L’intelligence artificielle (IA) a révolutionné le paysage des entreprises, et ouvert un large éventail d’utilisations possibles, telles que les chatbots, l’analyse en temps réel du comportement des clients, le contenu marketing personnalisé, la détection des fraudes et la maintenance prédictive. Bien que les projets basés sur l’IA aient déjà démontré leur capacité à améliorer les performances et la productivité, de nombreuses entreprises restent prudentes, comme l’indique une récente étude du Boston Consulting Group. Néanmoins, l’adoption de l’IA va au-delà de ses avantages immédiats ; elle introduit également d’importants défis techniques, économiques, éthiques, réglementaires et, surtout, humains. Former les employés pour qu’ils comprennent mieux les outils d’IA et les utilisent avec discernement est crucial afin d’accroître l’efficacité, d’encourager l’innovation et d’améliorer la prise de décision pour en faire de véritables utilisateurs augmentés.

L’IA et l’apprentissage automatique s’intègrent progressivement dans les flux de travail quotidiens, souvent sans que les collaborateurs en soient pleinement conscients, que ce soit à travers des moteurs de recommandation pour le e-commerce, des systèmes de messagerie automatisés pour filtrer les spams, ou des plateformes collaboratives destinées à améliorer la communication interne. Cette présence croissante soulève des questions cruciales sur la formation et l’engagement des employés. Une étude de Forrester Consulting a révélé que seulement 31 % des décideurs estiment que leurs équipes sont enthousiastes à l’idée de l’intégrer dans leur travail. En effet, les appréhensions et les difficultés liées à ce changement peuvent compromettre le succès des initiatives en matière d’IA. Pour faire du facteur humain un avantage stratégique, la technologie doit non seulement stimuler la productivité, mais aussi susciter la confiance des employés – un objectif qui reste à atteindre.

L’importance de la formation continue

Pour atteindre des performances optimales, il est essentiel d’établir une collaboration transparente entre les employés et les machines, qui exploite leurs forces respectives : le leadership humain, le travail d’équipe, la créativité et les compétences sociales, associés à la vitesse, à l’évolutivité et aux capacités fonctionnelles des machines. Les collaborateurs doivent être formés pour enseigner à ces outils des tâches spécifiques, interpréter et expliquer les résultats générés par l’IA, en particulier lorsqu’ils sont controversés ou biaisés, tout en garantissant une utilisation responsable de la technologie. En outre, l’évolution des algorithmes d’apprentissage automatique exige une formation continue avec des ensembles de données spécialisés. L’IA générative, qui s’appuie sur de larges modèles de langage (LLM) conçus pour interagir avec le langage humain et entraînés sur de vastes quantités de données, en est un excellent exemple. Selon un rapport de McKinsey, un tiers des entreprises déclarent aujourd’hui utiliser régulièrement l’IA générative dans au moins une de leurs fonctions.

Adoption stratégique et conformité réglementaire

Pour que l’IA soit pleinement intégrée par les collaborateurs, elle doit être une priorité stratégique pour les dirigeants. Ces derniers ont tout intérêt à privilégier des solutions logicielles accessibles et conviviales, garantissant une adoption rapide et un retour sur investissement (ROI) plus élevé. Il est tout aussi essentiel que les organisations définissent clairement leurs objectifs avant d’introduire l’IA. Aligner cette technologie sur les défis commerciaux spécifiques permet aux entreprises d’assurer non seulement son efficacité, mais aussi une meilleure compréhension de ses objectifs par les employés, ce qui favorise leur engagement et la compréhension et renforce les chances de réaliser un ROI significatif.

Par ailleurs, les organisations doivent rester attentives aux cadres réglementaires, tels que la loi européenne sur l’IA, et adopter des politiques solides pour garantir la conformité aux exigences en constante évolution. Ces politiques devraient être intégrées dans la stratégie de conformité globale de l’organisation, guidant l’utilisation éthique et responsable de l’IA. Pour ce faire, les employés doivent recevoir une formation approfondie sur ces réglementations, afin de les aider à comprendre l’importance du respect des politiques de l’entreprise et la manière dont elles s’inscrivent dans le paysage réglementaire plus large. Cette formation est indispensable pour créer un environnement d’IA conforme et digne de confiance, en adéquation avec les obligations légales et les valeurs de l’entreprise.

