L\u2019ann\u00e9e 2023 a r\u00e9solument \u00e9t\u00e9 le d\u00e9but d\u2019une nouvelle \u00e8re dans le monde informatique, avec le raz de mar\u00e9e de l\u2019IA g\u00e9n\u00e9rative qui amorce une r\u00e9volution technologique sans pr\u00e9c\u00e9dent par la nature des investissements r\u00e9alis\u00e9s comme par sa vitesse de propagation.<\/p>\n\n\n\n
D\u00e8s le mois de janvier, Microsoft investissait 10 milliards de dollars dans OpenAI pour s\u2019offrir l\u2019exclusivit\u00e9 des mod\u00e8les OpenAI sur son cloud Azure, avant d\u2019int\u00e9grer son chatbot GPTlike \u00e0 Bing. En f\u00e9vrier, c\u2019\u00e9tait au tour de Google de lancer Bard, son chatGPT maison, avant de pr\u00e9senter en mars DuetAI, un assistant IA int\u00e9gr\u00e9 \u00e0 sa suite Workplace. Dans la foul\u00e9e, Microsoft annon\u00e7ait le lancement de Copilot, son assistant IA nourri des technologies OpenAI, qui \u00e9tait int\u00e9gr\u00e9 \u00e0 l\u2019automne dans tous ses logiciels. En mai Google r\u00e9pliquait en pr\u00e9sentant une nouvelle version de son moteur de recherche, dop\u00e9 \u00e0 \u2026 l\u2019IA.<\/p>\n\n\n\n
Une ru\u00e9e vers l\u2019or fructueuse Nvidia, qui passait la barre des 1000 milliards de dollars de valorisation et doublait son CA gr\u00e2ce \u00e0 ses GPU n\u00e9cessaires \u00e0 l\u2019entrainement des mod\u00e8les IA !<\/p>\n\n\n\n
En juin, la France se lan\u00e7ait dans la course : Emmanuel Macron pr\u00e9sentait un plan d\u2019investissement de 900 millions d\u2019euros pour la construction d\u2019un nouveau supercalculateur public pour entra\u00eener les IA et deux enveloppes de soutien aux startups. Dans la foul\u00e9e, la startup fran\u00e7aise Mistral AI bouclait un premier tour de 105 millions d\u2019euros en amor\u00e7age, qu\u2019elle compl\u00e8terait en d\u00e9cembre d\u2019une nouvelle lev\u00e9e de 385 millions pour devenir un g\u00e9ant de l\u2019IA avec son mod\u00e8le Mixtral.<\/p>\n\n\n\n
Et la course \u00e0 l\u2019IA n\u2019a fait que s\u2019acc\u00e9l\u00e9rer : Elon Musk lan\u00e7ait xAI en juill et, Meta offrait gratuitement son mod\u00e8le Llama 2, Amazon investissait 4 milliards de dollars dans Anthropic et en d\u00e9cembre, Google finissait par lancer Gemini, un mod\u00e8le suspeptible de surpasser GPT4 et de faire passer un nouveau palier \u00e0 l\u2019IA g\u00e9n\u00e9rative.<\/p>\n\n\n\n
Si les GAFAM et les startups ont largement contribu\u00e9 au raz de mar\u00e9e de l\u2019IA g\u00e9n\u00e9rative, les ESN ne sont pas rest\u00e9es sur le quai et ont rapidement surf\u00e9 sur la vague, qui leur offre sans conteste un relais de croissance durable.<\/p>\n\n\n\n
Mont\u00e9e en comp\u00e9tences, d\u00e9veloppement d\u2019offres d\u00e9di\u00e9es parmi lesquelles l\u2019adaptation des infrastructures IT actuelles, mise en conformit\u00e9 avec la r\u00e9glementation et sensibilisation des employ\u00e9s, cette technologie va g\u00e9n\u00e9rer des gains de productivit\u00e9 substantiels pour les prestataires de services num\u00e9riques.<\/p>\n\n\n\n
D\u2019ailleurs, tous les grands du conseil s\u2019en sont saisis : PwC annon\u00e7ait un investissement d\u2019un milliard de dollar d\u2019ici 2026, Accenture 3 milliards de dollars, et Capgemini 2 milliards d\u2019euros en juillet.<\/p>\n\n\n\n
