Les applications de génération IA, quelle que soit la nature des objets à fabriquer, passent nécessairement par 2 phases spécifiques. La "tokenization" revient à découper des objets à analyser en tokens, ceux-ci pouvant être des pixels en niveaux de gris dans une image, des "morceaux" de texte en analyse NLP du langage naturel, des descriptions hétérogènes de ressources, etc. Quant à l’intégration "embeddings", il s’agit de la traduction de la numérisation des tokens en bases de données, le plus souvent vectorielles, susceptibles de stocker des objets à N dimensions.
Il y a beaucoup de concepts nouveaux dans cette approche, ce qui explique sans doute qu’un pourcentage très élevé d’applications de ce type n’aboutissent pas.
Notre webinaire a pour vocation de débroussailler le sujet, à détecter ce qu’il faut savoir, les connaissances à acquérir et le marché dans lequel tout cela s’insère.
Nous ne sommes pas convaincus qu’une application lourde de génération IA portant sur des données privées, mais en utilisant un modèle de génération IA existant, comme les LLM Gemini, ChatGPT ou Claude, soit à réaliser en interne. Les risques sont encore très élevés et peut-être faut-il faire confiance à des prestataires spécialisés -mais il n’y en a pas beaucoup- ou attendre que les expériences se multiplient.
Cela dit, entendons-nous bien, il ne s’agit pas ici de "développer" du code, mais de mettre en place la chaîne de génération, dans laquelle il y aura à traiter les aspects "tokens" et "embeddings".
Si on veut, par exemple, développer une chaîne de recommandation, à la suite de l’achat d’un produit ou effectuer une classification particulière dans notre périmètre de compétences, il faudra traiter les objets, les découper et les stocker en numérique. C’est exactement ce que nous vous proposons d'aborder dans ce webinaire.