Un catalyseur pour maximiser les avantages pour les entreprises

Pour tirer pleinement parti de l’intelligence artificielle, il est essentiel que les employés ne se contentent pas d’en reconnaître l’importance, mais qu’ils comprennent également son fonctionnement et son potentiel. En approfondissant leurs connaissances, ils peuvent maximiser l’utilisation des outils d’IA, réduire les tâches répétitives et accroître la productivité. Une meilleure compréhension des capacités de l’IA leur permettra aussi d’identifier de nouvelles applications dans leurs domaines respectifs, favorisant ainsi l’innovation. Une formation solide équipera les employés pour interpréter les données et les résultats générés par l’IA avec une plus grande précision, ce qui améliorera la qualité des décisions et élèvera leur expertise globale.

Une gestion efficace du changement est cruciale à la réussite de tout projet d’IA ; sans l’adhésion totale des employés, l’entreprise risque de ne pas tirer pleinement parti de la technologie. La qualité des données qui l’alimentent est également déterminante. Ces données doivent être fiables, complètes et compatibles pour garantir des performances optimales. Les modèles d’IA doivent également être étroitement alignés sur la stratégie de l’entreprise afin d’en maximiser la valeur. En outre, ces architectures doivent être évolutives, permettant une adaptation aux fluctuations du marché et un recyclage basé sur de nouvelles données afin de garantir une bonne expérience utilisateur.

L’avenir de la transformation numérique des entreprises sera indéniablement porté par l’intelligence artificielle. En investissant dans la formation et la sensibilisation des employés, les organisations peuvent libérer le potentiel de réussite de projets innovants, conduisant à l’émergence d’une véritable intelligence collaborative augmentée. Bien que l’IA ne soit pas destinée à remplacer les humains, il est clair que dans un avenir proche, les employés qui sauront exploiter son potentiel auront un avantage significatif sur ceux qui ne le feront pas.

Zhipu AI a annoncé récemment CogVideoX-5B, son dernier modèle text-to-video open source. Une autre start-up chinoise, tout aussi prometteuse, Minimax, a dévoilé sa première IA générative de vidéos lors de sa conférence des développeurs. “Magic Coin”, la vidéo générée par Video-01, la première itération du modèle éponyme de la start-up, a suscité un vif enthousiasme.

La génération de vidéos est une tâche beaucoup plus complexe que la génération d’images, impliquant une dimension temporelle en plus de la dimension spatiale, le modèle doit non seulement générer correctement chaque pixel, mais également prédire comment ce dernier évoluera pour produire une vidéo cohérente et fluide.

Alors que les modèles text-to-video précédents pouvaient générer des vidéos de quelques secondes, OpenAI avait fait sensation en février dernier avec Sora, son IA capable de produire des vidéos très réalistes d’une minute. Cependant, le modèle n’est toujours pas disponible au public.

Depuis, plusieurs entreprises chinoises sont entrées en compétition dans ce domaine avec l’objectif de rattraper, voire surpasser, leurs concurrents américains. En juin dernier, Kuaishou présentait ainsi Kling, capable de générer quant à lui des vidéos allant jusqu’à 2 minutes.

Minimax Video-01

Basée à Shanghai, fondée en 2021 par d’anciens employés de SenseTime, Minimax bénéficie du soutien de géants technologiques tels qu’Alibaba et Tencent. La première démonstration du modèle avec la vidéo “Magic Coin”, met en lumière sa capacité à générer des vidéos cohérentes à partir de simples descriptions textuelles. On peut constater dans la vidéo ci-dessous partagée par AI Movie que le mouvement des mains, une difficulté majeure pour les IA génératives, est ici plutôt naturel.

Cette première version du modèle permet déjà de produire des vidéos de six secondes en seulement deux minutes, à une résolution de 1280 x 720 pixels et une fréquence de 25 images par seconde. Cependant, MiniMax prévoit d’étendre rapidement leur durée à 10 secondes, et travaille à plusieurs mises à jour, notamment la possibilité de générer des vidéos à partir d’images et d’éditer ces vidéos de manière plus complexe dans les futures versions du modèle. Pour l’instant, la start-up n’a pas communiqué sur les paramètres et les détails techniques du modèle.