Le g\u00e9ant fran\u00e7ais pr\u00e9voit en effet de former ses collaborateurs, de renforcer son expertise IA par d enouveaux recrutements, et a lanc\u00e9 son Generative IA Lab pour poursuivre des programmes de recherche en collaboration avec des entreprises et des universit\u00e9s. \u00ab L\u2019IA g\u00e9n\u00e9rative est d\u00e9j\u00e0 en train de devenir un pilier fondamental de la transformation digitale des entreprises. Nous voyons de nombreuses opportunit\u00e9s de cr\u00e9ation de valeur m\u00e9tier qui vont bien au-del\u00e0 des gains importants de productivit\u00e9 \u00bb, assure Franck Greverie, Chief Portfolio Officer et membre du Comit\u00e9 de Direction g\u00e9n\u00e9rale de Capgemini.<\/p>\n\n\n\n
Sources\u00a0: https:\/\/www.zdnet.fr\/actualites\/capgemini-degaine-le-chequier-et-des-offres-sur-l-ia-generative-39960846.htm<\/a> <\/p>\n\n\n\n https:\/\/www.lemagit.fr\/actualites\/366546174\/Capgemini-voit-venir-une-vague-de-lIA-generative-et-veut-surfer-dessus<\/a><\/p>\n\n\n\n Il faut dire que les mod\u00e8les web (chatGPT, Bing ou Bart), ne sont pas adapt\u00e9s au B to B, qui n\u00e9cessitent des outils sp\u00e9cifiques avec des garanties de confidentialit\u00e9 et de s\u00e9curit\u00e9 des donn\u00e9es.<\/p>\n\n\n\n A l\u2019instar de Capgemi, les ESN d\u2019inovall\u00e9e ont r\u00e9solument mis le cap sur l\u2019IA g\u00e9n\u00e9rative. Et elles repr\u00e9sentent aujourd\u2019hui 20% des emplois de la technopole.<\/p>\n\n\n\n Les mod\u00e8les issus de l’IA g\u00e9n\u00e9rative subissent un apprentissage approfondi sur des volumes consid\u00e9rables de donn\u00e9es, \u00e0 travers des m\u00e9thodes de supervision et de renforcement. Utilisant ces connaissances acquises, ils se lancent dans la cr\u00e9ation de nouvelles entit\u00e9s qui peuvent soit refl\u00e9ter les donn\u00e9es d’origine, soit s’aventurer dans des territoires totalement inexplor\u00e9s. Dot\u00e9s d’une autonomie d’apprentissage, ces mod\u00e8les interagissent avec les utilisateurs, ajustant leur compr\u00e9hension en fonction des r\u00e9ponses obtenues.<\/p>\n\n\n\n L’IA g\u00e9n\u00e9rative vise ainsi \u00e0 produire du contenu sur demande, en r\u00e9ponse \u00e0 une requ\u00eate sp\u00e9cifique, \u00e9galement appel\u00e9e \u00ab prompt \u00bb. Pour accomplir cette t\u00e2che, elle s’appuie sur un r\u00e9seau de neurones g\u00e9n\u00e9ratif. Cette cat\u00e9gorie de r\u00e9seau implique un processus d’apprentissage profond qui combine des approches non supervis\u00e9es, supervis\u00e9es et de renforcement, l’association de ces modes d’apprentissage constituant l’une des cl\u00e9s de la puissance de ces mod\u00e8les.<\/p>\n\n\n\n Aliment\u00e9e par un vaste ensemble de donn\u00e9es d’entra\u00eenement, comprenant les donn\u00e9es du Web public pour les mod\u00e8les GPT, l’IA g\u00e9n\u00e8re de nouveaux contenus. Pour ce faire, elle anticipe la r\u00e9ponse la plus probable en agen\u00e7ant des phrases compl\u00e8tes mot par mot. Le fonctionnement des IA g\u00e9n\u00e9ratives est intrins\u00e8quement probabiliste, d’o\u00f9 la possibilit\u00e9 pour des mod\u00e8les tels que GPT-3 ou GPT-4 de produire des r\u00e9sultats inexacts ou m\u00eame des inventions purement fictives, commun\u00e9ment appel\u00e9es hallucinations. Ces erreurs, inh\u00e9rentes au fonctionnement des mod\u00e8les sous-jacents, soulignent une des limites de l’IA g\u00e9n\u00e9rative. Ainsi, des mesures de pr\u00e9caution et des ajustements sont n\u00e9cessaires lors de l’int\u00e9gration de ces IA dans un contexte professionnel.