Il y a quelques jours, IT for Business publiait un article analysant les 7 grandes tendances de l’intelligence artificielle pour les entreprises en 2024 et au-délà, d’après deux rapports récents publiés par IBM et Microsoft.
La sortie de ChatGPT a modifié notre perception de l’IA en démontrant sa capacité à comprendre et à converser avec les humains de manière créative. Les véritables avancées se trouveraient cependant dans les domaines de la gouvernance et des techniques d’apprentissage selon de nombreux chercheurs. Le DEFI vous propose une synthèse des tendances que les entreprises doivent appréhender en la matière.
L’émergence des Small Language Models (SLM)
Alors que les années précédentes ont été marquées par l’expansion des Large Language Models (LLM) tels que GPT-3.5, 2024 voit l’arrivée des Small Language Models. Ces modèles plus spécialisés offrent une alternative plus ciblée et efficiente, tout en étant plus accessibles en termes de coût et de ressources. Les SLM, tels que Mistral 7B et Microsoft Phi, peuvent être hébergés en local, éliminant ainsi les problèmes de latence et de confidentialité.
L’IA multimodale
Les modèles d’IA évoluent vers la multimodalité, intégrant la capacité à traiter divers types de données : textes, images, audios, vidéos. Cette évolution, illustrée par des modèles tels que GPT-4 Turbo Vision, permet une plus grande capacité d’analyse des informations, une meilleure capacité de recherche (la réponse à une question peut se trouver dans une image ou une vidéo par exemple) mais aussi une plus grande créativité.
« La multimodalité a le pouvoir de créer des expériences plus humaines qui peuvent mieux tirer parti de l’éventail des sens que nous utilisons en tant qu’êtres humains, tels que la vue, la parole et l’ouïe », explique ainsi Jennifer Marsman, ingénieur principal chez Microsoft.
Les techniques d’optimisation
Les modèles LLM d’IA soulèvent de nombreux défis tant ils consomment de ressources informatiques (mémoire, stockage, réseau, puissance). Si les SLM sont une approche pour répondre à ces défis, ils ne sont pas les seuls. Les chercheurs développent de plus en plus de techniques pour optimiser leur fonctionnement. Ces approches visent à améliorer l’efficacité et la rapidité des modèles IA tout en réduisant leur consommation de ressources.
La transparence par l’Open Source
La transparence devient cruciale dans le développement de l’IA pour garantir son éthique, en réponse aux nouvelles régulations et aux préoccupations concernant les droits d’auteur. L’adoption de l’open source en est un élément clé. Une véritable IA open source va au-delà de la simple publication du modèle pré-entraîné. Cela permet de partager non seulement le modèle final, mais aussi le savoir-faire et les méthodologies utilisés pour le développer, favorisant ainsi une meilleure compréhension et une utilisation éthique de l’IA.
Des agents virtuels plus puissants et accessibles
Selon les rapports, la valeur des modèles IA comme GPT-4 réside davantage dans les fonctionnalités supplémentaires qui leur sont ajoutées Ce qui compte pour les entreprise comprend notamment la génération automatique de contenu dans des applications comme Gmail et Photoshop ou encore la retranscription automatique de réunions sur Teams. L’émergence d’outils GenAI facilite par ailleurs la création d’agents virtuels (qui ont la capacité de « faire les choses pour vous »). Enfin, des plugins permettent aux IA comme Microsoft Copilot d’effectuer des actions concrètes telles que la réservation de services ou l’automatisation de tâches complexes, ce qui renforce leur utilité pour les entreprises.
Les modèles locaux personnalisés
La personnalisation des modèles d’IA devient essentielle, avec des techniques telles que le Retrieval Augmented Generation permettant de récupérer des informations importantes dans les bases de données de l’entreprise, tout en réduisant la taille des modèles et en préservant la confidentialité des données.
L’IA au service de la science
L’IA devient un moteur majeur de progrès scientifique, accélérant les découvertes dans des domaines tels que la médecine, la météorologie et la science des matériaux. Cette application de l’IA ouvre de nouvelles perspectives pour l’innovation et le progrès dans de nombreux secteurs.
👉 En conclusion, après avoir utilisé les IA génératives en 2023, les entreprises passent en 2024 à leur déploiement. En gardant ces tendances à l’esprit, les entreprises peuvent s’adapter efficacement aux changements du paysage technologique et capitaliser sur les opportunités offertes par l’IA pour stimuler l’innovation et la croissance.