Les utilisateurs peuvent générer les vidéos à partir d’invites textuelles simples ou plus complexes allant jusqu’à 2000 caractères, ce qui leur permet de détailler le genre de contenu attendu, notamment l’action et le style.

Si vous désirez tester gratuitement le modèle, il suffit de vous rendre sur le site de Minimax, vous pourrez également y découvrir des vidéos générées par le modèle.

Selon la dernière publication du Guide mondial des dépenses en IA et en IA générative de l’International Data Corporation (IDC), le marché européen de l’IA et de l’IA générative (GenAI) atteindra près de 47,6 milliards de dollars en 2024. Malgré la généralisation de l’IA dans la sphère professionnelle, toutes les entreprises ne sont pas encore prêtes à en tirer pleinement parti. En effet, Gartner révèle que seulement 4 % d’entre elles estiment disposer de données « prêtes pour l’IA ». Pour exploiter efficacement cette technologie, les organisations ont tout intérêt à bien préparer leurs données afin d’éviter toute vulnérabilité face à un large éventail de problèmes potentiels.

Les biais dans les données entraînent des biais dans l’IA

Même si l’IA est censée être impartiale, les entreprises doivent toujours l’utiliser en accord avec leurs priorités commerciales. La fiabilité des résultats fournis par ces outils dépend entièrement de la qualité des données qui les alimentent. De ce fait, un manque de diversité dans les données affectera les résultats produits par l’intelligence artificielle. Il est souvent présumé que les statistiques sont intrinsèquement objectives ; cependant, elles peuvent être influencées par les biais des personnes qui les collectent.

Dès lors, pour tirer parti de tous les avantages promis par l’IA, les entreprises doivent s’assurer de la parfaite intégrité de leurs données, c’est-à-dire en garantir l’exactitude, la fiabilité et la contextualisation. Pour y parvenir, trois étapes majeures sont nécessaires : l’intégration des données existantes dans tous les environnements, la mise en œuvre d’une approche rigoureuse en matière de gouvernance et de qualité des données, et enfin l’exploitation de la géolocalisation et de l’enrichissement des données pour en extraire le maximum d’informations.

Intégrer les ensembles de données stratégiques à travers différents systèmes

Les grandes entreprises utilisent généralement plusieurs environnements, souvent disparates, pour héberger leurs données stratégiques relatives aux clients, aux prospects, aux fournisseurs, aux stocks ou bien aux employés. Dans le secteur des services financiers notamment, les informations sensibles sont généralement stockées dans des systèmes centraux très fiables et sécurisés. Toutefois, ils peuvent entraver l’intégration efficace des données complexes des mainframe dans les plateformes cloud où est gérée l’IA.

Pour améliorer la fiabilité et la crédibilité des résultats de l’IA, les organisations doivent d’abord éliminer les silos de données et connecter leurs données critiques hébergées dans des environnements cloud, on-premises ou hybrides, ainsi qu’entre dans leurs différents départements. Cette approche permet de regrouper les données similaires, telles que les données démographiques des clients ou les informations sur le pays où l’entreprise exerce une activité. Cette gestion globale offre aux modèles d’intelligence artificielle une compréhension plus complète des dynamiques et des corrélations recelées par ces données, aboutissant à des résultats plus fiables et fondés sur des informations de meilleure qualité.

Imposer une approche rigoureuse en matière de qualité et de gouvernance des données

Bien que l’intégration des données permette à l’IA de bénéficier d’une vision plus complète des informations d’une entreprise, des données de mauvaise qualité (inexactes, obsolètes, incomplètes, incohérentes ou non pertinentes) peuvent fausser les résultats, rendant le modèle d’IA moins fiable et moins utile. Ainsi, tout projet impliquant l’IA exige une attention particulière pour assurer la qualité des données en termes d’exactitude, de fiabilité et de pertinence. Cela comprend l’application proactive de règles de qualité des données et de procédures métier, l’automatisation de la validation et du nettoyage des données, ainsi que l’instauration de vérifications basées sur l’intelligence artificielle. Il devient alors plus facile pour les entreprises de détecter et de corriger rapidement les anomalies dans les ensembles de données, prévenant de nombreux problèmes futurs.

