Qu'est ce que l'IA Générative? #iagenerative

Summary

L'introduction à la générative AI par Anis et Simon explore les défis et opportunités de cette technologie émergente. Bruno Le Maire envisage un avenir prochain pour l'Europe avec son propre GPT, tandis que les modèles de langage large comme Chat GPT et Bard montrent la capacité de raisonnement et de création de l'IA. Les applications variées de la générative AI, y compris dans les médias et les décisions d'affaires, sont discutées, ainsi que les enjeux environnementaux et éthiques. L'importance de l'adoption précoce et la préparation pour un changement de comportement des utilisateurs sont soulignées.

Takeaways

• 🚀 L'IA générative est un domaine en rapide évolution, avec de nouvelles outils et articles scientifiques publiés quasiment quotidiennement.
• 🌐 L'Europe peut avoir son propre modèle d'IA générative compétitif sous 5 ans, selon Bruno Le Maire.
• 🤖 Les modèles d'IA générative comme GPT et Bard sont capables de créer du texte, des images et d'autres médias avec un certain degré de nouveauté.
• 📈 Les modèles de langage large (LLM) ont un grand nombre de paramètres d'apprentissage, ce qui leur donne une mémoire importante pour comprendre les langues et les complexités.
• 🌟 Le phénomène d'émergence se produit lorsqu'un modèle a une taille de mémoire suffisante pour développer de nouvelles capacités, comme la généralisation et la raison.
• 🖼️ Des modèles d'IA générative pour l'image existent, comme Dali et stable diffusion, qui sont utilisés dans différents domaines, y compris la cryptomonnaie et le web 3.
• 📈 L'adoption de l'IA générative est en train d'augmenter rapidement, avec des croissances d'utilisateurs incroyables comme celle de GPT.
• 💡 L'expérience utilisateur est un aspect clé de l'IA générative, avec des utilisateurs habitués à un niveau élevé de service qui cherchent à retrouver cette expérience dans d'autres produits.
• 🏢 L'IA générative est déjà utilisée dans les entreprises pour des tâches telles que la configuration de produits, la recherche dans des catalogues et l'aide à la prise de décisions.
• 🌱 Les entreprises qui adoptent l'IA générative peuvent avoir un avantage compétitif, mais elles doivent également faire face à des défis organisationnels et de compétences.
• 🔄 L'environnement et la durabilité sont des enjeux importants à considérer avec l'utilisation de l'IA générative, car les grandes plateformes consomment beaucoup de ressources énergétiques.

Q & A

Qu'est-ce que la générative AI et comment fonctionne-t-elle?

La générative AI est un type d'intelligence artificielle capable de créer du texte, des images et d'autres médias en réponse à des instructions appelées prompts. Elle est basée sur des modèles qui ont appris à partir de données d'entraînement et peuvent ainsi générer du contenu original avec un certain degré de nouveauté.

Quels sont les exemples de modèles de générative AI en texte?

Des exemples de modèles de générative AI en texte incluent GPT (Générateur Prédictif de Texte) développé par OpenAI, Bard de Google et Falcon de Meta, qui sont tous des modèles non open source, ainsi que LAMa et Stable Diffusion qui sont open source.

Qu'est-ce qu'un modèle de langue large (LLM) et qu'est-ce que cela signifie pour la compréhension des langues?

Un modèle de langue large (LLM) est un modèle qui comporte beaucoup de paramètres d'apprentissage, ce qui le rend capable de comprendre et de générer des quantités considérables de données linguistiques. Plus un modèle est large, plus sa mémoire est grande et plus il est capable de comprendre les spécificités et les complexités des langues.

Quel est le phénomène d'émergence dans le contexte des modèles de générative AI?

Le phénomène d'émergence se produit lorsqu'un modèle de générative AI atteint une certaine taille de mémoire, développant ainsi des capacités qu'on ne lui a pas spécifiquement appris. Cela inclut la capacité de connecter des points de concepts, de généraliser et même de raisonner de manière similaire à l'intelligence humaine.

