Eclairage - Prompt engineering et machine learning

Les Large Language Models (LLM) ont récemment fait leur apparition dans le paysage numérique mondial. Bien que l'adoption de ces technologies soit encore relativement récente, leur potentiel est énorme et devrait continuer à se développer dans les années à venir. Ces LLM comme les GPT de Open AI ou Paradigm de la société française Lighton embarquent nativement de nombreuses fonctionnalités qu’il faut savoir activer. En effet, le pré-entraînement de ces modèles génère des règles qui leur permettent d’inférer (passer de règle en règle) de manière native et ainsi être en mesure par exemple de réaliser des synthèses, de la classification, de l’analyse de sentiments et bien d’autres choses encore. Il faut cependant savoir activer ces fonctionnalités incluses dans ces modèles. ChatGpt et son prompt nous ont permis de découvrir qu’il fallait « savoir parler » à ces modèles pour obtenir d’eux le bon traitement. C’est ce que l’on appelle « Prompt Engineering ». « C’est une nouvelle science qui va permettre d’utiliser toute la puissance de ces modèles entrainés sur des expertises spécifiques et dont l’on peut obtenir dès à présent des gains de performance sans commune mesure avec les précédents modèles de Machine Learning. L’Intelligence Artificielle va donc voir cohabiter deux types de profils très différents. Un profil très matheux pour les data scientists en charge de mettre au point les modelés de machine learning qui vont persister dans toute la partie recommandation numérique et des prompts engineer qui n’auront besoin d’aucune forme de mathématique mais d’une compréhension pointue de l’interaction avec ces modèles de langage pour être en capacité d’activer les bonnes fonctionnalités afin d’obtenir la meilleure performance. Une répartition qui se fera en fonction des objectifs de transformation des entreprises », commente Stéphane Roder, CEO d’AI Builders, Cabinet de conseil en stratégie Data et IA.

Lire la suite...