Aperçu
Qu’est-ce qu’un grand modèle de langage (GML)?
Un grand modèle de langage (GML) est un système d’intelligence artificielle (IA) évolué conçu pour comprendre et reproduire le langage humain. Créé avec des techniques d’apprentissage profond, principalement des réseaux neuronaux formés de multiples couches (d’où le qualificatif « grand »), on l’entraîne au moyen d’une quantité volumineuse de données textuelles. Cet entraînement permet au modèle d’identifier des éléments linguistiques, d’en saisir le contexte et de produire un texte cohérent en fonction du contexte fourni.
Quelle est son utilité pour l’entreprise?
Les GML produisent du contenu dynamique aisément. On pourra réutiliser ce contenu pour étoffer des applications servant à diverses fins comme le soutien à la clientèle, la genèse de contenu, la personnalisation, l’analyse des données et la formulation de déductions, l’automatisation de tâches routinières, l’exploration et l’analyse du web, ainsi que la traduction de données ou de langues. Les GML effectuent tout cela, souvent avec une grande fiabilité.
Pratiques exemplaires
Ce Propulseur propose l’application simple de divers GML ce qui permet de comparer la performance et le coût de différents modèles. Ainsi, l’utilisateur est encouragé à chercher puis à appliquer des techniques modernes qui l’aideront à créer du contenu pour une plateforme de production en recourant aux GML.
- Usage de fonctionnalités et d’outils. Les GML traitent le texte (la requête) comme une donnée d’entrée et restituent du texte comme donnée de sortie. Des fonctionnalités et des outils aident l’utilisateur à définir et à obtenir les objets formatés en JavaScript Object Notation (JSON) que l’interface de protocole d’application (API) pourra analyser facilement par la suite.
- Peaufinage et adaptation. Le peaufinage cisèle la requête en l’enrichissant avec les informations requises pour rendre le modèle plus précis et pertinent, selon l’usage auquel on le destine. La rédactique (on parle aussi, incorrectement, d’ « ingénierie de prompts ») consiste à formuler avec soin la requête afin d’orienter la réponse du modèle et d’offrir à l’utilisateur un résultat plus exact et utile.
- Surveillance et journalisation. En surveillant le temps écoulé avant d’obtenir une réponse et l’exactitude des résultats, on s’assurera de la performance du modèle. L’usage de journaux complets permettra de repérer les erreurs et les comportements inhabituels du modèle en vue de la déboguer et de l’améliorer.
- Extensibilité et fiabilité. Équilibrer la charge permet de répartir les requêtes uniformément entre les diverses instances du modèle, ce qui en garantira la fiabilité et la réactivité quand l’activité atteint un maximum. La redondance permettra d’éviter les points de défaillance unique, donc rendra le modèle plus fiable.
- Sécurité et conformité. On s’assurera que les données traitées par le GML se conforment à la réglementation applicable à la protection des renseignements personnels comme suit :
- en dissimulant ou anonymisant les données sensibles;
- en contrôlant rigoureusement l’accès à l’API du modèle et à l’infrastructure sous-jacente afin d’en empêcher l’exploitation sans autorisation;
- en évitant d’exposer les clés qui mènent aux services de tiers, aux GML ou au code du côté frontal, donc du client.
L’Outil d’évaluation des données (A-DAT) est un autre Propulseur dont on pourra se servir pour anonymiser les données.
- Commentaires et itérations. Mise en place de moyens pour glaner les commentaires des utilisateurs sur la performance du modèle. Les commentaires concourront à concevoir de meilleures versions du modèle et à peaufiner les requêtes. On mettra le modèle régulièrement à jour avec de nouvelles données et on le perfectionnera afin qu’il reste aussi performant que pertinent.
- Considérations d’ordre déontologique. Vérifier continuellement le modèle pour repérer les biais et prendre des mesures afin de les atténuer pour que les résultats soient justes et que rien ne les fausse. On ne cachera pas l’usage du GML aux utilisateurs, ni les limites du modèle.