Par ailleurs, la gouvernance des données est essentielle pour assurer la confidentialité et la sécurité des informations utilisées par l’IA, et veille au respect des régulations sur la protection des données personnelles. La supervision de l’accès et de l’utilisation des données, intégrée dans ce cadre, est indispensable pour garantir leur utilisation appropriée selon les objectifs définis. Cette démarche permet aux modèles d’IA d’accéder aux informations nécessaires de manière éthique et responsable, constituant ainsi la base de la gouvernance de l’IA au sein de l’entreprise.

Exploiter les données externes pour mieux comprendre le contexte et réduire les préjugés

Enfin, il est impératif de disposer de données complètes et exactes pour obtenir des résultats fiables avec les outils d’intelligence artificielle. Cependant, sans contexte, ces outils peuvent être biaisés et manquer de précision, compromettant ainsi la prise de bonnes décisions et les modélisations prédictives. Les entreprises ont ainsi tout intérêt à accroître la diversité de leurs données et découvrir des corrélations inattendues en les enrichissant avec des jeux de données tierces fiables et des informations géospatiales, telles que les points d’intérêt ou les statistiques sur les risques environnementaux.

Aussi, les attentes des clients pour des communications personnalisées et des services sur mesure ont considérablement augmenté dans tous les secteurs. L’enrichissement des données clients permet alors aux entreprises d’obtenir une vision précise de leurs consommateurs et de se démarquer de la concurrence. En utilisant ces données enrichies pour alimenter les modèles d’IA, elles garantissent des résultats contextuellement pertinents et fiables pour toutes leurs décisions critiques.

Alors que l’utilisation de l’IA continue de croître à un rythme quasi exponentiel dans le monde des affaires, offrant des outils et des applications virtuellement illimités, une approche d’intégrité des données devient essentielle pour pouvoir exploiter pleinement cette technologie. En effet, une telle stratégie permet aux entreprises d’assurer la qualité des données qui alimentent les modèles d’IA, garantissant ainsi des bases de données précises, fiables et contextualisées, qui valorisent les résultats produits par l’IA.

Le Wall Street Journal a annoncé hier qu’OpenAI, la start-up derrière ChatGPT, avait entamé des pourparlers en vue d’une nouvelle levée de fonds qui pourrait lui permettre d’être valorisée à plus de 100 milliards de dollars.

Selon le quotidien, le tour de table devrait être mené par la société de capital-risque Thrive Capital, qui investirait elle-même environ 1 milliard de dollars. Microsoft qui, avec les 10 milliards investis dans la start-up l’an passé, en est le principal investisseur, devrait lui apporter également son soutien.

OpenAI, Microsoft et Thrive Capital n’ont pas répondu aux demandes de commentaires de différents médias, notamment Reuters. Cette annonce est donc à prendre avec prudence quand bien même cette information avait déjà été rapportée en décembre dernier par Bloomberg.

Selon ce dernier, la levée de fonds qui allait valoriser OpenAI à 100 milliards de dollars, voire plus, allait apporter à OpenAI les fonds nécessaires pour entraîner ses modèles d’IA mais Sam Altman, son PDG, avait également approché plusieurs investisseurs, dont les Émirats arabes unis, dans l’objectif de développer un réseau mondial d’usines de fabrication de semi-conducteurs.

OpenAI n’a pas les moyens de Microsoft qui s’est lancé en novembre 2023 dans le développement de ses propres puces d’IA pour Azure. Entreprendre cela serait pour la start-up une entreprise complexe, coûteuse et très risquée qui nécessiterait plusieurs années pour être mise en œuvre. La société aurait donc opté pour une collaboration avec d’importants acteurs du secteur des semi-conducteurs, Intel, Taiwan Semiconductor Manufacturing Company (TSMC), le principal fournisseur de puces de NVIDIA, et Samsung seraient, entre autres, de potentiels partenaires.

