Les LLM sont aujourd’hui omniprésents et n’ont plus besoin d’être présentés. Que vous soyez dans la technologie ou non, il y a de fortes chances que vous ayez rencontré ou que vous utilisiez actuellement une forme ou une autre de LLM au quotidien. Les LLM les plus connus à l’heure actuelle sont GPT (OpenAI), Claude (Anthropic) et Gemini (Google).
Cependant, ces LLM populaires fonctionnent souvent comme des systèmes abstraits ou à boîte noire, ce qui soulève des inquiétudes quant à la confidentialité des données et à la transparence. Pour résoudre ces problèmes, plusieurs LLM à code source ouvert sont disponibles, ce qui permet aux utilisateurs de les déployer sur des machines ou des serveurs privés en toute tranquillité.
L’Open Source désigne les logiciels ou produits distribués avec leur code source librement disponible pour inspection, modification et distribution. Cette accessibilité permet aux utilisateurs de comprendre, d’améliorer et de contribuer au développement du logiciel.
Voici quelques-uns des meilleurs LLM open source actuellement disponibles :
Llama 2 est un LLM open-source développé par Meta, offert gratuitement à des fins commerciales et de recherche. Les modèles du Llama 2 sont formés sur deux billions de jetons et disposent d’un contexte deux fois plus long que celui du Llama 1.
Les paramètres du modèle ont une incidence directe sur sa capacité à comprendre un texte, les modèles plus grands offrant de meilleures performances au prix d’une augmentation de la taille et des ressources nécessaires.
Variantes disponibles : Paramètres 7B, 13B et 70B
Fenêtre contextuelle : 4096 jetons
Langues prises en charge : Meilleures performances en anglais
Mixtral 8x7B, développé par Mistral AI, est un LLM contenant 46,7 milliards de paramètres au total. Malgré sa taille, il conserve une vitesse d’inférence et un coût similaires à ceux des modèles d’un tiers de sa taille. Ce modèle de mélange d’experts transformateurs (MoE) pour décodeur uniquement est nettement plus performant que LLama 2 et GPT-3.5 dans certains points de référence.
Variantes disponibles : Minuscule, petite, moyenne et grande (de la plus économique à la plus performante)
Falcon, développé par le Technology Innovation Institute (TII) d’Abu Dhabi, est un autre modèle de LLM open source. Après son lancement, Falcon 40B a occupé pendant deux mois la première place du classement de Hugging Face pour les grands modèles de langage (LLM) open source. Avec la variante 180B, TII améliore encore les connaissances du modèle et ses capacités de compréhension des données. Falcon 180B est un modèle linguistique surpuissant formé sur 3,5 trillions de tokens.
Variantes disponibles : Falcon 40B et Falcon 180B
Fenêtre contextuelle : 4096 jetons
Langues prises en charge : Anglais, allemand, espagnol, français, avec un support limité pour l’italien, le portugais, le polonais, le néerlandais, le roumain, le tchèque et le suédois.
BLOOM est un modèle linguistique autorégressif (LLM) développé par Big Science. Entraîné sur 176B paramètres, BLOOM excelle à générer des continuations de texte à partir d’invites en utilisant de vastes quantités de données textuelles et des ressources informatiques à l’échelle industrielle.
Gemma, la dernière version ouverte du LLM de Google, fait suite au succès de Gemini. Gemma est une famille de grands modèles linguistiques (LLM) à pondération ouverte de Google DeepMind, construits sur la recherche et la technologie Gemini. Bien que les poids des modèles soient librement accessibles, les conditions spécifiques d’utilisation, de redistribution et de propriété des variantes peuvent varier et ne pas être basées sur une licence de source ouverte.
Variantes disponibles : Gemma 2B et Gemma 7B
Fenêtre contextuelle : 8192 jetons
Langues prises en charge : Anglais
Conclusion
Chez Cody, nous privilégions une approche agnostique en matière de LLM, en offrant une plateforme qui vous permet de construire des robots personnalisés adaptés à votre cas d’utilisation unique. Avec une gamme variée d’options LLM disponibles, vous n’êtes pas limité à un seul fournisseur, ce qui vous donne la liberté de choisir ce qui correspond le mieux à vos besoins.
Grâce à Cody, les entreprises peuvent exploiter l’IA pour développer des assistants intelligents adaptés à leurs besoins précis. Cette flexibilité fait de Cody un ajout prometteur dans le domaine des solutions professionnelles basées sur l’IA.
