Sıla Ermut
Sıla est analyste sectorielle chez AIMultiple, couvrant les modèles d’IA, l’infrastructure d’IA, la gouvernance de l’IA et les applications d’IA d’entreprise.
Centres d’intérêt de recherche
Les recherches de Sıla portent sur l’utilisation de l’IA dans le marketing, la santé, les chaînes d’approvisionnement et le développement durable. Elle couvre également l’évaluation, la gouvernance, l’éthique et l’adoption de l’IA.Ses travaux comprennent la recherche et la comparaison de technologies d’IA, l’analyse de leurs applications métier et la contribution aux benchmarks technologiques d’AIMultiple.
Expérience professionnelle
Sıla a précédemment travaillé comme recruteuse et dans des cabinets de gestion de projet et de conseil.Formation
Elle est titulaire de :- Licence en relations internationales de l’Université Bilkent.
- Master en psychologie sociale de l’Université Başkent.
Son mémoire de master portait sur les préoccupations éthiques et psychologiques liées à l’IA. Son mémoire examinait la relation entre l’exposition à l’IA, les attitudes envers l’IA et les angoisses existentielles à différents niveaux d’utilisation de l’IA.
Derniers articles de Sıla
Top 13 alternatives à GoAnywhere
Nous avons comparé les 13 meilleures alternatives à GoAnywhere MFT, en mettant en évidence leurs capacités de transfert de fichiers sécurisé, notamment les protocoles pris en charge, les options de déploiement et la disponibilité d'un essai gratuit. Remarque : Les notes sont basées sur Capterra et G2. Les fournisseurs sont classés en fonction de leur…
20 Stratégies d'amélioration de l'IA et exemples
Les modèles d'IA nécessitent une amélioration continue à mesure que les données, le comportement des utilisateurs et les conditions du monde réel évoluent. Même les modèles performants peuvent dériver lorsque les schémas appris ne correspondent plus aux entrées actuelles, ce qui entraîne une baisse de précision et des prédictions peu fiables. Les changements de réglementation,…
Grands models multimodaux (LMM) vs LLMs
Évaluez les LLMs et les LMM en comparant leurs scores de benchmark et leur latence en conditions réelles en cliquant sur le nom du model dans le tableau ci-dessous. Vous pouvez également peser leur tarification d’entrée et de sortie pour juger de l’efficacité et de la valeur globales. *L’audio est natif sur les models E2B,…
Benchmark Agentic Marketing AIM
Nous présentons le Benchmark Agentic Marketing AIM, qui mesure les performances des agents sur trois workflows marketing : analyse des lacunes concurrentielles, préparation de listes de cibles ABM et un deck de vente personnalisé. Nous avons également mené un audit séparé de la réputation du site web dans lequel les agents ont examiné le contenu…
Top 5 des garde-fous de l'IA: Xnode Cortx & Weights and Biases
Les défaillances de sécurité de l'IA sont coûteuses et de plus en plus fréquentes. De nombreux incidents proviennent d'une gouvernance faible, notamment de lacunes dans le contrôle d'accès, les autorisations de données et la supervision de l'utilisation des models. Les garde-fous de l'IA réduisent ce risque en fixant des limites exécutoires sur la manière dont…
10+ Exemples de Large Language Models
Nous avons rassemblé des benchmarks open-source pour comparer les principaux large language models propriétaires et open-source. Choisissez votre cas d'usage pour trouver le bon model. Vous pouvez évaluer les large language models en examinant leurs performances de benchmark et leur latence réelle (disponible en cliquant sur le nom de chaque model dans le tableau), et…
Comparatif des 9 principaux fournisseurs d'IA
L'écosystème d'infrastructure d'IA croît rapidement, avec des fournisseurs proposant des approches diverses pour la construction, l'hébergement et l'accélération de models. Bien que tous visent à alimenter les applications d'IA, chacun se concentre sur une couche différente de la pile. Nous avons benchmarké les fournisseurs les plus utilisés sur OpenRouter : Cerebras, DeepInfra, Fireworks AI, Groq,…
Outils de détection d'hallucinations IA: W&B Weave & Comet
Nous avons évalué trois outils de détection d'hallucinations : W&B Weave HallucinationFree Scorer (partie de CoreWeave Forge, anciennement Weights & Biases), Arize Phoenix HallucinationEvaluator et Comet Opik Hallucination Metric, sur 100 cas de test. Chaque outil a été évalué sur l'exactitude, la précision, le rappel et la latence. Nous avons testé 100 réponses (50 correctes,…
Les 25 principaux cas d'usage de l'IA générative dans la finance
J'ai passé une décennie à conseiller des entreprises de services financiers. Toutes les implémentations d'IA que j'ai vues suivaient le même schéma : des projets pilotes impressionnants en présentation, mais qui échouaient en production. Cela change. Les banques déploient désormais l'IA générative à grande échelle, et les résultats sont mesurables. Voici ce qui fonctionne réellement,…
17 Cas d'utilisation de l'IA générative dans la santé
Les systèmes de santé sont confrontés à une augmentation des volumes de données, à des pénuries de personnel et à des attentes croissantes en matière de soins personnalisés. L’IA générative apparaît comme une solution clé en synthétisant des données médicales non structurées, telles que les notes cliniques, les rapports d’imagerie et les antécédents des patients,…
Newsletter AIMultiple
Un e-mail gratuit par semaine contenant les dernières actualités technologiques B2B et des analyses d'experts pour accélérer la croissance de votre entreprise.