Comprenez et exploitez l’IA générative avec le nouveau rapport Radar des incidences de Gartner

Gartner recommande que, dans le cadre du développement de produits et de services basés sur l’IA générative, vous veniez :

• créer un plan de déploiement et de test

• privilégier dans un premier temps les applications les plus répandues, celles qui offrent déjà une réelle valeur ajoutée aux utilisateurs

• établir une feuille de route pour les investissements qui hiérarchise les différentes applications

• vous efforcer de créer un avantage concurrentiel

• différer les futurs investissements à long terme dans les technologies de l’IA générative

Cette thématique occupe une place centrale dans l’offre de solutions de l’IA générative et caractérise des composantes fondamentales, telles que les grands modèles de langage (large language models), ainsi que des approches innovantes en matière de modèles commerciaux, telles que les modèles en tant que service (MaaS). Les technologies et tendances suivantes entrent dans cette catégorie :

• Les grands modèles de langage légers peuvent prendre en charge des applications où les grands modèles de langage de masse (ou volumineux) sont impossibles à mettre en œuvre.

• Les grands modèles de langage open-source sont des modèles de fondation reposant sur l’apprentissage automatique qui se distinguent par leurs conditions d’utilisation, le mode de distribution octroyé aux développeurs et l’accès de ces derniers au code source et à l’architecture du modèle.

• Les chaînes grands modèles de langage à étapes multiples sont des bibliothèques qui mettent en relation différents grands modèles de langage pour accomplir différentes tâches.

• Les concentrateurs de modèles sont des référentiels qui hébergent des modèles d’apprentissage machine (machine learning ou ML) pré-entraînés et facilement disponibles, y compris des modèles génératifs.

• Les modèles d’IA par diffusion sont des modèles génératifs qui se basent sur des variantes probabilistes pour venir ajouter du bruit aux données, puis inversent ce processus pour générer de nouveaux échantillons de données.

• Les modèles d’IA en tant que service (AIMaaS) ont pour fonction d’inférer et d’affiner les modèles d’IA et sont proposés en tant que service par les fournisseurs de services cloud.

Cette thématique met en évidence le rôle essentiel de l’utilisateur dans la réduction des risques et l’établissement de lignes directrices destinées à encadrer la gestion de l’IA générative par les fournisseurs de manière responsable. Les technologies et tendances suivantes entrent dans cette catégorie :

• User-in-the-loop AI (UITL) est un flux de travail qui exige que les utilisateurs soient intégrés à n’importe quelle étape du processus de développement d’un système d’IA.

• La gestion des hallucinations ou Hallucination management fait référence à la gestion des incidents liés à un contenu généré par les grands modèles de langage qui est dénué de sens ou qui est manifestement erroné sur le plan factuel.

• Retrieval-augmented generation (RAG) ou la génération augmentée d’information contextuelle est un modèle d’architecture qui associe des fonctions de recherche à une capacité générative afin que les résultats obtenus à partir des éléments génératifs soient consolidés et plus précis/utiles.

• Les modules d’extension de l’IA générative sont des outils qui augmentent les capacités des modèles GenAI en leur donnant la possibilité de récupérer des informations en temps réel, d’incorporer des données commerciales, d’effectuer de nouveaux types de calculs et de prendre des mesures en toute sécurité pour le compte d’un utilisateur.

• Prompt engineering tools (ingénierie de requêtes) consiste à fournir des saisies, sous forme de texte ou d’images, à des modèles d’IA générative afin d’optimiser, mais également de restreindre l’ensemble des réponses que le modèle peut produire.

• Les détecteurs de provenance permettent d’identifier si un contenu textuel, audio ou vidéo a été produit à l’aide de l’IA générative.

Cette thématique aborde certaines des phases et décisions importantes liées à l’élaboration et au développement d’un modèle d’IA générique. Les technologies et tendances suivantes entrent dans cette catégorie :

• Les graphes de connaissances (Knowledge graphs) sont des structures de données lisibles par machine, représentant les connaissances des mondes physique et numérique, y compris les entités et leurs relations, qui suivent un modèle de données de graphe.

• Les modèles multimodaux de l’intelligence artificielle générative exploitent plusieurs types de données sources et de données cibles, telles que les images, les vidéos, le son, le texte et les données numériques, dans le cadre d’un modèle génératif unique.

• Les données synthétiques générées par l’IA sont une classe de données qui sont souvent dérivées et extrapolées à partir d’un ensemble de données réelles, mais qui sont générées artificiellement plutôt que recueillies dans le cadre d’évènements réels.

• Les bases de données vectorielles évolutives offrent une capacité de recherche vectorielle (sémantique) et sont utilisées en conjonction avec les grands modèles de langage pour mettre en œuvre la capacité du modèle à répondre au langage naturel avec des informations personnalisées ou spécifiques à une entreprise ou à un domaine.

• Les outils d’ingénierie de l’IA générative permettent aux entreprises de mettre en œuvre des modèles plus rapidement, en équilibrant à la fois la gouvernance et les délais de mise sur le marché.

Cette thématique se focalise sur les attentes suscitées par les applications émergentes, dont certaines permettront de nouvelles utilisations et d’autres enrichiront les expériences existantes, et ce pour les trois années à venir. Les technologies et tendances suivantes entrent dans cette catégorie :

• Les jumeaux basés sur la simulation combinent les avantages des jumeaux numériques et des technologies d’IA.

• Les applications natives de l’IA générative regroupent des logiciels conçus sur la base de la technologie et des capacités de ce type d’IA.

• Les outils de flux de travail et les agents sont des fonctions que les agents (programmes/algorithmes d’IA) peuvent utiliser pour interagir avec le monde.

• Les applications intégrées de l’IA générative sont des applications logicielles existantes qui ont été améliorées par l’intégration des capacités de l’IA générative afin d’améliorer les applications existantes ou d’en créer de nouvelles.

• La modélisation moléculaire assistée par IA fait appel à des techniques de simulation pour tester rapidement un large éventail de traitements potentiels en modélisant la manière dont différents composés peuvent être associés à des molécules cibles et interagir avec elles.

• Les systèmes génératifs multi-agents (MAG) fusionnent des agents logiciels informatiques et des grands modèles de langage pour simuler un environnement composé de comportements et d’interactions de systèmes multi-agents complexes.

• La génération de code assistée par IA utilise des grands modèles de langage pour générer du code sur la base des instructions d’un utilisateur.

• Les assistants virtuels optimisés par l’IA générative représentent une nouvelle génération d’assistants virtuels qui s’appuient sur les grands modèles de langage pour offrir des fonctionnalités avancées.