Intelligence Artificielle
Explorez des analyses pratiques, des recherches et des références en intelligence artificielle, notamment l'IA générative, les grands modèles de langage, RAG, les cadres de gouvernance, les pratiques MLOps et le matériel d'IA. Comprenez les outils clés, les stratégies de mise en œuvre et les cas d'usage en entreprise qui façonnent le paysage de l'IA.
Explorez Intelligence Artificielle
- LLMBenchmark18 sep
IT agentique: les agents IA peuvent-ils concevoir un benchmark ?
Nous avons testé 16 modèles sur une conception de benchmark en text-to-SQL et en appel d'outils. Chaque modèle a construit un benchmark par sujet, pour un total de 32 soumissions. Aucune soumission n'a réussi tous les critères de la grille d'évaluation. Les agents ont pu construire et exécuter des tests, mais aucun n'a démontré à…
- LLMBenchmark17 sep
AIM Enterprise: Benchmark d'entreprise agentique
Les entreprises utilisent des LLM tous les jours pour leurs tâches courantes. Pour trouver les LLM les plus rentables, nous avons conçu AIM Enterprise, un benchmark d'entreprise agentique, dans lequel nous avons utilisé 69 tâches d'entreprise réelles couvrant la stratégie, le marketing, les RH, la vente et les opérations. Deux models juges ont noté chaque…
- Matériel IABenchmark17 sep
Alternatives au DGX Spark: RTX, Ryzen IA Halo et Mac Studio
Nous comparons les benchmarks d'inférence publiés pour DGX Spark, RTX et Ryzen IA Halo, couvrant le traitement des prompts, la génération de tokens et les contextes plus longs. Les alternatives incluent Framework Desktop, Mac Studio et les systèmes GB10 d'autres fabricants. La vitesse de décodage mesure les tokens de sortie générés par seconde. Des valeurs…
- Modèles d'IAAnalyse15 sep
Modèles de fondation mondiaux: 10 cas d'utilisation
Former des robots et des véhicules autonomes (AV) dans le monde physique peut être coûteux, long et risqué. Les modèles de fondation mondiaux offrent une alternative évolutive en permettant des simulations réalistes d’environnements du monde réel. Ces modèles accélèrent le développement et le déploiement en robotique, dans les véhicules autonomes et dans d’autres domaines en…
- Modèles d'IAAnalyse15 sep
Modèles de fondation de séries temporelles: cas d'utilisation et avantages
Les modèles de fondation de séries temporelles (TSFM) sont des modèles pré-entraînés qui prévoient, classent, imputent et détectent les anomalies dans les données de séries temporelles sans nécessiter un modèle distinct pour chaque dataset ou secteur. Les TSFM utilisent des architectures basées sur des transformers et des datasets de séries temporelles à grande échelle pour…
- L'IA dans l'industrieAnalyse15 sep
Top 20 applications d'IA pour la durabilité et 7 outils
En appliquant l’IA générative à l’optimisation logistique, à la prévision de la demande et à la réduction des déchets, les entreprises peuvent réduire leurs émissions dans l’ensemble de leurs opérations, au-delà des systèmes d’IA eux-mêmes. Découvrez 7 outils d’IA pour la durabilité et 20 applications avec des exemples concrets qui exploitent l’IA pour bâtir un…
- Applications GenAIAnalyse15 sep
10 Risques de l'IA générative et comment les atténuer
Alors que les industries privilégient l’IA générative pour l’innovation et l’automatisation, son potentiel augmente. Cependant, les risques de l’IA générative, comme les problèmes d’exactitude et d’éthique, demeurent. Relever ces défis est essentiel pour que l’IA profite à l’humanité. Découvrez les 10 principaux risques de l’IA générative et les mesures pour les atténuer : L’IA générative…
- Modèles d'IABenchmark15 sep
Comparer les modèles de fondation relationnels
Nous avons évalué SAP-RPT-1-OSS par rapport au gradient boosting (LightGBM, CatBoost) sur 17 jeux de données tabulaires couvrant le spectre sémantique-numérique, des tables petites/hautement sémantiques, des jeux de données métier mixtes et de grands jeux de données numériques à faible sémantique. Notre objectif est de mesurer où les a priori sémantiques pré-entraînés d’un LLM relationnel…