Comment la générative AI peut-elle être utilisée dans le domaine de la création d'images?

La générative AI peut être utilisée pour créer des images à travers des modèles comme Dali et Dali 2, ainsi que Stable Diffusion qui sont open source. Ces modèles peuvent générer de nouveaux contenus visuels en réponse à des prompts, ce qui est utile pour des applications telles que le design, la publicité et bien d'autres.

Quelle est l'importance de l'expérience utilisateur avec les génératives AI?

L'expérience utilisateur est cruciale avec les génératives AI car elles permettent une interaction personnalisée et naturelle avec les utilisateurs. Cela peut conduire à une augmentation de la satisfaction et de la fidélisation des clients, ainsi qu'à une demande accrue de produits et services offrant un niveau élevé d'expérience utilisateur.

Quels sont les défis associés à l'utilisation de génératives AI dans les entreprises?

Les défis associés à l'utilisation de génératives AI incluent la gestion des compétences nécessaires pour exploiter ces technologies, l'adaptation des métiers existants, la compréhension des potentialités et des risques associés, et la mise en place d'un cadre d'adoption pour intégrer ces solutions dans les opérations quotidiennes de l'entreprise.

Comment les entreprises peuvent-elles tirer parti de la générative AI pour améliorer leur efficacité opérationnelle?

Les entreprises peuvent utiliser la générative AI pour automatiser des tâches, améliorer la prise de décision, accélérer le prototypage de produits, faciliter l'accès à des informations juridiques et simplifier d'autres processus opérationnels, ce qui peut conduire à des gains de productivité et de temps significatifs.

Quelle est la relation entre la générative AI et les enjeux environnementaux?

La générative AI consomme une grande quantité de ressources énergétiques pour entraîner et exécuter les modèles. Cela soulève des questions sur l'impact environnemental de ces technologies et la nécessité de trouver des moyens de les rendre plus écologiques.

Quels sont les risques potentiels liés à l'utilisation de génératives AI?

Les risques potentiels incluent la biais dans les données de base qui peuvent conduire à des résultats biaisis et peu fiables, les hallucinations où les modèles mélangent des concepts incorrectement, et les défis réglementaires qui pourraient émerger en raison de la nature innovante et disruptrice de la technologie.

Pourquoi est-il important d'adopter la générative AI dès maintenant?

Il est important d'adopter la générative AI dès maintenant pour rester compétitif sur le marché, car une grande partie des organisations explore déjà cette technologie. De plus, l'adoption précoce permet de préparer l'entreprise aux changements organisationnels et opérationnels qui seront nécessaires pour tirer parti pleinement de ces technologies.

Comment la générative AI pourrait-elle être comparée à d'autres révolutions technologiques précédentes?

La générative AI pourrait être comparée à l'arrivée d'Internet, car elle aura un impact significatif sur de nombreux départements de l'entreprise et de la société en général. Elle changera la manière dont nous interagissons avec la technologie et les services numériques, tout comme le web et les smartphones l'ont fait auparavant.

Outlines

00:00

🤖 Introduction à la générative AI et enjeux technologiques

Dans ce paragraphe, Anis et Simon introduisent le sujet de la générative AI, abordant l'article de BFM TV sur les prédictions de Bruno Le Maire concernant l'Europe et l'IA. Ils soulignent la rapidité avec laquelle l'IA évolue, comparant la nouveauté constante à un jour sans innovation. Anis, en tant qu'ingénieur dans l'IA, exprime son interêt pour la temporalité spécifique de l'IA et la difficulté de saisir l'impact de cette évolution rapide. Ils proposent de définir les enjeux, les opportunités et les risques de la générative AI, en commençant par une définition commune basée sur les génératifs comme GPT et d'autres modèles de langage large (LLM). L'importance de la capacité de raisonnement de l'IA générative est également mentionnée, ainsi que l'impact potentiel sur l'intelligence artificielle.

