#DSI, parlez-vous l'Intelligence Artificielle [IA]. Génération augmentée par récupération [RAG].

     Vous trouverez, ci-après, les termes clés de l'Intelligence Artificielle [IA] de génération et ce qu'ils signifient réellement

     De systèmes agentifs à la stimulation zéro-shot, l'Intelligence Artificielle [IA] générative peut sembler un nouveau langage. Voici les termes que les DSI doivent connaître.

     Aussi soudainement que l'Intelligence Artificielle [IA] générative est apparue sur la scène, le nouveau langage qui l'accompagne est également apparu. Une liste complète du vocabulaire lié à l'Intelligence Artificielle [IA] ferait des milliers d'entrées, mais dans l'intérêt d'une pertinence urgente, voici les termes les plus entendus parmi les DSI, les analystes, les consultants et autres dirigeants d'entreprise.

Vous trouverez, ci-après, les termes clés de l'Intelligence Artificielle [IA] :

• Systèmes agentifs
• Alignement
• Boîte noire
• Fenêtre de contexte
• Distillation
• Intégrations
• Ajustement fin
• Modèles fondamentaux
• Ancrage
• Hallucinations
• Humain dans la boucle
• Inférer
• Jailbreaking
• Grand modèle de langage [LLM]
• Hyperscaler
• Intelligence Artificielle [IA] multimodale
• Invite
• Ingénierie de prompts
• Génération augmentée par récupération [RAG]
• Intelligence Artificielle [IA] responsable
• Petit modèle de langage
• Données synthétiques
• Base de données vectorielle
• Stimulation zéro-shot

Génération augmentée par récupération [RAG]

    La génération augmentée par récupération (RAG) est un moyen d'améliorer l'exactitude, la sécurité et la rapidité en ajoutant du contexte à une invite. Par exemple, une application qui utilise l’Intelligence Artificielle [IA] générative pour écrire des lettres marketing peut extraire des informations pertinentes sur les clients à partir d'une base de données, permettant à l'Intelligence Artificielle [IA] d'avoir accès aux données les plus récentes. De plus, elle permet à une entreprise d'éviter de former ou d'affiner le modèle d’Intelligence Artificielle [IA] sur les données réelles des clients, ce qui pourrait constituer une violation de la sécurité ou de la vie privée.

    Mais le RAG présente des inconvénients. Tout d'abord, il y a la complexité supplémentaire de collecter les informations pertinentes et de les déplacer dans des bases de données vectorielles. Ensuite, il y a le surcoût de sécurité pour s'assurer que les informations ne sont accessibles que par les utilisateurs ou les processus autorisés. Et il y a le coût supplémentaire de l'inférence elle-même, puisque le prix est généralement basé sur le nombre de jetons.

    Si on ingère des documents de plusieurs milliers de pages chacun, les coûts d'intégration peuvent devenir significativement élevés.

Maintenant, vous êtes bilingue en Intelligence Artificielle [IA] et lancer vos propres projets.