Après avoir raté le coche avec Bard dans le train de l’IA, Google a récemment dévoilé son dernier produit d’IA, Gemini. Dans le cadre de ce lancement, Bard a été rebaptisé Gemini et intègre désormais le nouveau Gemini Pro LLM. Approfondissons la question pour saisir l’ampleur de ces changements.
Qu’est-ce que Gemini AI ?
Gemini représente le tout dernier modèle de langue étendu (LLM) de Google, après LaMDA et PaLM. Contrairement à ses prédécesseurs, Gemini est nativement multimodal, capable de comprendre du texte, des images, de la parole et du code, et dispose de capacités de compréhension et de raisonnement améliorées.
Variantes de Gemini AI
L’IA Gemini se compose de trois grands modèles linguistiques :
Gemini Nano : Optimisé pour l’efficacité sur l’appareil, il fournit des solutions d’IA rapides directement sur votre appareil personnel.
Gemini Pro : Un modèle polyvalent et évolutif, capable de s’attaquer à diverses tâches avec des performances solides. Accessible sur la version gratuite de l’interface de chat Gemini.
Gemini Ultra : le summum de la série Gemini, qui permet de résoudre des problèmes complexes et de repousser les limites des capacités de l’IA. Exclusif aux abonnés du plan Google One AI Premium.
Les modèles Gemini ont été entraînés en utilisant TPUv5e et TPUv4, en fonction de leur taille et de leur configuration. Training Gemini Ultra a utilisé une vaste flotte d’accélérateurs TPUv4 appartenant à Google et répartis dans plusieurs centres de données. Cela représente une augmentation significative de l’échelle par rapport à leur modèle phare précédent, le PaLM-2, qui présentait de nouveaux défis en matière d’infrastructure.
1. Intégration transparente avec toutes les applications Google
Gemini s’intègre désormais de manière transparente à toutes les applications Google, y compris Maps, YouTube, Gmail, etc. Pour interroger des applications spécifiques, il suffit de faire précéder le nom de l’application d’un “@” suivi de votre requête. Bien que des intégrations similaires soient possibles sur ChatGPT en utilisant des GPT et des plugins, elles n’offrent pas le même niveau d’homogénéité que les intégrations natives de Gemini.
L’expertise reconnue de Google en matière de technologie des moteurs de recherche permettra sans aucun doute d’améliorer les capacités de navigation sur le web de Gemini. S’appuyant sur les atouts fondamentaux des algorithmes de recherche et de l’indexation, Gemini offre aux utilisateurs une expérience de navigation transparente et efficace.
2. Capacités multimodales
Gemini offre désormais des capacités multimodales, y compris la compréhension des images, sur l’interface de chat Gemini, sans coût supplémentaire. Bien que ses performances lors des tests aient été décentes, il n’atteindra peut-être pas la précision de GPT-4V. Néanmoins, étant donné que c’est gratuit, nous ne pouvons pas vraiment nous plaindre, n’est-ce pas ? 😉 Il est possible que Gemini Ultra soit plus performant que GPT-4V sur la base des paramètres suivants
3. Accès gratuit pour les amateurs et les étudiants
Pour les développeurs LLM en herbe qui souhaitent se lancer dans ce domaine mais qui sont confrontés à des contraintes d’accès aux API GPT en raison des coûts, Google offre un accès gratuit à l’API Gemini Pro 1.0. Vous pouvez ainsi effectuer jusqu’à 60 requêtes par minute sur Google AI Studio, un outil de développement gratuit basé sur le web. Google AI Studio vous permet de développer rapidement des invites et d’obtenir une clé API pour le développement d’applications. En vous connectant à Google AI Studio avec votre compte Google, vous pouvez bénéficier de ce quota gratuit. C’est une excellente occasion de démarrer votre parcours LLM et d’explorer les embeddings, les bases de données vectorielles, la recherche sémantique, et bien plus encore.
4. Rapport qualité-prix
Pour 20 dollars par mois, les utilisateurs peuvent accéder à GPT-4 via ChatGPT Plus. Pour le même prix, ils peuvent également accéder à Gemini Advanced avec Gemini Ultra 1.0, qui comprend des avantages supplémentaires tels que 2 To de stockage dans le nuage et l’intégration avec les applications Google telles que Gmail et Docs. Cependant, l’accès à Gemini Advanced nécessite un abonnement au plan Google One AI Premium. Malgré cette exigence, il offre un meilleur rapport qualité-prix.