Ce projet, auquel s’intéresserait Microsoft, permettrait à OpenAI de s’assurer d’un approvisionnement certain pour le développement de ses IA génératives, mais également d’étendre ses capacités technologiques et de forger des partenariats stratégiques. Pour le concrétiser, Sam Altman se serait lancé dans une quête active de financement et serait en discussions avec des investisseurs majeurs, dont G42 auprès duquel il espérait lever entre 8 et 10 milliards de dollars, selon Bloomberg.

En juin 2023, Lisa Su, la CEO d’AMD, dévoilait le GPU Instinct MI300X, conçu pour l’IA générative et le HPC. Ce processeur graphique de nouvelle génération a démontré des performances impressionnantes lors des benchmarks MLPerf Inference v4.1, confirmant sa capacité à rivaliser avec les solutions de pointe de l’industrie, notamment le NVIDIA H100. Ces résultats marquent une avancée significative pour AMD, mettant en lumière la robustesse et la polyvalence de sa plateforme d’inférence full-stack.

L’importance des benchmarks MLPerf

Les benchmarks MLPerf, développés par MLCommons, sont essentiels pour évaluer la performance des matériels et logiciels d’intelligence artificielle (IA). Alors que les modèles de langage deviennent de plus en plus complexes, la nécessité d’une puissance de calcul efficace et d’une optimisation logicielle rigoureuse devient primordiale. Pour les entreprises, performer dans ces benchmarks fournit des preuves tangibles de l’efficacité de leurs solutions d’IA dans des scénarios d’inférence et d’entraînement.

Performances de l’AMD Instinct MI300X avec LLaMA2-70B

La soumission du GPU AMD Instinct MI300X au benchmark MLPerf Inference v4.1 a utilisé le modèle de langage LLaMA2-70B, reconnu pour ses performances élevées et sa polyvalence dans des applications réelles comme le traitement du langage naturel. Quatre tests ont été réalisés avec le GPU fonctionnant sur un système Supermicro AS-8125GS-TNMR2 dans deux scénarios distincts

• deux dans le scénario hors ligne, destiné à maximiser le débit de traitement en jetons par seconde ;
• les deux autres dans le scénario de serveur, visant à simuler des requêtes en temps réel avec des contraintes de latence strictes.

Les tests ont été effectués à l’aide de processeurs EPYC « Genoa » de 4ème génération et des processeurs EPYC « Turin » de 5ème génération.

Grâce à sa mémoire de 192 Go, le MI300X a pu exécuter l’ensemble du modèle LLaMA2-70B sur un seul GPU, évitant ainsi la surcharge réseau liée à la distribution du modèle sur plusieurs unités de traitement. Grâce à l’optimisation logicielle ROCm, le MI300X peut évoluer de manière quasi linéaire de 1 à 8 GPU, offrant une flexibilité et une performance accrues pour les charges de travail intensives.

Optimisations et Innovations

Instinct MI300X, compte 153 milliards de transistors, 192 Go de mémoire HBM3 à large bande passante et 12 chiplets. Le GPU dispose également d’une bande passante mémoire de 5,2 TB/s et de 896 Go/s de bande passante Infinity Fabric.

La clé du succès du MI300X réside dans plusieurs facteurs :

• Grande capacité mémoire : Avec 192 Go de mémoire HBM3, le GPU peut traiter des modèles de grande taille sans avoir besoin de les distribuer entre plusieurs unités, ce qui optimise le débit d’inférence ;
• Support du FP8 : AMD a intégré le format numérique FP8 dans sa pile logicielle ROCm, permettant une quantification précise des modèles sans perte significative de performance ;
• Optimisations logicielles : L’équipe d’AMD a travaillé sur l’optimisation du noyau, l’amélioration des algorithmes de planification dans vLLM, et l’amélioration de la gestion du cache KV, tout cela contribuant à une performance plus fluide et plus rapide.

Comparaison avec NVIDIA H100

La combinaison des GPU AMD Instinct MI300X et des processeurs AMD EPYC de 4ème génération montre une synergie efficace, optimisant les performances pour les charges de travail d’IA. Les performances de cette configuration sont très proches de celles du NVIDIA DGX H100, avec une différence de seulement 2 à 3 % dans les scénarios de serveur et hors ligne, en utilisant une précision FP8.