05:00

🌐 Utilisation de la générative AI dans le business et l'expérience utilisateur

Dans ce paragraphe, les locuteurs discutent de l'utilisation de la générative AI dans le domaine professionnel et l'importance de l'expérience utilisateur. Ils mentionnent les modèles de langage comme GPT et Bard, ainsi que les modèles open source comme LLaMA et Falcon. L'accent est mis sur la croissance rapide de l'adoption de GPT, avec une comparaison de l'adoption d'Instagram et GPT. Les auteurs soulignent également l'impact de l'IA sur le comportement des utilisateurs et l'importance de l'expérience utilisateur dans les projets d'IA. Des exemples concrets d'utilisation de l'IA dans le business sont donnés, comme la création de vidéos marketing en 24 heures pour Nestlé. Ils mentionnent également les statistiques de Gartner sur l'adoption de l'IA et l'importance de l'expérience utilisateur dans les investissements des entreprises.

10:01

🚀 Mise en œuvre de la générative AI dans les entreprises

Ce paragraphe se concentre sur la manière dont les entreprises peuvent mettre en place la générative AI. Les orateurs recommandent de s'appuyer sur des solutions existantes et de les adapter à leurs besoins à travers une approche de fine tuning. Ils soulignent l'importance d'équipes multidisciplinaires, plutôt que de simples data scientists, pour comprendre les opportunités et les risques associés à l'utilisation de l'IA. Les conseils incluent également la nécessité d'une vieille constante pour rester à jour avec les avancées rapides de l'IA, ainsi que les considérations environnementales liées à la consommation d'énergie des grandes plateformes technologiques. Les problèmes éthiques, tels que les biais dans les données et les hallucinations générées par l'IA, sont également abordés. Enfin, l'importance de la réglementation et de la préparation à long terme est discutée, avec une évaluation des défis à venir en termes d'adoption, de compétences et de paradigmes organisationnels.

15:04

🌟 Impact de la générative AI sur l'industrie et la société

Dans le dernier paragraphe, les orateurs discutent de l'impact potentiel de la générative AI sur l'industrie et la société dans son ensemble. Ils comparent cette révolution technologique à l'arrivée d'Internet, soulignant les changements significatifs qui pourraient affecter de nombreux départements d'entreprises, tels que le marketing, les ressources humaines, le design et les opérations juridiques. Ils posent la question de savoir si les entreprises seront prêtes à faire face à ces défis et opportunités. Le paragraphe se termine sur une note de réflexion sur la préparation et la rapidité avec laquelle l'industrie doit s'adapter pour rester compétitive face à l'évolution rapide de l'IA.

Keywords

💡Générative AI

L'IA générative est un type d'intelligence artificielle capable de créer du texte, des images et d'autres médias en réponse à des instructions, appelées prompts. Elle se distingue des modèles d'IA classiques par sa capacité à innover et à raisonner, s'approchant ainsi plus de la définition d'intelligence artificielle. Dans le script, l'IA générative est présentée comme un élément clé de l'avenir de la technologie et de l'innovation.

💡Open AI

Open AI est une organisation de recherche et de développement dans le domaine de l'IA. Elle est connue pour avoir développé des modèles d'IA générative tels que Chat GPT, en partenariat avec Microsoft. Open AI est souvent associée à l'avancée de la technologie et à la création de solutions innovantes dans le domaine de l'IA.

💡Modèle de langage large (LLM)

Un modèle de langage large (LLM) est un type de modèle d'IA qui comporte un grand nombre de paramètres, ce qui lui permet de traiter et de comprendre une grande variété de langues et de contextes. Ces modèles sont capables de générer du texte de manière créative et de suivre des instructions complexes. Le script mentionne que les LLM sont caractérisés par leur capacité à émerger et à développer des compétences non spécifiquement appris, ce qui les rapproche de la véritable intelligence.

