L’automatisation du développement de l’intelligence générative

La fonctionnalité sponsorisée 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 générative comme ChatGPT. Mais pour les entreprises qui commencent ou élargissent leur utilisation de l’IA et de l’IA générative, de nombreux défis technologiques demeurent, ainsi que des difficultés de formation et de procédure à surmonter. Certainement, le nombre d’entreprises utilisant l’IA continue de s’accroître à travers le monde et à travers pratiquement tous les secteurs. Selon le rapport IBM Global AI Adoption Index 2022, la dotation en IA est en plein essor. Il estime que le taux d’adoption mondiale de l’IA a progressé 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, 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. ‘Dois-je développer des capacités en interne, travailler avec des modèles open source et les modifier moi-même; ou dois-je 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 limité. ‘ » Ce sont les décisions à court terme initiales. 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 IA génératif. Ils pensent 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 milliards de paramètres, ils nécessitent donc une puissance de calcul énorme pour l’inférence. Comment le développer de manière à ce que, si vous le développez, vous puissiez toujours faire face aux coûts? »
Avancer l’intelligence artificielle