L’Actualité de la donnée d’Avril 2024

Vous êtes vous déjà demandé pourquoi est-ce que nous publions cette lettre ? Cette question car des lecteurs bienveillants m’interrogent : Est-ce que les liens de cette lettre ne sont pas trop « haut niveau » ou « trop futuriste » ?

Effectivement je partage des liens que je glane au fil du mois, au fil de l’actualité et des discussions. Avec passion et humilité, je tente d’éclairer sur ce que l’on vois se dessiner. Je mélange ainsi techno, business et actualité !

Le pic de froid que nous avons connu fin Avril n’a pas perturbé la baisse des prix de l’électricité sur le marché de gros. Le prix de l’électricité a même été négatif !  Comment est-ce possible ? Les data center sur le sol français ont dû apprécier. Et vous ? Le coût de l’électricité impacte-il le coût de votre infrastructure ? Si la réponse est oui – conservez précieusement les talents qui connaissent encore une machine physique… Vous pourriez en avoir besoin. 😊

He oui, cette lettre c’est pour aider à écrire le futur !

Meta montre la voie avec Horizon OS, LLAMA 3 afin que l’on puisse ré-inventer le futur ! Son futur. Car dès à présent il convient de s’acculturer à l’IA générative . Au Fait, où en êtes-vous sur la Data Littératie ?

Ouf, Salesforce ne rachète pas Informatica ! Sans doute un coup pour rien ! Le climat est à la consolidation.

Et Just Walk Out d’Amazon , qui est abandonné, pour tout ou partie ! Cela nous rappelle que l’automatisation ou l’innovation ne peuvent se faire sans l’Humain quand le principal intéressé est l’humain .

Les données jouent un rôle essentiel dans le fonctionnement et la croissance des entreprises … cependant cela reste encore abstrait pour certains. Voici quelques cas d’usage extrait de la presse du mois d’avril dernier :

• La Direction interministérielle du numérique (Dinum) s’engage dans une expérimentation d’intelligence artificielle générative (IAG) au sein des services publics. L’objectif est de développer un modèle souverain et open-source basé sur une infrastructure française. Ce modèle permettra d’optimiser les processus internes et d’améliorer les interactions avec les citoyens.

• Leroy Merlin , leader du bricolage, a utilisé l’intelligence artificielle pour optimiser ses stocks. Grâce à l’analyse de données de prévisions de ventes, de météo et d’inventaire en temps réel, l’entreprise a rééquilibré son réseau de distribution et automatisé le réassort de ses magasins. Résultat : une réduction de 10% du niveau de stocks !

• L’entreprise d’assurance La Matmut  intègre l’intelligence artificielle (IA) au cœur de son plan stratégique. L’IA est considérée comme un facteur de rupture et sera utilisée pour optimiser les processus internes et améliorer la relation avec les sociétaires . Des cas d’usage tels que la production de rapports réglementaires et la détection de la fraude sont déjà en réflexion.

• La startup française Hupi , basée à Izarbel à Bidart, se spécialise dans l’intelligence artificielle appliquée au secteur de l’énergie et du transport. Elle se distingue par son ancrage territorial fort au Pays Basque. Hupi commercialise une application d’assistant virtuel pour aider les dirigeants d’entreprise à prendre des décisions complexes de manière plus efficace. Elle est disponible en français, en basque et en espagnol.

Dans ces exemples, les données permettent d’optimiser les processus, de réduire les stocks, d’améliorer la relation client et de favoriser l’innovation au sein des entreprises. Elles sont un atout stratégique incontournable pour la croissance et la performance. 🚀

• Échantillonnage et vote :
  Le processus consiste à alimenter l’entrée d’un LLM pour générer plusieurs sorties.
  Ensuite, un vote à la majorité est utilisé pour déterminer le résultat final.

• Observations :
  Les performances des LLMs augmentent avec le nombre d’agents disponibles.
  Cette méthode est orthogonale aux méthodes complexes existantes.
  L’amélioration dépend de la difficulté de la tâche.

En somme, cet article propose une approche pour améliorer les performances des LLMs en utilisant plusieurs agents et sans nécessiter de méthodes compliquées.

Le second article, The Unreasonable Ineffectiveness of the Deeper Layers , explore une stratégie de réduction de la complexité des modèles de langage pré-entraînés à poids ouverts (LLMs).

Les auteurs ont constaté qu’une dégradation minimale des performances se produit après avoir supprimé une grande partie (jusqu’à la moitié) des couches du modèle ! Une fois un modèle entraîné, il convient donc d’identifier les couches qui n’apportent que peu de valeur pour les supprimer  et les remplacer par un ajustement (PEFT) pour réparer les éventuels dommages.