Une IA Ethique pour transformer votre business
Il y a les différents tests plein de biais (on en parlait hier) mais là, c’est du concret : ChatGPT o1 avec son raisonnement logique en “Chain of thoughts” dépasse les humains sur les parties logiques, donc notamment sur le dév. Les compétitions ne peuvent plus accepter des IA, comme précédemment pour les Echecs et le jeu de Go. Clairement une étape de plus qui est franchie dans l’histoire de l’IA.
Les tests de performance LLM sont truffés de biais et utilisés par les fournisseurs de LLM. À garder en tête quand on doit faire le choix pour son entreprise. Un benchmark sur ses propres cas d’usages semble être malheureusement la seule solution.
Cela devrait avoir peu d’impact pour l’implémentation de l’IA dans les entreprises mais c’est quand même à retenir : les LLM sont majoritairement de gauche. Ca montre surtout la précaution qu’il faut avoir quant aux biais qu’ils possèdent…
Souvent une idée fausse des personnes sceptiques de l’IA : elle ne pourrait pas faire des tâches vraiment humaines. C’est l’inverse pour l’instant : l’IA bloque sur des tâches pourtant simples, mais peut simuler plus d’empathie qu’un humain.
Un rappel (contraire au marketing ambiant) : le RAG n’est pas la panacée. Grâce à lui un LLM fait moins d’erreurs, mais il en fait toujours. Cette étude qui teste les solutions professionnelles dans le juridique montre un taux d’erreur entre 17 et 33%. Les éditeurs rappellent à raison que le but n’est pas de remplacer les juristes, mais de les aider. Mais important de garder ce point en tête : l’IA générative n’atteint pas l’exactitude (et ce n’est pas son but).
La surprise vient plus du fait qu’un LLM générique comme chat GPT4 est plus efficace que du machine learning traditionnel et spécialisé sur ces sujets. On rappelle aussi que les LLM sont à l’aise avec les textes, beaucoup moins avec les chiffres. Ça peut donc aider les analystes, mais encore une fois pas les remplacer
Un enseignement du cas Google, qui introduit l’IA dans son moteur de recherche : une IA générative (Gen AI) peut se tromper. Même s’il est facile de s’amuser des erreurs présentées, cela doit surtout nous faire réfléchir sur le fait que ces erreurs proviennent souvent de la qualité des données d’entraînement et de l’incapacité de l’IA à comprendre réellement le contenu qu’elle ingère. La Gen AI fonctionne, et fonctionnera encore probablement un temps, dans des domaines où l’erreur est permise, voire un avantage, comme dans la créativité. Mais elle n’est pas (encore) adaptée là où les résultats doivent être 100 % exacts et exhaustifs.
Si les profs ne peuvent pas détecter les textes écrits par l’IA, en entreprise, impossible idem. Il faudra faire confiance à l’émetteur d’avoir vérifier les potentielles hallucinations et fausse affirmations
Un des plus gros problème des LLMs : ils oublient le milieu. Ici le problème se pose au niveau du prompt. Une solution pas forcément applicable dans tous les cas
Les LLM commençent à ne plus se laisser contourner par les hacks classiques mais reste un problème : ils ne savent pas corriger une information fausse et donc confirment les biais