Embauché il y a 2 ans pour digitaliser les process, Alexandre Aubry raconte tous les changements que cela a induit : transformation de l'organisation, de l'infrastructure matérielle et réseau, ouverture et décommissionnement progressif de l'ERP Cobol...
Nous avons assisté à la conférence client de l'entreprise Orange à Agile en Seine. Cet article vous propose de découvrir comment l'IA Gen devient déjà un atout incontournable chez certains clients.
Un bon mix d'indicateurs - des KPI classiques ainsi que des KPI personnalisés - devrait vous aider, à condition de respecter un principe essentiel : faites simple !
L'IA générative est un domaine émergent. Ce type d'algo crée de nouveaux contenus à partir d'anciens - que ce soit du texte, des images ou de la musique. #AI #GenerativeAI
Une peinture à l'huile dans le style de Monet : Une presse à imprimer qui génère du texte qui s'envole dans le ciel et est capturé par des oiseaux / Dall.e
L'IA générative est une forme d'intelligence artificielle (IA) qui utilise des algorithmes pour générer de nouvelles données à partir de données existantes. Les algorithmes d'IA générative produisent des données qui sont similaires aux données existantes, mais pas identiques.
Dans certains cas, les algorithmes d'IA générative peuvent même produire des données entièrement nouvelles qui ne sont basées sur aucune donnée existante.
En IA générative, trois techniques clés sont utilisées : les réseaux génératifs adverses (GAN), les auto-encodeurs à variation (VAE) et les transformateurs. Les GAN se composent d'un générateur et d'un discriminateur qui produisent et détectent des données synthétiques. Les VAE utilisent un encodeur et un décodeur pour compresser et recréer des données similaires à l'entrée. Les transformateurs utilisent l'attention pour mesurer l'importance des parties des données d'entrée et sont utilisés dans le traitement automatique du texte (BERT/GPT). Les algorithmes d'IA générative peuvent être utilisés pour :
générer de nouvelles images à partir d'images existantes. Par exemple, un GAN peut être entraîné sur un ensemble de données d'images, puis utilisé pour générer de nouvelles images entièrement originales.
générer du texte à partir de textes existants. Par exemple, un réseau neuronal peut être entraîné sur un corpus de texte, puis utilisé pour générer de nouvelles phrases ou de nouveaux paragraphes qui sont similaires au texte du corpus.
générer de la musique à partir de musique existante. Par exemple, un GAN peut être entraîné sur un ensemble de données d'enregistrements audio, puis utilisé pour générer une musique entièrement nouvelle qui est similaire aux enregistrements de l'ensemble de données.
L'un des principaux défis auxquels sont confrontés les algorithmes d'IA générative est le manque d'interprétabilité. Les algorithmes d'IA générative sont souvent trop complexes pour être compris par les humains, il est donc difficile de savoir comment ils produisent les données qu'ils génèrent.
Les algorithmes d'IA générative ont besoin de grands ensembles de données pour s'entraîner afin de produire des résultats significatifs. Si l'ensemble de données est trop petit, l'algorithme risque de ne pas générer de résultats utiles. Ce sont donc des modèles complexes à mettre au point, seule une poignée d'acteurs y arriveront. Quelques exemples d'IA génératives populaires :
DALL-E (backronyme de "Dialogues with Artificial Language Learner and Explainer") est un générateur d'images basé sur l'IA. Il a été développé par OpenAI et utilise le traitement du langage naturel pour générer des images basées sur des descriptions textuelles. Il est capable de produire des images réalistes basées sur un large éventail de sujets d'entrée, tels que les oiseaux, les bâtiments, des paysages, et plus encore. DALL-E peut être utilisé pour diverses applications, comme la création d'œuvres d'art, la génération d'images de produits et la création d'avatars réalistes.
GPT-3 (Generative Pre-trained Transformer 3) est un modèle de langage autorégressif développé par OpenAI. Il a été entraîné sur un jeu de données de millions de pages Web, de livres et d'autres sources de texte pour générer du texte. Il est au coeur du fonctionnement de ChatGPT.
BERT (Bidirectional Encoder Representations from Transformers) est une technique de traitement du langage naturel (NLP) développée par Google. Il s'agit d'un algorithme de Deep Learning utilisé dans le pré-entraînement du traitement du langage naturel et conçu pour pré-entraîner des représentations bidirectionnelles à partir de textes non étiquetés. Cette technique est utilisée pour améliorer les tâches de traitement du langage naturel de pointe telles que la réponse aux questions, la traduction et l'inférence linguistique. Contrairement à Dall.e ou GPT-3, cet algorithme n'est pas utilisable directement, il se trouve au coeur des outils Google.
L'avenir de l'IA générative est prometteur, elle en est à ses prémices et elle continuera d'évoluer et deviendra un outil encore plus puissant pour créer et interagir avec les données. Il va falloir compter sur elle dans le futur.
Voici quelques questions que l'on peut se poser sur l'IA Generative :
Marie accompagne depuis 2017 les plus grandes entreprises françaises dans leurs transformations IA et Data en les aidant à construire leur vision et à les mettre en œuvre.
