L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Dans un contexte où les modèles de langage de grande taille (LLM) peinent à éliminer les erreurs, Probably, une entreprise innovante, a levé 9 millions de dollars en financement d'amorçage grâce à Andreessen Horowitz. Cette somme servira à développer une méthode plus fiable pour détecter et corriger les erreurs dans les LLM.
Peter Elias, fondateur de Probably, explique que l'objectif est d'atteindre une précision de 99,99 %, un niveau courant dans les systèmes déterministes mais encore difficile à atteindre avec l'IA. Pour y parvenir, l'entreprise a conçu un outil de science des données qui offre des réponses rapides à partir de jeux de données complexes, tout en assurant la traçabilité des résultats.
L'outil fonctionne grâce à un système de validation déterministe qui vérifie les réponses initiales des LLM. Ce système, décrit par Elias comme un "costume mécanique de science des données", permet de réduire les erreurs en affinant le contexte, ce qui allège la charge de travail des modèles d'IA. Crucialement, le LLM a été entraîné contre le validateur pour garantir cette précision.
Probably a réussi à faire fonctionner son outil sur des modèles d'IA plus petits, réduisant ainsi les coûts d'exploitation. La version actuelle fonctionne sur un modèle qui est quatre classes plus faible que les modèles de pointe, ce qui signifie qu'il peut être exécuté sur du matériel local, comme un ordinateur de bureau, plutôt que dans un centre de données.
Cette approche est particulièrement pertinente à une époque où les coûts des jetons augmentent et où les entreprises cherchent à optimiser leurs budgets d'IA. Elias envisage d'étendre cette technologie à d'autres secteurs sensibles à la précision, comme la comptabilité et les services médicaux. Il souligne que les grands laboratoires d'IA n'ont même pas tenté de faire cela, car ils sont incités à ne pas le faire, gagnant de l'argent chaque fois qu'une correction du modèle est nécessaire.