💡Phénomène d'émergence

Le phénomène d'émergence est un concept scientifique qui décrit comment des propriétés complexes et nouvelles peuvent surgir dans des systèmes composés de manière non prévisible à partir de simples interactions entre leurs éléments. Dans le contexte de l'IA, cela se manifeste par la capacité des modèles de langage large à développer des compétences non spécifiquement appris, telles que la généralisation et la raison, au-delà de leur apprentissage initial.

💡Expérience utilisateur

L'expérience utilisateur (UX) est l'ensemble des interactions, émotions et perceptions qu'un utilisateur ressent lorsqu'il utilise un produit ou un service. Dans le script, l'expérience utilisateur est soulignée comme un élément clé de la révolution apportée par l'IA générative, car elle permet aux utilisateurs de bénéficier d'un service personnalisé et de qualité supérieure.

💡Génération d'images

La génération d'images est le processus par lequel l'IA crée des images numériques à partir de données d'entrée ou de prompts. Cela peut inclure des illustrations, des photos éditées ou même des créations artistiques uniques. Dans le script, la génération d'images est présentée comme un domaine dans lequel l'IA générative est utilisée, avec des modèles comme Dali et stable diffusion.

💡Business

Dans le contexte du script, le business fait référence à l'application de l'IA générative dans les entreprises et à la manière dont elle peut améliorer les opérations, la productivité et l'expérience client. L'IA générative peut être utilisée pour une variété de tâches commerciales, telles que la création de contenu marketing, l'assistance dans les décisions ou la production de prototypes.

💡Régulation

La régulation fait référence aux lois, règlements et politiques qui encadrent les activités des entreprises et des technologies, y compris l'IA. Dans le script, la régulation est mentionnée comme un aspect important à considérer avec l'avènement de l'IA générative, surtout en Europe où les mises à jour réglementaires sont fréquentes.

💡Sustainability

La durabilité concerne la gestion équitable des ressources naturelles et la préservation de l'environnement pour les générations futures. Dans le script, la durabilité est liée au consommation d'énergie des plateformes d'IA générative, mettant en lumière le besoin de solutions plus écologiques.

💡Adoption de l'IA

L'adoption de l'IA fait référence au processus par lequel les entreprises et les organisations intégrent et utilisent l'IA dans leurs opérations quotidiennes. Le script aborde les défis et les opportunités liés à l'adoption de l'IA générative, y compris la nécessité de développer de nouvelles compétences et de réviser les paradigmes opérationnels.

💡Concurrence

La concurrence fait référence à la rivalité entre les entreprises ou les organisations pour attirer les clients et le marché. Dans le script, la concurrence est présentée comme un facteur clé pour l'adoption de l'IA générative, avec un avantage compétitif pour les pionniers dans leur domaine.

Highlights

Introduction à la générative AI et ses enjeux, opportunités et risques.

Bruno Le Maire pense que l'Europe pourra avoir son Open AI sous 5 ans.

La générative AI est un type d'IA capable de créer du texte, des images et d'autres médias.

Les modèles de générative AI comme GPT et Bard ne sont pas open source.

Les modèles open source de générative AI incluent le LaMDA de Meta et Falcon.

Les modèles de langues larges (LLM) ont un grand nombre de paramètres d'apprentissage.

Le phénomène d'émergence se produit lorsque les modèles ont une grande taille de mémoire.

La générative AI permet de résoudre une grande variété de tâches.

Les utilisateurs se sont habitués à un niveau élevé d'expérience utilisateur grâce à la générative AI.

L'adoption de la générative AI est déjà en cours dans le business.

Gartner indique que 20% des entreprises ont des projets en pilote ou en production avec l'IA.

La générative AI peut être utilisée pour la prise de décisions et la recherche d'informations.

Les entreprises devraient s'adapter rapidement à l'adoption de la générative AI pour rester compétitives.

Il est important de considérer les aspects environnementaux liés à la générative AI.

Les défis de l'adoption de la générative AI incluent la gestion des compétences et le paradigme centralisation versus décentralisation.