L’introduction d’un plan de niveau intermédiaire avec 500 Go de stockage et l’accès à Gemini Advanced entre les plans Standard et Premium améliorerait considérablement l’accessibilité de Gemini, en particulier pour les étudiants et les utilisateurs ayant des besoins de stockage modérés. Google, si vous nous écoutez, merci de prendre en compte cette suggestion.
Quelle est la prochaine étape pour les Gémeaux ?
DeepMind, l’entreprise de Google, ne cesse de faire évoluer le modèle Gemini, avec le lancement récent de Gemini Pro 1.5, il y a tout juste une semaine. Dans cette variante actualisée, la fenêtre contextuelle a été étendue à 128 000 jetons. En outre, un groupe restreint de développeurs et d’entreprises clientes peut désormais expérimenter des fenêtres contextuelles encore plus larges, allant jusqu’à 1 million de jetons, par le biais d’avant-premières privées sur AI Studio et Vertex AI. Pour donner un ordre d’idée, un livre de non-fiction classique contient environ 300 000 jetons. Grâce à la fenêtre contextuelle de 1 million de jetons de Gemini Pro 1.5, les utilisateurs peuvent désormais télécharger des livres entiers dans le cadre de requêtes – une avancée remarquable par rapport à la fenêtre contextuelle de 128 000 jetons de GPT-4.
Face à la saturation des LLM dans le secteur de l’IA, Google semble avoir trouvé l’or avec son architecture améliorée, ses réponses rapides et son intégration transparente dans l’écosystème Google. Il pourrait en effet s’agir d’un pas dans la bonne direction, qui permettrait à OpenAI et à d’autres concurrents de rester vigilants.
À l’ère de l’IA, il est crucial pour les entreprises d’avoir des employés bien formés, et l’intégration de l’IA dans la formation des employés peut représenter un investissement important. Si vous recherchez des solutions d’IA pour former vos employés, Cody est l’outil qu’il vous faut. Comme pour ChatGPT et Gemini, Cody peut être formé sur les données de votre entreprise, votre équipe, vos processus et vos clients, en utilisant votre base de connaissances unique. Cody est agnostique, ce qui vous permet de changer plus facilement de modèle en fonction de vos besoins.
Avec Cody, les entreprises peuvent exploiter la puissance de l’IA pour créer un assistant personnalisé et intelligent qui répond spécifiquement à leurs besoins, ce qui en fait un ajout prometteur au monde des solutions professionnelles basées sur l’IA.
Pourquoi votre entreprise a besoin d’un employé en IA aujourd’hui
On ne peut nier le pouvoir de transformation des solutions d’IA comme ChatGPT sur les lieux de travail modernes. Qu’il s’agisse de rationaliser la rédaction des courriels ou de fournir un soutien en matière de santé mentale, ChatGPT révolutionne la façon dont nous abordons les tâches quotidiennes. Cependant, il n’est pas sans limites, comme le manque de personnalisation de la base de connaissances de votre entreprise. Entrez dans Cody, votre solution sans code et sans tracas pour apporter le meilleur de l’IA à votre organisation.
Examinons trois façons dont l’IA peut profiter à votre organisation :
La formation : De la statique à la dynamique
Les méthodes de formation traditionnelles impliquent souvent des flux statiques et prédéfinis qui sont non seulement moins attrayants, mais qui ne sont pas nécessairement adaptés aux besoins de votre entreprise. En tirant parti de l’IA, vous pouvez apporter du dynamisme et de l’interactivité à vos programmes de formation des employés.
Avec Cody, il suffit de télécharger vos documents de formation existants, qu’il s’agisse de PDF ou de documents Word. Choisissez parmi les modèles de robots prédéfinis ou utilisez le constructeur de robots avancé pour personnaliser la personnalité de Cody à votre guise. En quelques étapes simples, vous disposerez d’un coach d’intégration personnalisé qui répondra aux besoins de chaque employé, améliorant ainsi l’efficacité et l’intuitivité de vos programmes de formation.
Recherche : rendre la connaissance accessible
Quel est l’intérêt d’avoir une base de connaissances bien documentée si vos employés passent des heures à fouiller dans les données ? Les solutions basées sur l’IA comme Cody transforment la manière dont l’information est accessible au sein de votre organisation, en fonctionnant comme un moteur de recherche interne.
