L’astuce pour de meilleures réponses grâce à l’IA générative

L’IA générative offre un grand potentiel en tant qu’interface permettant aux utilisateurs d’interroger vos données de manière unique pour recevoir des réponses adaptées à leurs besoins. Par exemple, en tant qu’assistants de requête, les outils d’IA générative peuvent aider les clients à mieux naviguer dans une vaste base de connaissances sur les produits à l’aide d’un simple format de questions et réponses.

Mais avant d’utiliser l’IA générative pour répondre à des questions sur vos données, il est important d’abord d’évaluer les questions posées.

C’est le conseil que Lucky Gunasekara, PDG et co-fondateur de Miso.ai, donne aujourd’hui aux équipes développant des outils d’IA générative.

Miso.ai est le partenaire fournisseur pour le Réponses intelligentes projet ici sur CIO.com et quatre de nos sites sœurs. Smart Answers utilise l’IA générative pour répondre aux questions sur les articles publiés sur les sites Web CIO.com et Foundry Computerworld, CSO, InfoWorld et Network World. Miso.ai a également construit un projet Answers similaire pour les sites Web de technologie grand public d’IDG, PCWorld, Macworld et TechHive.

Intéressé par la manière dont Smart Answers présente ses informations, j’ai demandé à Gunasekara de discuter plus en profondeur de l’approche de Miso.ai pour comprendre et répondre aux questions des utilisateurs.

Les grands modèles linguistiques (LLM) « sont en réalité beaucoup plus naïfs que nous ne le pensons », explique Gunasekara. Par exemple, si on lui pose une question avec une opinion bien arrêtée, un LLM partira probablement et examinera les données qui confirment l’opinion, même si les données disponibles montrent que l’opinion est fausse. Ainsi, si on lui demande « Pourquoi le projet X a-t-il échoué ? », un LLM pourrait faire apparaître une liste de raisons pour lesquelles le projet a été mauvais, même s’il a été un succès. Et ce n’est pas quelque chose que vous souhaitez qu’une application publique fasse.