La générative AI pourrait être comparée à l'impact de l'arrivée d'Internet.

Les impacts de la générative AI toucheront tous les départements de l'entreprise.

Il est crucial de se préparer à l'adoption de la générative AI dès maintenant pour être prêt au moment voulu.

Transcripts

bonjour à tous moi c'est anis et avec

Simonet on est très content d'être là

aujourd'hui on a la lourde tâche de vous

faire étalk d'introduction sur generati

veyi en préparant le Talk il y a

quelques jours je suis tombé sur un

article de BFM TV avec Bruno Le Maire et

le titre de l'article c'était chat GPT

Bruno Le Maire estime que l'Europe

pourra avoir son open high sous 5 ans

alors ça m'a interpellé surtout la

dernière partie qui m'a interpellé le

sous 5 ans parce que aujourd'hui en tant

qu'ingénieur dans l'IA une espace

quasiment pas un jour sans qui est de la

nouveauté sentier de nouveaux outils ou

sans qui est de nouvelles articles

scientifiques à lire

et donc d'après moi la temporalité de

l'IA ce n'est pas une temporalité d'un

projet quelconque c'est une temporalité

qui est bien spécifique et je pense que

Bruno n'est pas le seul à ne pas

aujourd'hui saisir peut-être tout

l'impact qu'il y a derrière cela et je

pense qu'aujourd'hui notre rôle c'est de

d'essayer des éléments de compréhension

de définir un petit peu les enjeux qu'il

y a derrière ça les opportunités que ça

peut apporter et également les risques

avant de Deep Diver on va peut-être

définir un petit peu ce que la

générative Ayi pour avoir tous un petit

peu la même définition

il y a génératif selon Wikipédia c'est

un type d'IA qui est capable de générer

du texte des images d'autres médias

c'est un peu plus que 4G pété et tout

cela vient en réponse à des instructions

qu'on appelle des promptes

et le nouveau contenu est similaire aux

données d'apprentissage mais avec un

certain degré de nouveauté en d'autres

termes donc comme son nom l'indique il

peut générer donc il peut créer des

nouvelles choses et en cela

sa capacité à créer une nouvelle chose

on peut dire qu'il a entre guillemets la

capacité de raisonner

et donc avec l'IA générative on se

rapproche un peu plus du concept

d'intelligence artificielle un peu plus

que avec les modèles dia classique

alors je vais vous donner des exemples

concernant le texte l'exemple de modèles

donc on a le chat GPT que vous

connaissez tous qui est fait par open

high qui estampillé un petit peu

Microsoft puisque openia et Microsoft

sont partenaire on a le pendant de chez

Google qui s'appelle Bard les deux

premiers modèles se sont des modèles qui

ne sont pas open source c'est à dire

qu'on peut y accéder via une interface

sur internet via le navigateur

ils sont gratuits jusqu'à une certaine

utilisation mais si on veut en faire une

utilisation un peu plus professionnelle

si on veut une situation un peu plus

intensive il faudra payer et il y a

également d'autres modèles qui sont Open

Source donc on a le lama de Meta et on a

également Falcon qui est aussi un modèle

open source qui est peut-être le modèle

aujourd'hui le plus abouti en tant

qu'Open source qui se rapproche le plus

de chat GPT

un élément de jargon c'est modèle on les

qualifie de LLM donc ça veut dire l'art

du vanguet du modèle en français des

modèles de langues large qu'est-ce qu'on

entend par large et bien en fait on dit

qu'un modèle est large quand il comporte

beaucoup de paramètres à titre indicatif

une heure de paramètres d'apprentissage

pour chat GPT c'est 175 milliards alors

ça peut vous paraître un petit peu

abstrait nombre de paramètres on peut

vulgariser ça par en disant que c'est la

mémoire du modèle donc plus on a de

paramètres et plus la mémoire est grande

et alors pour comprendre les les

différents langages il nous faut

beaucoup de mémoire du coup pour

comprendre les spécificités les

complexités et alors il y a une autre

raison pour lesquelles on utilise des

modèles très larges c'est que en fait au

bout d'une certaine taille de mémoire on

voit apparaître un phénomène qui

s'appelle le phénomène d'émergence et en

fait c'est que le modèle développe des

capacités qu'on ne lui a spécifiquement

apprises dire qu'il arrive à connecter

des points des concepts il arrive en

fait à généraliser et en quelque sorte à

raisonner et c'est très important

pourquoi est-ce que ça nous intéresse

parce qu'en fait un seul et elle aime va

nous permettre de résoudre beaucoup de

news différents on n'est plus dans le