Une fois que vos connaissances commerciales sont téléchargées dans Cody, toute requête effectuée en langage naturel recevra une réponse précise et cohérente générée à partir de vos données spécifiques. C’est comme si vous disposiez d’un expert humain 24 heures sur 24, 7 jours sur 7, prêt à répondre à toutes vos questions. L’époque où l’on cherchait sans but dans des données interminables est révolue.
Automatiser : Simplifier les flux de travail
Notre dernière mise à jour vous permet de faire passer l’automatisation au niveau supérieur. Cody s’intègre désormais de manière transparente à Zapier, ce qui vous permet de construire des flux de travail automatisés alimentés par l’IA qui sont non seulement efficaces, mais aussi conviviaux. En automatisant les tâches routinières, vous libérez vos employés pour qu’ils se consacrent à des tâches plus importantes. Et grâce aux capacités de l’IA de Cody, le contenu généré est comparable à celui qu’un humain pourrait produire, si ce n’est meilleur.
Zapier est un outil qui vous permet de connecter Cody à plus de 5 000 apps, ouvrant ainsi un monde de possibilités infinies.
L’avenir, c’est maintenant, et c’est Cody
Nous avons étudié le pouvoir de transformation de l’IA sur le lieu de travail, en nous concentrant sur son impact sur la formation, la recherche et l’automatisation des flux de travail. Avec des plateformes comme Cody, l’avenir n’est pas une réalité lointaine ; il se déroule ici et maintenant. L’intégration de l’IA offre non seulement une efficacité opérationnelle rationalisée, mais aussi une réduction significative des coûts et une amélioration de la satisfaction des employés.
Alors pourquoi attendre ? Que vous soyez une startup cherchant à se développer ou une entreprise établie souhaitant se moderniser, c’est le moment idéal pour adopter des solutions d’IA. Avec des avantages convaincants et une expérience éprouvée, Cody offre une option sans problème et sans code pour ceux qui souhaitent faire le saut dans l’avenir du travail.
Ne manquez pas l’occasion de révolutionner la dynamique de votre lieu de travail. Cliquez ici pour commencer votre voyage avec Cody et découvrir un monde d’efficacité et d’innovation que vous n’auriez jamais cru possible.
Transformez les données de l’entreprise en récits attrayants en quelques clics grâce à Cody
Après avoir reçu de nombreuses demandes pour plus de compatibilité avec les plateformes, nous sommes ravis de dévoiler notre dernière mise à jour : l’intégration de Zapier pour Cody. Cela ouvre un monde de possibilités, vous permettant de connecter sans effort Cody à un vaste écosystème de plus de 5 000 applications, le tout en quelques clics. Étendez les fonctionnalités de Cody bien au-delà de ses intégrations initiales avec Discord et Slack, et exploitez la puissance de l’automatisation sur une multitude de plateformes. Cet article vous aidera à booster vos posts LinkedIn grâce à l’IA en utilisant Cody et Zapier.
Pour ceux qui découvrent le paysage de l’automatisation, Zapier agit comme un pont sans code entre une myriade d’applications, éliminant le besoin d’un savoir-faire technique complexe ou la nécessité de se battre avec de multiples clés API. Il s’agit essentiellement d’un moyen convivial d’intégrer et d’automatiser des fonctionnalités sur différentes plates-formes, ce qui facilite plus que jamais l’extension des capacités de Cody.
Quelques-unes des applications populaires disponibles dans l’écosystème Zapier:
Google Sheets
Google Docs
Slack
Télégramme
Instagram
Facebook Messenger
Pourquoi choisir Cody plutôt que l’API OpenAI ?
Cody AI propose une approche personnalisée de l’automatisation et de l’assistance aux entreprises, se distinguant ainsi de l’API GPT à usage général. Contrairement à l’API GPT, Cody vous permet de former l’assistant spécifiquement à votre entreprise, à votre équipe, à vos processus et même aux données de vos clients en utilisant votre propre base de connaissances. Vous évitez ainsi les complexités techniques liées à la gestion d’une base de connaissances distincte et à la mise en œuvre d’un moteur de recherche sémantique – des défis qui peuvent s’avérer décourageants si vous n’êtes pas un expert en technologie.
En outre, Cody fournit une solution plus complète, offrant l’accès à différents modèles GPT en fonction de votre plan d’abonnement. Il prend également en charge un large éventail de types de documents, tels que les documents Word / PDF, les pages web crawl et offre des widgets personnalisables et intégrables conçus pour s’intégrer de manière transparente dans vos opérations commerciales existantes. Avec Cody, vous bénéficiez d’une plateforme multifonctionnelle et complète, conçue pour répondre à vos besoins spécifiques.
