Les responsables informatiques regardent au-delà des LLM pour répondre aux besoins de la génération IA

Mettre de nouveaux modèles en pratique

SaaS MakeShift de planification du travail est une autre organisation qui va au-delà du LLM pour aider à effectuer une planification prédictive complexe pour ses clients du secteur de la santé, de la vente au détail et de l’industrie manufacturière.

« Nous utilisions des LLM pour l’assistance par chat pour les administrateurs et les employés, mais lorsque vous entrez dans des données vectorielles et de grandes structures graphiques avec quelques centaines de millions de lignes de données interdépendantes et que vous souhaitez optimiser vers un modèle prédictif pour l’avenir, vous ne pouvez aller nulle part avec les LLM », déclare Danny McGuinness, directeur technique de MakeShift.

Au lieu de cela, MakeShift adopte ce qui est surnommé un nouveau grand modèle graphique (LGM) en attente de brevet de la startup Ikigai Labs du MIT.

« Nous exploitons les grands modèles graphiques avec des données structurées complexes, établissant ces relations de causalité et de corrélation », explique McGuinness.

MakeShift rejoint des entreprises telles que Medico, HSBC, Spirit Halloween, Taager.com, Future Metals et WIO pour déployer les modèles sans code d’Ikigai Labs pour les données tabulaires et chronologiques. Ikigai Labs — cofondé par Devavrat Shah, directeur du département IA et science des données du MIT, et Vinayak Ramesh — propose l’IA pour les données tabulaires organisées en lignes et en colonnes. La société a doublé ses effectifs au cours des six derniers mois et a réalisé un investissement de 25 millions de dollars à la fin de l’année dernière.

D’autres types de modèles multimodaux prenant en charge la vidéo émergent également pour les services logiciels qui s’appuient fortement sur la vision par ordinateur et la vidéo, offrant ainsi aux DSI une multitude de nouveaux outils auxquels faire appel pour exploiter des modèles d’IA adaptés à leurs besoins spécifiques.