paradis de on a un modèle par husky on a

un modèle que nous permet de résoudre

une grande variété de choses et ça c'est

assez important pour le business en

termes de génération d'image donc on a

des modèles comme mi-journées comme Dali

on a également Dali 2 actuellement et on

a le pendant open source qui est stable

diffusion

tout le monde en parle vos collègues en

parlent on en parle à l'école on en

parle à la presse un petit peu comme la

crypto le NFC blockchain le web 3

metaves tout ces termes tous ces besoins

d'un petit peu donc en fait on est en

droit de se poser la question est-ce que

c'est un effet de mode ou est-ce que

c'est une révolution alors il y a un

effet de mode bien évidemment parce que

Tchad j'ai pété a mis à generati veyi

sous le feu des projecteurs d'ailleurs

si aujourd'hui on est là à vous parler

de générative VIP c'est peut-être à

cause ou grasse le chat GPT

néanmoins ce n'est pas une révolution

technique parce que toutes les

technologies nécessaires à faire des

exister depuis 2017 en réalité en

revanche ce qui a changé c'est le

rapport à la machine on va dire c'est

l'expérience utilisateur

donc aujourd'hui n'importe qui peut se

connecter à Internet et avec le

navigateur il peut dialoguer avec le

modèle et il y a une expérience

entièrement personnalisée

et

au-delà de ça openaya a ajouté une

couche un peu éthique c'est à dire que

ils ont fait en sorte que le modèle ne

dise pas n'importe quoi et qui ne

s'aventurent pas dans les sujets un peu

sensibles ça c'est aussi important pour

xper ensuite utilisateur c'est une

révolution parce que c'est un impact

déjà palpable aujourd'hui

dans la société dans les entreprises et

c'est parti pour durer alors il y a un

changement du comportement utilisateur

qui est illustré à travers cet article

du Time et en fait qui nous explique que

la croissance de chat GPT en termes de

nom d'utilisateur est incroyable pour

vous donner des chiffres Instagram ils

ont mis deux ans à avoir 100 millions

d'utilisateur 4G pété ils ont mis deux

mois

donc c'est une propagation très rapide

et tous ces utilisateurs qui sont

habitués à ce niveau de service à ce

niveau d'expérience utilisateur ils vont

vouloir retrouver ça dans d'autres

produits

et on pense que à moyen terme des

produits qui n'auront pas ce niveau

d'expérience ce niveau de service et ben

ils vont peut-être être relégués au

second plan donc c'est c'est important

d'avoir ça en tête

il y a déjà des choses qui sont

aujourd'hui utilisées dans le business

notamment on a l'exemple de

de l'agence au gilvi qui a utilisé l'IA

pour imaginer réaliser en 24 heures une

vidéo donc à des fins marketing donc

c'était autour du tableau de laitière

pour Nestlé et

aujourd'hui selon un sondage Gartner on

a 20% des entreprises qui ont des

projets en pilote ou en production donc

ça bouge déjà assez rapidement et

d'après le même sondage de Gartner

auprès de plus de 2500 dirigeants

entreprises ce qui est très intéressant

c'est que ça confère un petit peu ces

tests d'expérience utilisateur c'est que

on a 38% des sondés qui ont investi dans

l'IA pour l'expérience utilisateur et

pour sa rétention

on pourrait a priori on aurait pu penser

que on voit d'abord faire de l'IA pour

la performance opérationnelle pour

essayer d'avoir une meilleure

productivité mais c'est bien cet aspect

expérience utilisateur qui prédomine on

a vu des exemples de ce qui peut faire

des autres mais qu'est-ce que vous

pourrez faire effectivement dans la

pratique aujourd'hui avec Laia du coup

on peut l'utiliser pour tout un tas de

choses comme par exemple demander un à

une ingénérative des configurer une un

produit pour nous ou de rechercher dans

un catalogue produit on peut l'utiliser

aussi pour être aidé dans des prises de

décisions par exemple un peu demander à

ce chatbot quel magasin pareil à la

meilleure séance 2023 ou quelle est la

catégorie des produits plus achetés par

les hommes de plus de 60 ans et vous

voyez la façon dont pose cette question

est très naturelle on utilise un langage

qui est très naturel on a plus besoin de

envoyer un mail à quelqu'un ou de aller

dans un outil de reporting à cliquer sur

4000 boutons différents trouver

l'information ici on pose la question

alia de façon naturelle comme si on

dialoguait avec quelqu'un et c'est ça

qui est aussi l'expérience utilisateur

dont un Nice vous parlez on peut aussi

avoir des cabines de destination virtuel

[Musique]

