La Data & IA, les nouveaux artisans du Luxe
16 septembre 2024
L'IA révolutionne le secteur du luxe en optimisant la création, les opérations et le marketing, avec des solutions innovantes pour améliorer l'expérience client personnalisée.
Generative AI
Sauf si vous avez passé l’année sur une île déserte, vous avez entendu parler de Chat GPT, de Dall-E, de LLM1 et de l’IA Generative. Peut-être vous en servez vous tous les jours. Peut-être votre DG vous demande-t-il tous les jours quels en sont les impacts.
Nous avons une bonne nouvelle pour vous : on commence à y voir plus clair, et les impacts vont être énormes, mais pas forcément où vous les attendez !
Tout d’abord, quelques rappels si vous n’avez pas fait un PhD en Intelligence Artificielle. Ce que l’on appelle pompeusement Intelligence Artificielle est une partie de l’apprentissage machine (Machine Learning), en gros une application sophistiquée de la bonne vieille régression linéaire. Vous prenez un nuage de points et vous tirez une droite qui suit le nuage : la pente de la droite devient la règle apprise par la machine. Si vous combinez cela des milliards de fois, avec pas mal d’autres idées malines qui ont vu le jour ces dernières décennies, comme la vectorisation des mots2 ou encore « l’attention »3, et que vous permettez à des ordinateurs super puissants d’apprendre sur tout ce qu’on peut trouver sur internet et au-delà, il se passe quelque chose de magique, la machine semble comprendre ce que vous dites et vous répondre intelligemment. Elle est capable de traduire, de générer un texte, des poèmes, de résumer, de générer des images à partir d’un texte ou d’un croquis.
Forcément, c’est bluffant !
D’abord, la machine ne « comprend » pas vraiment, mais se contente de prédire le prochain mot – ou le prochain pixel – le plus probable en fonction de tout ce qu’elle a lu ou vu. Ce qui crée des réponses assez cocasses, parfois drôles, parfois choquantes, assez souvent fausses (37 % selon une étude4). Alors on essaye de la « dresser » avec des humains qui lui font subir un réglage plus fin.
Ensuite, si vous utilisez la version publique, vos questions lui servent à progresser. Si vous lui demandez de résumer votre stratégie, elle pourra la réutiliser pour répondre à une question de votre concurrent.
Enfin, la machine ne connait pas votre entreprise, vos systèmes, vos processus, ni le monde réel. Elle n’est donc pas du tout pertinente pour répondre à une question précise sur votre métier.
Tout cela fait que l’adoption réelle en entreprise est finalement assez faible.
En effet, les récents développements font qu’il existe de nombreux moyens d’apprendre à la machine à raisonner, en suivant des processus, en faisant appel à vos bases de connaissances ou à vos systèmes. Le tout dans un environnement privé, sécurisé, où vous garderez la propriété intellectuelle de vos développements et apprentissages.
Et ça, c’est révolutionnaire.
Les modèles de langage comme GPT sont formidables pour comprendre le langage et formuler une réponse. Pas forcément pour trouver la bonne réponse. La réponse est chez vous, mais les modèles la rendent accessible, en interne ou à vos clients, dans un cadre maitrisé.
A partir de là, une quantité d’applications sont possibles, de la simple interrogation d’un corpus de documents ou d’avis clients, à l’automate sophistiqué capable d’accompagner un client, de prendre en charge une tache répétitive, ou même de vous aider dans des taches plus créatives.
Nous avons pu mettre en place avec succès de telles applications chez nos clients, nous sommes à votre disposition pour imaginer vos cas d’usage et les développer avec de équipes agiles et performantes, dans des temps raisonnables.
Notes et sources
1. LLM Large Language Model
2. https://fr.wikipedia.org/wiki/Word2vec
3. https://arxiv.org/pdf/1706.03762v3.pdf
4. https://arxiv.org/pdf/2302.04023.pdf
Partager
Sur le même sujet