LLM’s

Diffusion

Diffusion : Midjourney, SD, GPT

Will Smith eating spaghetti (april 2023)

Sora introduction (feb 2024)

Usages in business

Fruit d'entretiens avec des dizaines de dirigeants et d'experts, un rapport du MIT Technology Review Insights et de Databricks dresse un état des lieux de l'intégration "convaincante" de l'IA générative en entreprise.

Tour d'horizon des cas d'usage les plus intéressants :

1. Juridique : Rédaction automatisée de contrats standards à partir de paramètres saisis par l'utilisateur.

2. Énergie (Shell) : Extraction de nouvelles informations à partir de grandes quantités de documentation technique non structurée.

3. Banque : Chatbots et agents conversationnels capables de comprendre les requêtes en langage naturel, d'y répondre de manière pertinente et de réaliser des opérations simples.

4. Logiciels (Adobe) : Optimisation des processus internes tels que le tri des tickets de support, la rationalisation du catalogue logiciel et l'auto-réparation des problèmes IT.

5. Industrie (DuPont) : Génération de code à partir d'instructions en langage naturel pour accélérer le développement logiciel.

6. Manufacture : Automatisation de la rédaction de rapports techniques, y compris le texte, les tableaux et les graphiques, à partir des données de production.

7. Tendances (Shell) : Analyse de grands volumes de données non structurées, comme les retours clients, pour détecter les tendances et les changements de comportement.

8. Finance : Détection des tentatives de fraude, d'escroquerie ou de prise de contrôle de comptes clients par l'analyse des communications.

9. R&D industrielle : Proposition de nouveaux concepts de produits à partir des données sur les produits existants et les tendances du marché.

10. Santé : Génération de rapports médicaux à partir des notes du médecin, des résultats d'examens et des données patient, permettant aux praticiens de se concentrer sur les soins.

Pour en récolter tous les bénéfices, les entreprises doivent revoir en profondeur leur infrastructure de données et leur gouvernance. Les questions de sécurité sont au coeur des process.

" [La gouvernance de l'IA] est devenue fondamentale en raison des risques que pose l’introduction de données mal définies et non standardisées dans un modèle, en termes de biais et de dérive", explique un responsable d'un centre de santé.

"Pour réduire la complexité, il faut renoncer à l’idée d’un modèle généraliste détenteur de toute la connaissance humaine", insiste un responsable du MIT. "Il est préférable d’opter pour une connaissance spécialisée de très haute qualité, parce que c’est de cela dont les collaborateurs ont réellement besoin"

Source linked in Benoit Raphael (post from 3 may 2024 8h30)