Sujet
Tous les articles d’Actu.ai consacrés à LLM : actualités, analyses et explications sur ce sujet lié à l’intelligence artificielle. 84 articles
Pour répondre à partir de données fiables, une IA peut récupérer des informations avant d’écrire, avec le RAG, ou les rechercher à plusieurs étapes, avec le RIG. Ces deux architectures n’offrent ni le même niveau de complexité ni les mêmes coûts. Voici comment les distinguer et choisir selon les usages.
Les attaques par inférence d’appartenance sont couramment utilisées pour savoir si un texte a servi à entraîner un modèle de langage. Une évaluation menée par des chercheurs, dont David Evans, montre pourtant que ces tests peuvent être peu fiables. En cause, la difficulté à définir ce qui distingue réellement une donnée d’entraînement d’une donnée extérieure.
À l’automne 2024, le prix d’un LLM ne se résume plus à une simple étiquette par requête. Les API facturent les tokens envoyés et générés, avec des écarts importants entre GPT-4o, Claude, Gemini, Llama ou Mistral. Voici comment lire les grilles tarifaires et estimer un budget réaliste.
Les moteurs de recherche ont été pensés pour des internautes, pas pour des modèles de langage qui doivent exploiter les résultats afin de répondre. Des chercheurs de l’Université du Massachusetts Amherst présentent eRAG, une méthode d’évaluation annoncée comme aussi fiable que les tests complets, mais bien moins coûteuse en calcul.
Longtemps moins présent que Databricks dans le machine learning, Snowflake accélère dans l’intelligence artificielle. Avec Cortex AI, son modèle open source Arctic, Cortex Search et Streamlit, l’éditeur veut réunir données, modèles et applications au sein d’une même plateforme managée.
Texte, code, mathématiques, analyse d’images ou recherche documentaire : Mistral AI décline son offre en 13 modèles aux capacités et licences distinctes. Ce guide publié en octobre 2024 aide à comprendre leurs différences, du petit modèle à déployer localement au grand modèle polyvalent destiné aux usages professionnels.
Texte, image, vidéo, sons et capteurs peuvent donner aux robots un contexte bien plus riche qu’une simple instruction écrite. Les modèles multimodaux et les LLM capables de planifier ouvrent des pistes prometteuses pour les gestes délicats, à condition de ne pas confondre compréhension du langage, entraînement des données et contrôle sûr d’une machine.
IBM a présenté Granite 3.0, une nouvelle génération de modèles d’intelligence artificielle intégrée à sa plateforme watsonx. Orientée notamment vers l’assistance au développement logiciel, cette famille mise sur l’open source pour élargir l’accès aux outils d’IA générative, favoriser l’adaptation des modèles et encourager la collaboration technique.
Wolfram Research cherche à rapprocher les grands modèles de langage de capacités de calcul et de données structurées. L’enjeu ne consiste pas seulement à générer une réponse plausible : il s’agit de produire des résultats que l’on peut calculer, contrôler et interpréter dans des contextes scientifiques ou professionnels.
Les grands modèles de langage impressionnent par leur aisance rédactionnelle, sans pour autant distinguer toujours le vrai du vraisemblable. L’augmentation de leur taille améliore de nombreuses capacités, mais ne garantit ni l’exactitude ni la reconnaissance de l’incertitude. Comprendre cette limite est essentiel pour les utiliser sans leur accorder une confiance excessive.
Amazon travaillerait sur Olympus, un modèle de langage géant qui pourrait compter 2 000 milliards de paramètres. Ce projet confidentiel, porté par les équipes d’Alexa AI et d’Amazon Science, renforcerait l’ambition du groupe dans l’IA générative et les services cloud AWS, face aux offres d’OpenAI et d’Alphabet.
xAI dévoile Grok, son premier assistant conversationnel, entraîné pendant deux mois et relié aux informations circulant sur X. Elon Musk promet un ton plus irrévérencieux et des réponses actualisées, mais le modèle est encore en bêta et devra faire ses preuves sur la fiabilité comme sur la sécurité.
