L'IA générative appliquée à l'entreprise

Avec l'avènement de l'IA générative (GenAI), un éventail remarquable de fonctionnalités est apparu, englobant la génération de divers contenus numériques, y compris du texte, du code, des images, des simulations, des objets 3D, de la musique, de la vidéo, et potentiellement d'autres productions créatives qui n'ont pas encore été dévoilées.

Le fondement de GenAI repose sur le modèle du transformateur, une architecture d'apprentissage approfondie qui excelle dans la compréhension du contexte et du sens en suivant les relations au sein des données séquentielles, telles que les mots de cette phrase. Contrairement aux réseaux neuronaux conventionnels, le Transformer utilise un mécanisme d'auto-attention qui lui permet de se concentrer sur différentes parties de la séquence à chaque étape. Cette caractéristique remarquable permet au modèle de saisir les relations complexes entre les éléments de la séquence et de traiter efficacement les séquences longues.

Conçu à l'origine pour la traduction linguistique, le Transformer se distingue par sa capacité d'adaptation inégalée à diverses tâches. Les modèles Transformer préformés peuvent s'adapter rapidement et sans effort à de nouvelles tâches pour lesquelles ils n'ont pas été explicitement formés. Par conséquent, en tant que praticien du Machine Learning, la charge que représente l'entraînement de grands modèles sur de vastes ensembles de données diminue. Au lieu de cela, il est possible d'adapter le modèle pré-entraîné à une tâche spécifique, éventuellement avec des ajustements mineurs et un ensemble de données beaucoup plus réduit.

Architecture fonctionnelle de l'IA générative

La génération actuelle de grands modèles linguistiques (LLM – Large Language Model) a fait preuve d'une compétence de niveau humain dans des tâches englobant la génération de textes, la réponse à des questions et la traduction de langues. Parmi les exemples les plus remarquables de LLM, citons GPT-4 développé par OpenAI, qui génère de manière efficace des réponses textuelles semblables à celles d'un être humain pour un large éventail de questions. En outre, le modèle BERT de Google est conçu pour comprendre les nuances contextuelles des mots et des expressions dans les phrases.

Le domaine de la GenAI connaît une expansion rapide, marquée par des contributions substantielles d'acteurs clés de l'industrie, tels que Google, Microsoft, OpenAI et Anthropic.

Les LLM ont trouvé une large utilité dans diverses applications, notamment les chatbots, les assistants virtuels et d'autres systèmes qui nécessitent des réponses en langage naturel générées par ordinateur. Leur adoption généralisée dans ces contextes atteste de leur capacité à comprendre et à générer des résultats linguistiques de type humain, améliorant ainsi l'expérience des utilisateurs et les interactions avec les systèmes informatiques.

Mise en œuvre de la GenAI chez Ericsson

En tant que l'une des plus grandes avancées technologiques, la GenAI apparaît comme une technologie remarquablement polyvalente ayant le potentiel de révolutionner divers aspects de toute organisation, à condition qu'elle soit utilisée de manière responsable. L'évolution rapide du paysage de la GenAI dévoile continuellement de nouvelles possibilités d'application, ce qui promet des progrès significatifs à l'avenir.

Chez Ericsson, l'équipe Enterprise Automation and AI se concentre sur l'exploitation du potentiel de la GenAI dans nos opérations internes. Pour promouvoir son adoption à grande échelle, trois cas d'usage primordiaux ont été identifiés comme des moteurs initiaux pour l'intégration de GenAI à l'intérieur de l'entreprise. Ces cas d'usage constituent la première étape d'une intégration réussie de la GenAI dans l'ensemble de l'organisation.

Assistant intelligent

Le premier cas d'usage mis en œuvre avec succès au sein de notre organisation est un assistant intelligent, un outil hautement adaptable doté d'une interface conversationnelle, basée sur le chat, couplée à un modèle de langage génératif. En s'appuyant initialement sur le modèle GPT développé par OpenAI, nous explorons continuellement l'intégration d'autres modèles pré-entraînés ou de modèles affinés utilisant nos données propriétaires pour répondre à des cas d'usage spécifiques. Cet assistant intelligent est un atout précieux pour les différents services, car il aide les employés dans leurs tâches quotidiennes.

Nous suivons de près la mise en œuvre de l'assistant intelligent, anticipant des informations précieuses sur son impact potentiel. La solution est prometteuse, même si ses applications spécifiques doivent encore être pleinement comprises. C'est également ce que l'on attend des implémentations de la première génération de GenAI et nous sommes très curieux de savoir comment elle sera utilisée.

“Coding buddy“

L'IA générative est très prometteuse dans le domaine du codage, le "coding buddy" numérique apparaissant comme un outil de transformation pour les développeurs de logiciels. Il contribue de manière transparente à diverses tâches quotidiennes, notamment à expliquer un code, à le générer, à identifier les bugs, à les corriger, à générer des tests et à atténuer les vulnérabilités. Servant de binôme numérique programmeur, il collabore avec les développeurs humains pour accélérer l'écriture d’un code et réduire la charge de travail. Une étude de Microsoft a révélé que les développeurs équipés de GitHub Copilot ont terminé un exercice de codage 56 % plus rapidement que le groupe de contrôle (https://arxiv.org/abs/2302.06590). Avec des preuves aussi convaincantes, nous nous attendons à ce que cette technologie stimule considérablement la productivité dans les tâches de codage.

Outils de recherche intelligents

L'IA générative présente un potentiel important dans le domaine des outils de recherche intelligents. Aujourd'hui, les outils de recherche interne s'appuient généralement sur la correspondance des mots-clés et sur des algorithmes prédéfinis pour retrouver les informations pertinentes. L'IA générative peut améliorer l'expérience de recherche de trois manières différentes :

• Interprétation améliorée de l'intention - la capacité à comprendre le contexte permet d'interpréter avec précision les requêtes ambiguës. Il peut générer des termes de recherche connexes sur la base des données fournies par l'utilisateur, en élargissant la requête de recherche pour obtenir un éventail plus large d'informations pertinentes.
• Indexation améliorée - indexer de grandes quantités d'informations, y compris des contenus textuels, visuels et multimédias. Elle peut utiliser l'indexation sémantique, qui prend en compte la signification et le contexte des mots et des phrases, ce qui permet d'obtenir des résultats de recherche plus précis et plus pertinents.
• Réponse générative - aide à formuler une réponse à votre question spécifique.

 

En formant un modèle sur nos données exclusives, il peut être utilisé à la fois en interne et en externe, offrant la possibilité d'améliorer la précision, la rapidité et de laisser une impression positive durable.

En guise de conclusion, nous devons être conscients du fait que chaque technologie s'accompagne d'un ensemble d'opportunités et de risques qui lui sont propres. Si l'IA générative peut débloquer de nouveaux niveaux d'efficacité, de productivité et d'innovation, elle soulève également des questions éthiques concernant la vie privée, la sécurité et l'avenir du travail. Nous devons donc veiller à utiliser l'IA générative de manière réfléchie et responsable.

 

Autres articles de blog intéressants :

https://www.ericsson.com/en/blog/2021/8/ai-powered-organization-decision-making

https://www.ericsson.com/en/blog/2021/4/blockchain-technology

https://www.ericsson.com/en/blog/2020/10/democratizing-ai

https://www.ericsson.com/en/blog/2021/10/process-mining-ai-task-mining