Le fonctionnement des technologies de l’IA générative, comme ChatGPT, a fait la une des journaux dernièrement. Mais pour les entreprises qui envisagent de mettre en place ou de développer leur utilisation de l’IA et de l’IA générative, il reste encore 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, l’adoption de la technologie est en plein essor. Il estime 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 personnes interrogées ont déclaré qu’elles étudiaient la possibilité de 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 israélien de solutions AT. « Il y a une combinaison de défis à court terme et à long terme. A court terme, il s’agit vraiment de choisir votre chemin. ‘Dois-je développer des capacités internes, 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 sont limités.' » Ce sont les premières décisions à court terme. Ensuite, en regardant sur le plus long terme, les entreprises doivent envisager la nécessité de se développer et les coûts associés. « En regardant sur le long terme, supposons qu’une entreprise veuille construire un service d’IA générative. Elle pense qu’il peut améliorer les performances, 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 les inférences est énorme. Comment le construire de manière à ce que, si vous le développez, vous puissiez toujours gérer les coûts? »
L’IA avance
