Récemment, Gartner a publié un nouveau rapport indiquant que, d'ici 2027, les entreprises utiliseront des modèles d'IA spécifiques aux tâches trois fois plus souvent que les grands modèles de langage (LLM) à usage général. Le rapport mentionne que, bien que les LLM possèdent de puissantes capacités de traitement du langage, leur précision diminue lorsqu'il s'agit de tâches nécessitant une compréhension approfondie de domaines commerciaux spécifiques. Par conséquent, de plus en plus d'entreprises se concentrent sur des modèles d'IA personnalisés pour répondre à leurs besoins spécifiques.
Source : Image générée par IA, fournisseur de services de licence d'images Midjourney
Sumit Agarwal, vice-président et analyste chez Gartner, affirme que ce changement est principalement dû à la complexité croissante des workflows commerciaux et à la demande croissante de précision. « Ces modèles plus petits et spécifiques aux tâches offrent des réponses plus rapides et utilisent moins de ressources informatiques, réduisant ainsi les coûts opérationnels et de maintenance », a observé Agarwal dans le rapport.
Contrairement aux LLM, les modèles spécifiques aux tâches peuvent être ajustés pour répondre aux besoins commerciaux spécifiques grâce à des techniques telles que la génération améliorée par récupération ou l'ajustement fin. Dans ce processus, les données d'entreprise sont extrêmement importantes, car elles peuvent aider les entreprises à personnaliser les modèles. Cependant, cela exige également que les entreprises effectuent des vérifications de qualité, la préparation et la gestion des données pour garantir que les données appropriées sont utilisées.
Agarwal affirme : « À mesure que les entreprises prennent de plus en plus conscience de la valeur de leurs données privées et des informations dérivées de processus spécifiques, elles peuvent commencer à monétiser leurs modèles et à fournir un accès à ces ressources à un public plus large, y compris leurs clients et même leurs concurrents. » Cela marque un changement chez les entreprises, passant d'une approche protectrice à une approche plus ouverte et collaborative dans l'utilisation des données et des connaissances.
Gartner propose également plusieurs recommandations aux entreprises lors de la transition vers des modèles d'IA plus petits. Cela inclut la réalisation de pilotes de modèles personnalisés dans les domaines où une compréhension approfondie du contexte commercial est nécessaire ou où les LLM existants ne répondent pas aux exigences de vitesse et de précision. Si un seul modèle ne suffit pas, Gartner recommande aux entreprises d'envisager l'utilisation combinée de plusieurs modèles et workflows. De plus, le rapport souligne l'importance d'investir dans la préparation des données et le développement des talents. Les entreprises doivent prioriser la conservation des données pour se préparer à la formation de modèles d'IA plus petits, ainsi qu'améliorer les compétences des équipes multifonctionnelles, y compris les parties prenantes clés telles que les scientifiques des données, les ingénieurs IA, les responsables de la conformité et les experts en achats.
Points clés :
🌟 Les modèles d'IA spécifiques aux tâches seront le choix principal des entreprises en 2027, trois fois plus souvent que les modèles d'IA à usage général.
⚙️ Ces modèles répondent plus rapidement, nécessitent moins de ressources informatiques et contribuent à réduire les coûts opérationnels des entreprises.
📊 Les entreprises doivent se concentrer sur la préparation des données et le développement des talents pour soutenir la personnalisation et l'application des modèles d'IA.