Développement de l’IA générative par automatisation

L’intelligence artificielle (IA) a dominé les actualités des affaires et de la technologie ces derniers temps, en particulier avec l’émergence de technologies IA génératrices 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 de croître 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 est en plein essor. Il calcule que le taux d’adoption mondiale de l’IA a progressé de façon continue en 2022 et se situe maintenant à 35 %, soit une augmentation de quatre points par rapport à l’année précédente. Et 42 % des personnes interrogées ont déclaré qu’elles étudiaient la manière dont elles pourraient commencer à utiliser l’IA. «D’une manière générale, c’est un nouveau domaine qui évolue vraiment très rapidement», explique Assaf Katan, directeur du développement des affaires d’AT 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 par API avec quelque chose comme Open AI? Alors 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, est limité. ‘ » Ce sont les premières décisions à court terme. Ensuite, en envisageant le long terme, les entreprises doivent envisager la nécessité de se développer et le coût de ce développement. «En regardant à plus long terme, supposons qu’une entreprise veuille créer un service IA génératif. Ils croient qu’il peut améliorer les performances, améliorer les flux de travail et qu’il pourra 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 billions 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