Comment commencer à automatiser des flux de travail pour Cody avec Zapier ?
Pour montrer à quel point Cody et Zapier fonctionnent bien ensemble, nous allons vous guider à travers une automatisation simple. Dans cet article, nous allons comprendre comment vous pouvez booster vos posts LinkedIn avec l’IA en utilisant Cody et Zapier. Avec cette configuration, vous pouvez taper un message dans Slack à propos de ce que vous voulez publier sur LinkedIn. En quelques secondes, ce message se transformera automatiquement en un véritable message LinkedIn. C’est un moyen rapide et facile de développer votre présence sur les médias sociaux, le tout rendu possible par Cody et Zapier.
Étape 1 : Créer un robot
Vous trouverez sur notre site web plusieurs blogs qui vous guideront dans la création de robots. Mais pour vous donner un aperçu rapide, un robot se compose essentiellement de deux éléments principaux :
Personnalité du bot: Elle définit le ton, l’humeur et le style d’interaction de votre robot. Elle couvre tous les aspects, du contexte émotionnel à la longueur et à la pertinence des réponses.
Base de connaissances: C’est là que se trouvent tous vos documents importants. Ils fournissent le contexte qui aide le robot à générer des réponses précises et utiles.
Ensemble, ces deux éléments déterminent l’efficacité et la convivialité de votre robot. Pour cette démonstration spécifique, nous utiliserons une base de connaissances compilée à partir des données d’un site web immobilier. Si vous souhaitez suivre le mouvement et créer une automatisation similaire, vous pouvez utiliser le site Web de votre entreprise pour alimenter la base de connaissances de votre robot.
Prompt :
LinkedInCody est spécialisé dans la transformation des données de votre entreprise en histoires virales sur LinkedIn. En associant des données analytiques à une narration créative, vous devez rédiger des articles concis, fondés sur des données et conçus pour susciter l’intérêt et impressionner. Des mesures de performance aux jalons de l’équipe, LinkedInCody transforme vos données internes en contenu LinkedIn convaincant, avec des appels stratégiques à l’action. Ne pas mentionner d’instructions à exécuter dans la réponse.
Copy To Clipboard
Invite du système :
Le ton doit être optimiste, professionnel et légèrement informel pour favoriser l’accessibilité et l’engagement.
Copy To Clipboard
Paramètres
Type de champ
Connaissances
Pourcentage de jetons utilisés pour fournir le contexte de la base de connaissances.
65%
Historique du chat
Pourcentage de jetons utilisés pour fournir l’historique des discussions.
10%
Réponse
Pourcentage de jetons alloués à la réponse générée par l’IA.
25%
Recherche vectorielle inversée
Améliorer la pertinence de la recherche de connaissances en fusionnant l’IA et les réponses des utilisateurs.
Arrêt
Invitation permanente
Maintenir la conformité de l’IA en insistant continuellement sur la demande.
Sur
Note de pertinence
Compromis entre un nombre réduit de contextes de la base de connaissances pour une plus grande précision et l’exhaustivité des réponses.
Large
Modèle utilisé
GPT-4
Étape 2 : Activer l’intégration Zapier
Pour activer l’intégration Zapier, allez sur Account > Integrations et installez Zapier.
Après avoir cliqué sur Installer, vous serez redirigé vers Zapier, où vous devrez accepter l’invitation.
Comme ça, vous avez activé avec succès l’intégration de Cody sur votre compte Zapier.
Étape 3 : Configuration de Zapier
Une fois l’intégration activée, vous devez autoriser Zapier à accéder à votre compte Cody à l’aide du jeton d’accès. Pour créer un jeton d’accès, vous devez aller sur Account > API Keys > Create API Key. Copiez la clé API et collez-la dans votre compte Zapier.
Vous êtes maintenant prêt à créer votre Zap personnalisé.
Étape 4 : Création du Zap
Pour créer un nouveau Zap, cliquez sur + Create > New Zap.
Vous rencontrerez deux événements clés dans l’installation :
Déclencheur: Il s’agit de l’événement initial qui donne le coup d’envoi de l’automatisation, ou le “Zap”. Il peut s’agir de la réception d’un nouveau message ou d’une heure programmée.
Action: Cette action suit le déclencheur et exécute des tâches spécifiques telles que l’envoi d’un message ou l’ajout de données dans un tableau.