<\/p>\n\n\n\n Si ChatGPT a envahi le quotidien dans le domaine du traitement du langage, bien d\u2019autres applications sont disponibles, et ce en dehors de la sph\u00e8re des chatbots conversationnels : cr\u00e9ation d\u2019images, de vid\u00e9os, de musique, ou codage informatique, l\u2019IA g\u00e9n\u00e9rative est aujourd\u2019hui partout et va r\u00e9volutionner en profondeur les apprentissages, les m\u00e9tiers et toutes les sph\u00e8res de notre vie.<\/p>\n\n\n\n L’acronyme GPT de ChatGPT, d\u00e9riv\u00e9 de \u00ab Generative Pre-Trained Transformer \u00bb, offre une fen\u00eatre sur son fonctionnement interne. La composante \u00ab Generative \u00bb met en lumi\u00e8re sa comp\u00e9tence \u00e0 produire du texte en langage naturel, tandis que \u00ab Pre-Trained \u00bb souligne que le mod\u00e8le a d\u00e9j\u00e0 \u00e9t\u00e9 entra\u00een\u00e9 sur un ensemble de donn\u00e9es d\u00e9fini. Enfin, \u00ab Transformer \u00bb fait r\u00e9f\u00e9rence \u00e0 l’architecture sous-jacente d’apprentissage automatique qui propulse cette solution.<\/p>\n\n\n\n On pourrait donc consid\u00e9rer que la r\u00e9volution est d\u2019abord celle des Transformers et des LLM, dont l\u2019\u00e9mergence a \u00e9t\u00e9 permise par des travaux ant\u00e9rieurs sur le Deep Learning et les r\u00e9seaux de neurones<\/a>. En effet, ChatGPT a en fait rassembl\u00e9 et d\u00e9mocratis\u00e9 des technologies pr\u00e9existantes, dont les LLM (Large Language Model), de tr\u00e8s grands mod\u00e8les de deep learning<\/a> qui sont pr\u00e9form\u00e9s sur de grandes quantit\u00e9s de donn\u00e9es. Le transformer sous-jacent est un ensemble de r\u00e9seaux neuronaux<\/a> compos\u00e9s d’un codeur et d’un d\u00e9codeur dot\u00e9s de capacit\u00e9s d’auto-attention. L’encodeur et le d\u00e9codeur extraient le sens d’une s\u00e9quence de texte et comprennent les relations entre les mots et les phrases qu’elle contient.<\/p>\n\n\n\n Les transformers LLM sont capables de suivre une formation non supervis\u00e9e, bien qu’une explication plus pr\u00e9cise soit que les transformers s’auto-apprennent. C’est gr\u00e2ce \u00e0 ce processus que les transformers apprennent \u00e0 comprendre la grammaire, les langues et les connaissances de base.<\/p>\n\n\n\n Contrairement aux r\u00e9seaux neuronaux r\u00e9currents (RNN) ant\u00e9rieurs qui traitaient les entr\u00e9es de mani\u00e8re s\u00e9quentielle, les transformers traitent des s\u00e9quences enti\u00e8res en parall\u00e8le. Cela permet aux sp\u00e9cialistes des donn\u00e9es d’utiliser des GPU pour former des LLM bas\u00e9s sur des transformers, r\u00e9duisant ainsi consid\u00e9rablement le temps de formation.<\/p>\n\n\n\nMais qu\u2019est-ce que l\u2019IA g\u00e9n\u00e9rative\u00a0?<\/h3>\n\n\n\n
LLM, transformers et r\u00e9seaux de neurones\u00a0: les fondements technologiques de l\u2019IA g\u00e9n\u00e9rative<\/h3>\n\n\n\n