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 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 de procédure à surmonter. Certes, le nombre d’entreprises utilisant l’IA continue de s’accroître 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 mondial d’adoption de l’IA a progressé de façon continue en 2022 et atteint désormais 35 %, soit une augmentation de quatre points par rapport à l’année précédente. Et 42 % des personnes interrogées ont déclaré qu’elles envisageaient de démarrer une utilisation de l’IA. « En général, c’est un nouveau domaine qui évolue très rapidement », explique Assaf Katan, directeur des affaires commerciales de Deci, une entreprise israélienne développant des AT. « 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, est limitée. » Ce sont les premières décisions à court terme. Ensuite, en regardant plus loin, les entreprises doivent envisager le besoin de se développer et les coûts que cela implique. « En regardant à plus long terme, supposons qu’une entreprise veuille développer un service d’IA générative. Ils estiment qu’il peut améliorer les performances, améliorer les flux de travail et qu’il se développera », 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 concevoir de manière à ce que, si vous le développez, vous puissiez toujours faire face aux coûts? » Faire progresser l’intelligence artificielle