Chapeau rouge sur des modèles de petits langues ouverts pour une AI responsable et pratique

Influences géopolitiques sur le développement et l'utilisation de l'IA

Alors que les événements mondiaux continuent de façonner notre monde, ils impactent inévitablement le secteur technologique, en particulier le marché de l'IA. Cette influence s'étend à la manière dont l'IA est développée, ses méthodologies et son application au sein des entreprises. Le paysage actuel de l'IA mêle enthousiasme et scepticisme, certains adoptant son potentiel tandis que d'autres restent prudents en raison de ses débuts précoces.

Les modèles de langage à grande échelle (LLMs) traditionnels en boucle fermée, comme ceux des fournisseurs bien connus, font face à la concurrence de modèles plus ouverts tels que Llama, DeepSeek et Ernie X1 de Baidu. En revanche, le développement open-source offre transparence et opportunité de contribution communautaire, s'alignant sur le concept d'"IA responsable". Cette approche prend en compte les impacts environnementaux, l'éthique d'utilisation, les sources de données d'apprentissage, ainsi que les questions de souveraineté des données, de langue et de politique.

Red Hat, une entreprise reconnue pour son modèle économique open-source réussi, souhaite appliquer son approche collaborative et transparente à l'IA. Lors d'une récente conversation avec Julio Guijarro, CTO de Red Hat pour la région EMEA, nous avons discuté de leur stratégie pour exploiter le pouvoir de l'IA générative de manière responsable et durable pour ajouter de la valeur aux entreprises.

Le besoin d'éducation et de transparence

Julio a souligné la nécessité d'une meilleure éducation autour de l'IA, notant que sa nature complexe en fait souvent une "boîte noire" pour beaucoup. "Les mécanismes internes de l'IA, profondément ancrés dans une science et des mathématiques complexes, restent largement méconnus," a-t-il déclaré. "Ce manque de transparence est aggravé lorsque l'IA est développée dans des environnements fermés."

Les défis supplémentaires incluent la sous-représentation de certaines langues, les préoccupations liées à la souveraineté des données et les problèmes de confiance. Julio a noté : "Les données sont l'actif le plus précieux d'une organisation, et les entreprises doivent être conscientes des risques d'exposer des données sensibles à des plateformes publiques avec des politiques de confidentialité variables."

L'approche de Red Hat face à l'IA

La réponse de Red Hat à la demande mondiale pour l'IA se concentre sur la fourniture de bénéfices aux utilisateurs finaux tout en répondant aux doutes et aux limites associés aux services d'IA traditionnels. Julio a mis en avant le potentiel des petits modèles de langage (SLMs) comme solution. Ces modèles peuvent fonctionner localement ou sur des nuages hybrides en utilisant du matériel non spécialisé et accéder aux données commerciales locales. Les SLMs sont efficaces et spécifiques à des tâches, nécessitant moins de ressources que les LLMs.

L'un des principaux avantages des SLMs est leur capacité à rester à jour avec des données commerciales en rapide évolution. "Les grands modèles de langage peuvent devenir obsolètes rapidement car la génération de données se produit en dehors des grands nuages, juste à côté de vos processus métiers," a expliqué Julio.

Le coût est un autre facteur critique. "Les requêtes de service client utilisant un LLM peuvent engendrer des coûts cachés importants," a déclaré Julio. "Avant l'IA, les requêtes de données avaient une portée et un coût prévisibles. Avec les LLMs, chaque interaction peut augmenter les coûts car ils fonctionnent sur un modèle itératif. Exécuter des modèles sur site permet un meilleur contrôle des coûts, car ils sont liés à votre infrastructure, et non à des frais par requête."

Heureusement, les organisations n'ont pas besoin d'investir massivement dans du matériel spécialisé comme des GPU. Red Hat travaille à optimiser les modèles pour qu'ils fonctionnent sur du matériel standard, en se concentrant sur les modèles spécifiques dont les entreprises ont besoin plutôt que de traiter de grands ensembles de données à usage général à chaque requête.

L'importance des modèles plus petits et localisés

En utilisant et en référenciant des données locales, les résultats peuvent être adaptés à des besoins spécifiques. Julio a mentionné des projets dans des régions comme les mondes arabophone et lusophone, qui ne sont pas bien servis par les LLMs centrés sur l'anglais.

Les LLMs présentent des défis pratiques, y compris des problèmes de latence qui peuvent affecter les applications sensibles au temps ou orientées client. Garder les ressources et les résultats proches de l'utilisateur peut atténuer ces problèmes.

La confiance est un autre aspect crucial de l'IA responsable. Red Hat prône des plateformes, outils et modèles ouverts pour accroître la transparence et permettre une implication communautaire plus large. "C'est crucial pour tout le monde," a déclaré Julio. "Nous développons des capacités pour démocratiser l'IA, non seulement en publiant des modèles, mais en fournissant des outils permettant aux utilisateurs de les reproduire, ajuster et servir."

L'acquisition récente de Neural Magic par Red Hat vise à aider les entreprises à faire évoluer l'IA plus facilement, à améliorer les performances d'inférence et à offrir plus de choix dans la construction et le déploiement des charges de travail d'IA grâce au projet vLLM. De plus, en collaboration avec IBM Research, Red Hat a lancé InstructLab, ouvrant le développement de l'IA à des non-scientifiques des données possédant des connaissances commerciales précieuses.

L'avenir de l'IA

Alors qu'il y a beaucoup de spéculations sur la bulle de l'IA, Red Hat croit en un avenir où l'IA est adaptée à des cas d'utilisation spécifiques et reste open-source. Cette approche sera économiquement viable et accessible à tous. Comme l'a déclaré Matt Hicks, PDG de Red Hat : "L'avenir de l'IA est ouvert."