Aller au contenu principal

Traitement

Modèles de langage​

Les modèles de langage sont des systèmes d'IA avancés capables de comprendre, interpréter et générer le langage humain. Ces modèles sont entraînés sur d'immenses ensembles de données textuelles et apprennent les motifs, les combinaisons de mots, les structures de phrases, et même les subtilités des différentes langues et usages linguistiques. Le cœur de nombreux modèles de langage modernes est l'architecture transformer, qui utilise des mécanismes d'auto-attention pour déterminer quelles parties du texte sont importantes dans un contexte donné.

Lors du traitement du langage, ces modèles utilisent des méthodes statistiques pour prédire le mot ou la phrase suivante la plus probable dans un texte. Ils peuvent comprendre le contexte sur de longs passages de texte et, par conséquent, générer non seulement des textes grammaticalement corrects, mais aussi cohérents et pertinents sur le plan du contenu.

Lors de l'utilisation d'un modèle de langage pour un chatbot ou un générateur de texte, le modèle reçoit certaines invites ou données initiales et, en fonction de cette entrée, génère du texte qui suit logiquement le contexte donné. L'objectif de ces modèles est de produire du texte aussi proche que possible du langage humain, tant en termes de contenu que de style.

Modèles de texte à image​

Les modèles de texte à image sont des systèmes d'IA capables de générer des représentations visuelles à partir de descriptions textuelles écrites, telles que des photographies, des illustrations ou d'autres types de matériel visuel. Ces modèles utilisent des réseaux de neurones avancés, plus précisément des réseaux génératifs antagonistes (GAN) ou des variations telles que les modèles de diffusion.

Le processus commence par une description textuelle saisie par un utilisateur. Le modèle évalue ce texte et tente de comprendre sa signification et son contexte. Il génère ensuite des images correspondant à la description textuelle, en utilisant ce qu'il a appris pendant l'entraînement, en s'entraînant sur d'immenses ensembles de données de paires texte-image.

Pendant l'entraînement, le modèle apprend des associations entre des descriptions textuelles et des caractéristiques visuelles. Par exemple, si le modèle voit à plusieurs reprises la combinaison de mots "un soleil jaune au-dessus d'une mer bleue" associée à des images illustrant ce scénario, il apprend à reconnaître et à reproduire ces éléments dans de futures créations d'images.

Le résultat sont souvent des images étonnamment précises et détaillées qui correspondent à la description textuelle saisie. Ces modèles deviennent de plus en plus sophistiqués et sont capables de représenter des scénarios complexes avec plusieurs objets et des concepts abstraits. Ils sont utilisés dans un large éventail d'applications, y compris les créations artistiques, la conception de jeux, la réalité virtuelle et plus encore.

Modèles déverrouillés par AI-Corporate​

Il est important de comprendre qu'AI-Corporate déverrouille différents modèles d'IA proposés par de grandes entreprises technologiques via une API. Une API, ou Interface de Programmation d'Application, est un ensemble de règles et de définitions permettant à des logiciels de communiquer entre eux. Elle fonctionne comme une sorte de "langue" comprise par les programmes pour échanger des informations et appeler des fonctions les unes des autres. AI-Corporate n'a pas ses propres modèles de langage ou de texte à image.

Nous ne sommes pas responsables des résultats des différents modèles. Cependant, nous avons porté une attention particulière à la sélection des modèles les plus performants et les plus intéressants pour les entreprises.

Procédure de traitement​

La procédure suivante est suivie pour générer une réponse :

  • L'utilisateur crée un prompt.
  • L'application web front-end le relie à la conversation active et ajoute un message de chat avec le statut "Initialisation".
  • Sur les serveurs d'AI-Corporate, une fonction est déclenchée par l'ajout d'un message de chat.
  • Le statut du message de chat est défini sur "Traitement".
  • Lors de la sélection d'une conversation avec des documents, le serveur envoie d'abord une requête à la base de données vectorielle Firestore pour sélectionner les textes des documents.
  • Le serveur envoie ensuite la requête via une connexion API au modèle de langage sélectionné.
  • Si le paramètre Streaming est activé, nous conservons le message après chaque 10 chunks reçus et après chaque 25 chunks après la réception de 100 chunks.
  • Une fois la réponse entièrement reçue, le statut est défini sur "Terminé".
  • L'application front-end est rafraîchie après chaque mise à jour de la base de données.
  • En cas d'erreurs détectées, le statut est défini sur "Erreur" et un message d'erreur est affiché.

Nous n'envoyons aucune donnée personnelle avec chaque requête API. Cependant, l'utilisateur peut avoir inclus des données personnelles dans le prompt ou dans les documents téléchargés.