Une IA Ethique pour transformer votre business
Une nouvelle expression pour faire le tri dans les “Agents” : les Proxy Agents propulsés par des LMLM (Large Meta Learning Models) vs les Narrow agent ou copilotes avec des LLM (ce qu’on voit le plus aujourd’hui). La stratégie est intéressante : commencer par le grand public pour entraîner les agents et attaquer les entreprises ensuite. Comme ce qu’a fait OpenAI avec chatGPT ? Smart…
A la conférence Gemini at Work, Google liste 185 cas d’usages parmi ses clients. Attention marketing. Mais très intéressant de scanner la liste : pour la grande majorité, on reste sur de la GenAI chatbot et bureautique en mode copilote. Aucun Agents autonomes au sens strict, rien de surprenant, bien que ce soit dans tous les titres des catégories. Je liste les plus intéressants/surprenants.
Chacun à sa place, le boss de OpenAI valorisé maintenant 150 milliards de dollars peint un avenir en rose qui va encore plus faire paniquer les sceptiques. Aucun n’ayant raison, Techcrunch reprend chaque point et le qualifie de “Believable” ou “Hype”. Cela donne un bon équilibre sur ces débats futuristes où en fait, personne ne sait. Une chose est souvent sûre, ça ne se passe jamais comme on le pensait.
C’est finalement le moyen le plus simple de commencer avec l’IA en utilisant ce qu’il y a sur étagère. Et là Microsoft, qui n’a jamais fait les meilleurs produits et souvent copié les meilleurs, a un avantage certain : son parc d’installation. Dans la vague 2 qui se lance, on trouve de nouvelles briques intéressantes. À tester, et en toute sécurité, à la différence parfois des services existants et plus “fancy”. Un compromis simplicité-sécurité sur performance-coût qui peut être très pertinent au début.
Sam Altman rappelle qu’on n’est pas encore au niveau des Agents (ce qui serait le niveau 3 défini par OpenAI), mais que nous sommes passés au niveau 2 (Reasoners) avec leur dernier modèle (o1). Cela donne plein d’espoir sur ce qui est à venir et calme en même temps sur la situation actuelle : le terme Agent est plus que galvaudé, même le fournisseur de technologie dit qu’on n’y est pas…
C’est à la fois rassurant et inquiétant : Microsoft se paie une centrale nucléaire pour 20 ans pour couvrir ses besoins en énergie, principalement pour l’IA. N’oublions pas la responsabilité des entreprises : faire tourner des LLM sur des GPU très consommateurs alors qu’un bon algorithme sur CPU fait l’affaire, c’est ce qui fera la différence à terme. Soyons frugaux sur les IA, il est facile de pointer du doigt les fournisseurs alors qu’ils le font en prévision de notre demande.
La fameuse “Hype Cycle” de Gartner. Generative AI tombe dans le Trough of Disillusionment et les Autonomous Agents ne sont pas encore dans le Peak of Inflated Expectations. Voyons la version 2025, ça devrait changer !
Explication très didactique sur les Agents, notamment comparé aux LLM et aux “compound AI system”. Ca ne prend que 15 minutes, à partager : pas sûr que tout le monde visualise la différence. Notamment quand le marketing parle “d’agents conversationnels” qui brouille les cartes.
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.