mais on peut l'utiliser aussi pour

beaucoup de choses différentes notamment

le prototypage les supports juridique

parce qu'effectivement la générative VIP

permet aussi de accélérer des simplifier

l'accès à l'information lorsque

notamment on accède on a besoin

d'accéder à beaucoup d'informations

comme c'est le cas justement dans dans

les éléments juridiques voilà ce sont

d'Angleterre pour la production

d'éléments auditorial unitoriaux pour la

photocopie plein de cas d'usage

différents comment on peut mettre en

place de la générative en entreprise on

a quelques conseils très rapide le

format était plutôt court aujourd'hui

déjà la on va pas remonter la roue et on

va pas non plus remonter la voiture on

va surtout se baser sur des solutions

qui existent déjà aujourd'hui année

rapidement et on va les adapter on va

les améliorer on va faire ce qu'on

appelle du fine tuning pour l'adapter à

notre besoin

ce qui veut dire que effectivement on

peut avancer assez rapidement mais même

des façons si on veut assez frugal on

n'a pas besoin forcément des sur

investir on peut avoir besoin des petits

équipes effectivement compétentes qui

peuvent être suffisantes pour démarrer

aussi ces équipes elles doivent être

muté disciplinaire et ce n'est pas

forcément des équipes composées

uniquement par des Data scientistes au

contraire il faudra plutôt des personnes

qui effectueront une connaissance de la

data science mais aussi une connaissance

des potentialités des risques associés à

chaque modèle mais aussi des

opportunités business qu'une la

technologie peut ouvrir encore une fois

souvenez-vous dès l'élément expérience

utilisateur

effectivement du coup des personnes qui

aussi une vision produit

et aussi bien sûr on aura besoin d'une

vieille constante parce que ça avance à

une vitesse telle que une information

une technologie devient deux mois de 3

mois peut être déjà

presque obsolète il y a aussi un volet

dont on parle pas assez souvent à Mango

c'est les volets environnementales il

faut savoir que Google Microsoft

meta et société qui aujourd'hui crée les

plateformes sur lesquelles on va

s'appuyer pour créer des solutions de

générative VIP consomme énormément des

ressources énergétiques pour créer ces

solutions

et un sujet qui je pense sera alors du

jour dans quelques mois dans l'année

prochaine

le monde n'est pas parfait elle a donné

non plus on sait qu'il a généralité

vient s'appuie sur de donner existantes

pour fournit de la nouvelle donnée mais

si la donner de base et les fausses et

les protéger pendant l'auteur elle est

biaisée bah alors le résultat sert aussi

biaisé

peu fiable mais il y a aussi un élément

qui est les hallucinations c'est à dire

que parfois c'est un problème de

jeunesse cette génération de génération

de générateur c'est que parfois les

résultats peuvent être créés en

mélangeant des concepts qui ne vont pas

avec pour créer effectivement des

hallucinations un exemple tout bête dont

on parle souvent ce qui est parfois

jackpgt peut vous dire que 1 kg de plomb

pèse plus qu'un kilo de bois d'éléments

kilos n'est pas retenu et du coup le

père un peu le contexte il perd un peu

la capacité à raisonner

d'autres problématiques nouvelles

régulations qui vont arriver au niveau

du machiner surtout en Europe des mises