Dans certains cas, le MI300X a même dépassé le H100, notamment grâce à l’optimisation du traitement des LLMs. Cette réussite positionne AMD comme un concurrent sérieux sur le marché des accélérateurs d’IA, où NVIDIA domine.

La société déclare sur LinkedIn :

“De sa mémoire GPU massive, qui s’adapte à l’ensemble du modèle LLaMA2-70B sur un seul GPU avec de l’espace à revendre, à la prise en charge avancée de FP8 et aux optimisations logicielles de pointe, nous avons repoussé les limites des performances de l’IA. Exceller dans MLPerf Inference v4.1 est une étape importante pour AMD, soulignant notre engagement en faveur de la transparence et de la fourniture de données standardisées qui permettent aux entreprises de prendre des décisions éclairées”.

AMD prévoit de lancer les prochaines itérations de la série AMD Instinct, avec entre autres avancées, de la mémoire supplémentaire, la prise en charge de types de données de faible précision et une puissance de calcul accrue, dans les prochains mois. Les futures versions de ROCm apporteront des améliorations logicielles, notamment des améliorations du noyau et une prise en charge avancée de la quantification.

C’est par courrier qu’OpenAI a appris ce mardi 10 juillet que Microsoft avait décidé de ne plus occuper le poste d’observateur au sein de son conseil d’administration. Phil Schiller, responsable de l’App Store d’Apple, qui devait occuper un siège similaire à la suite de l’accord récent entre OpenAI et Apple pour intégrer ChatGPT dans les iPhones, ne le fera finalement pas, Apple ayant décidé de renoncer à ce poste, selon les sources du Financial Times.

Microsoft a investi massivement dans OpenAI : 13 milliards de dollars depuis 2019. Les 10 milliards investis en 2023 ont permis à la start-up de tenir financièrement alors que l’engouement autour de ChatGPT, dont seule la version gratuite existait, lui faisait perdre de l’argent. En contrepartie, Microsoft devait recevoir une partie des profits générés par OpenAI jusqu’à ce que l’investissement soit récupéré, puis obtenir 49 % de son capital.

Microsoft a obtenu ce poste d’observateur après que Sam Altman, évincé de son poste de PDG, ait réintégré sa place à la direction d’OpenAI et le conseil d’administration qui l’avait limogé, remanié. S’il pouvait participer aux réunions, il n’avait pas droit de vote.

La société écrit :

“Au cours des huit derniers mois, nous avons été témoins de progrès significatifs de la part du conseil d’administration nouvellement formé et nous sommes confiants dans la direction de l’entreprise. Compte tenu de tout cela, nous ne pensons plus que notre rôle limité d’observateur soit nécessaire”.

Selon un porte-parole d’OpenAI, la start-up réfléchit à “une nouvelle approche pour informer et impliquer ses principaux partenaires stratégiques”. Des réunions seront organisées régulièrement avec des partenaires clés tels que Microsoft et Apple ainsi que les investisseurs Thrive Capital et Khosla Ventures, afin de les informer des progrès et assurer une collaboration plus forte en matière de sûreté et de sécurité. Elles devraient être dirigées par Sarah Friar, la nouvelle directrice financière d’OpenAI.

La mainmise des grandes entreprises du secteur technologique sur le marché de l’IA générative.

Ce retrait pourrait être lié aux enquêtes des régulateurs de la concurrence américains et européens. La Federal Trade Commission a lancé en janvier dernier une enquête sur les investissements et les partenariats impliquant des start-ups d’IA générative et d’importants fournisseurs de services cloud, les investissements de Microsoft dans OpenAI en font partie.

Microsoft et Apple sont tous deux sous le viseur de la Commission européenne. Celle-ci reproche notamment à Apple les règles de l’App Store, jugées contraires au règlement sur les marchés numériques (DMA). En conséquence, Apple a décidé de ne pas lancer en Europe trois fonctionnalités prévues pour iOS 18, dont Apple Intelligence, son IA générative, en raison des obligations imposées par le DMA.

Si elle a conclu que Microsoft n’avait pas pris le contrôle sur OpenAI, elle estime qu’il enfreint les règles de concurrence de l’UE en liant son application Teams à Word et Excel.