Par Phil Le-Brun, Enterprise Strategist & Evangelist, Amazon Web Services (AWS)
Les révolutions technologiques de l’histoire sont fascinantes : la première diffusion télévisée, le premier vol spatial habité, la création de l’internet. Chacun de ces événements a rendu tangible un concept auparavant ésotérique. L’exemple le plus récent est l’arrivée de l’intelligence artificielle générative.
L’intelligence artificielle générative est un type d’IA capable de créer de nouveaux contenus et idées, y compris des conversations, des récits, des images, des vidéos et de la musique. Elle est alimentée par des modèles de machine learning (ML) – des modèles très volumineux pré-entraînés sur d’énormes quantités de données et couramment appelés modèles de base (FMs).
« Avec l’IA générative, la qualité l’emporte sur la quantité de données commerciales disponibles. »
Amazon investit et utilise des FMs depuis plusieurs années dans des domaines tels que la recherche sur Amazon.com et la création d’expériences conversationnelles avec Alexa. Chez AWS, nous nous sommes concentrés sur la démocratisation de ces technologies pour un plus grand nombre d’organisations. Et les clients nous parlent de l’utilisation de l’IA générative pour accélérer la découverte pharmaceutique, soutenir la recherche, accélérer le service client, et bien plus encore.
Le potentiel est passionnant, mais de nombreux dirigeants ne savent pas par où commencer. Voici donc quelques points sur lesquels vous devriez réfléchir :
Commencez à envisager les cas d’usage
«Tombez amoureux du problème, pas de la solution». Cette phrase nous rappelle que même si la technologie est un outil brillant, elle n’est qu’un ensemble de solutions que nous pouvons appliquer à des problèmes du monde réel.
Quels problèmes chronophages, difficiles ou même impossibles pourraient être résolus grâce à l’IA générative ? Envisagez de grandes opportunités, mais commencez modestement avec des problèmes qui peuvent impacter vos employés ou vos clients au quotidien,
Les problèmes internes peuvent-ils être automatisés, libérant ainsi du temps pour l’organisation tout en permettant de mieux comprendre comment l’IA peut aider votre entreprise ? Par exemple, en utilisant Amazon Code Whisperer, qui utilise un FM pour générer des suggestions de code, Accenture parvient à réduire ses coûts de développement jusqu’à 30 % tout en comprenant la puissance de l’IA générative pour augmenter la productivité.
Expérimentez avec des solutions et des modèles
Amazon développe des applications d’IA, comme le moteur de recommandations pour l’e-commerce, depuis plus de 20 ans. Nous avons appris que la meilleure façon de développer une compréhension approfondie de l’IA – afin de l’améliorer – est que de nombreuses personnes diverses expérimentent, résolvent des problèmes et innovent avec elle.
Depuis le lancement d’Amazon SageMaker en 2017, nous avons publié en continu un flux de services d’IA et de ML en mettant l’accent sur la démocratisation de la technologie. Nous avons poursuivi cette approche avec le lancement d’Amazon Bedrock, un nouveau service qui rend les FMs d’Amazon et des principales startups d’IA telles que AI21 Labs, Anthropic et Stability AI accessibles via une API.
«Les clients nous parlent de l’utilisation de l’IA générative pour accélérer la découverte pharmaceutique, soutenir la recherche, accélérer le service client, et bien plus encore.»
Bedrock facilite la construction et l’expansion d’applications basées sur l’IA générative en utilisant des FMs. En proposant une variété de FMs, Amazon Bedrock prend en compte le fait qu’une seule solution ou modèle est peu probable de résoudre tous les problèmes commerciaux auxquels vous êtes confronté. Par exemple, certains FMs sont spécialisés dans les tâches conversationnelles et de traitement de texte, tandis que d’autres sont destinés à générer des images de haute qualité.
Personnalisez pour vous différencier
Pour certaines organisations, disposer de leurs propres ensembles de données personnalisés les aidera à différencier leurs applications d’IA générative. Et ces données propriétaires sont l’un de vos actifs les plus importants. C’est avec ces données que vous ajustez les modèles existants afin qu’ils soient fiables pour votre entreprise et vos cas d’usage.
Les clients peuvent facilement personnaliser les modèles en utilisant Bedrock. Il suffit de sélectionner quelques exemples étiquetés dans le stockage, et le service peut affiner le modèle pour une tâche particulière sans avoir à annoter de grandes quantités de données. Les clients peuvent ainsi configurer un système cloud qui fournira des données pour ajuster le modèle de manière sécurisée, avec toutes leurs données chiffrées.
Assurez-vous d’avoir une base de données solide
Une maison construite sur de mauvaises fondations ne durera pas. Il en va de même pour le ML. Avec l’IA générative, la qualité prime sur la quantité de données commerciales disponibles. Par exemple, si les données brutes que vous utilisez pour affiner les modèles de ML contiennent des erreurs, cela peut affecter la précision des prédictions et du contenu qu’ils génèrent.
Cependant, s’assurer que les données sont pertinentes, complètes et précises peut être un processus chronophage, prenant parfois des semaines. C’est pourquoi nous avons créé une solution dans Amazon SageMaker qui vous aide à compléter chaque étape du workflow de préparation des données, y compris la sélection, le nettoyage, l’exploration, la détection des biais et la visualisation à partir d’une seule interface visuelle en quelques minutes.
Comprenez l’impact de l’infrastructure
Avec les FMs – qu’il s’agisse de les exécuter, les construire ou les personnaliser – ils ont besoin d’une infrastructure performante et rentable, conçue spécialement pour le ML. Sinon, l’utilisation de l’IA générative devient impossible pour la grande majorité des organisations.
Pendant une décennie, nous avons investi dans notre propre technologie pour améliorer les performances et l’efficacité à des niveaux exceptionnels, notamment pour des tâches exigeantes telles que le machine learning (ML) et l’inférence. Nos puces AWS Trainium et AWS Inferentia offrent une solution performante et abordable pour former des modèles et effectuer des inférences dans le cloud.
Au-delà de la technologie
Enfin, soyez enthousiaste et abordez l’IA générative avec un esprit ouvert et curieux. Notre objectif est de permettre aux développeurs de tous niveaux de compétence et aux organisations de toutes tailles d’innover en utilisant l’IA générative. C’est le début de ce que nous croyons être la prochaine étape du ML, qui ouvrira le champ des possibles pour tous.