à jour très fréquent des solutions puis

des données Samsung on a fait l'épreuve

après je vais aller vite là dessus et

maintenant et alors maintenant

notre conviction c'est que il faut s'y

mettre dès maintenant parce qu'il y a un

élément à prendre en compte c'est la

concurrence encore une fois carte

70 % des organisations sont actuellement

en mode Exploration avec l'iagénérative

donc il y a un enjeu là-dessus

si vous êtes pionnier dans votre domaine

et bien vous allez sûrement avoir un

avantage compétitif si vous n'êtes pas

bah ça vous permet de garder le cap et

ensuite le troisième levier et bien ça

va être de faire des de d'augmenter

l'efficacité opérationnelle

il faut commencer maintenant parce que

les timings dans l'IA sont plus en plus

courts vous l'avez compris avec la

temporalité de l'IA il y a moins de 3

ans entre GPT 3 et GPT 4

et vous voyez d'après ce graphique

j'ai pété 375 milliards de paramètres

j'ai pété 4 100 000 milliards de

paramètres donc il y a un facteur 1000

donc là on a complètement explosé la loi

de Moore

donc ça c'est un paramètre à voir en

tête il faut commencer maintenant parce

que il y a très certainement des sujets

organisationnels à anticiper sur le long

terme c'est des sujets qui prennent du

temps et il y a trois principaux sujets

identifiés d'après un rapport DCG le

premier c'est le fait de mettre en place

le cadre de l'adoption parce que c'est

pas dit que on va adopter la générative

il y a de manière générale au centre de

manière simple il y a des défis en

termes de compétences à gérer puisqu'il

y a des métiers qui vont évoluer très

certainement et également le paradigme

centralisation versus décentralisation à

appréhender

et voilà tout cela ça prend un peu de

temps donc il faut s'y mettre maintenant

on apparaît du présent maintenant on va

faire une petite projection vers le

futur

exactement

déjà

notre conviction c'est que beaucoup de

solutions

mais beaucoup de solutions on vous parle

avec vous voyez sur le sur la presse

c'est bientôt comme auditi pourquoi

parce que encore une fois on se base sur

des choses qui existent déjà on va

adapter comme on va améliorer mais donc

le socle le plus important est déjà fait

et beaucoup de sociétés aujourd'hui sont

prêtes effectivement à démarrer avec des

solutions en production qui se basent

sur la générative on enverra des plus en

plus on en verra d'ici la fin de l'année

et ceci est un risque et aussi on

opportunité tout comme la concurrence

peut aller très vite vous aussi vous

pouvez aller très vite

et puis avec Anis hier soir parce qu'on

a fini presque bien sûr dans le soir à

table on se posait la question qu'on

était fatigué mais à quoi ça ressemble

cette révolution technologique est-ce

que ça ressemble plutôt à l'arrivée des

mobiles des smartphones ou plutôt du web

2.0 ou des e-commerce à l'Amazon et on

se disait que finalement ça ressemble

beaucoup à l'arrivée d'Internet tout

court parce qu'il y aura des impacts qui

auront qui touchons pour les

départements d'une entreprise le

marketing les différentes les ressources

humaines le design les opérations les

juridiques posent une société pour être

touchée par les impacts de la générative

et du coup la question qui reste c'est

est-ce que nous serons prêts lorsque le

four

merci beaucoup

[Applaudissements]

[Musique]