifs sont énormes, avec des billions de paramètres, donc la puissance de calcul nécessaire pour l’inférence est énorme. Comment le construire de manière à ce que, si vous le développez, vous puissiez toujours faire face aux coûts? »
Avancement de l’intelligence artificielle