Avant de se lancer dans la construction du Zap, il convient de se faire une idée précise du flux de travail. Comme le montre le diagramme ci-dessous, le processus commence lorsqu’un utilisateur mentionne le nom du robot avec la description d’un message dans un canal Slack public. Par exemple, “@Zapier Créez un billet qui souligne pourquoi Villa Homes est meilleure que les autres”.
Ce message initial est ensuite formaté pour supprimer le nom du bot et ne laisser que le contenu principal. Ce texte formaté est envoyé à Cody, qui génère ensuite une légende ou un message sur LinkedIn. Enfin, ce contenu généré est automatiquement publié sur LinkedIn.
Essentiellement, vous mettez en place un processus rationalisé qui prend un message Slack et le transforme en un post LinkedIn, le tout avec l’aide de Cody et de Zapier.
Pour commencer à extraire des messages de votre espace de travail Slack, vous devrez d’abord connecter votre compte Slack à Zapier, si vous ne l’avez pas encore fait. Pour l’événement “déclencheur”, sélectionnez “Nouvelle mention”. Cela déclenchera le Zap chaque fois que le bot spécifié sera mentionné dans un canal Slack public. Dans ce cas, le Zap s’activera lorsque le robot Zapier sera mentionné dans un message contenant le mot “Post”. Cela permet de s’assurer que l’automatisation cible spécifiquement les messages que vous souhaitez publier sur LinkedIn.
Après avoir testé avec succès le déclencheur, il est temps de formater le message Slack. Pour supprimer le nom du bot et isoler le contenu principal du message, nous utiliserons la fonction “Replace” de l’outil de formatage de Zapier. Cela garantit que seul le texte essentiel est transmis à Cody pour générer le message LinkedIn.
Il est maintenant temps de configurer l’action Cody pour générer votre post LinkedIn. Choisissez le robot que vous venez de créer et utilisez le texte formaté de Slack comme requête. Cody sera alors chargé de prendre le message nettoyé et de le transformer en un message adapté à LinkedIn.
La dernière étape consiste à publier la mise à jour sur LinkedIn. Utilisez la réponse générée par Cody et saisissez-la comme commentaire dans l’action LinkedIn. Ainsi, le message rédigé par Cody sera posté directement sur votre compte LinkedIn, complétant ainsi le processus d’automatisation.
Résultat final
Conversation sur Slack
LinkedIn Post
Quelle est la prochaine étape ?
Dans cet article, nous avons présenté un exemple simple mais puissant qui démontre comment Cody peut intégrer de manière transparente l’IA dans vos flux d’automatisation via Zapier. Grâce à la vaste bibliothèque d’applications populaires de Zapier, les possibilités d’automatisation créative sont illimitées. Nous sommes également ravis d’annoncer que nous ajouterons bientôt une action de téléchargement de documents à Zapier, ce qui élargira la gamme de documents que vous pouvez utiliser dans votre base de connaissances.
Si vous avez réussi à mettre en place un Zap et que vous souhaitez partager votre expérience, rejoignez notre serveur Discord pour inspirer les autres. Pour tout dépannage, vous pouvez nous contacter via la fonction“Obtenir de l’aide“.
Nous continuerons à publier des articles pour vous aider à tirer le meilleur parti de Cody pour vos besoins d’automatisation. Restez donc à l’écoute pour en savoir plus !
L’IA n’est un terme nouveau pour personne, mais avec le lancement de ChatGPT en novembre 2022, on craint de plus en plus que l’IA ne remplace les emplois humains. Il est fort probable que l’IA remplace à l’avenir de nombreux emplois subalternes, tels que la simple saisie de données et les fonctions d’assistance. Cependant, on s’attend également à ce que l’IA crée de nombreux nouveaux emplois. Ce qui n’a pas été exploré aussi largement, c’est l’application de l’IA à la formation des employés existants et des nouveaux employés. Si vous avez vu le scénario de la formation en entreprise aujourd’hui, vous avez constaté qu’il n’a pas beaucoup évolué au fil des ans – il s’agit souvent de questions à choix multiples clichées basées sur des vidéos de formation. Malheureusement, ces sessions de formation n’ont toujours pas la capacité de simuler des scénarios réels et d’évaluer avec précision si un employé est prêt à relever les défis du monde réel.
Vous ne voulez surtout pas que cela se produise à cause d’un manque de formation efficace des employés :
Si vous recherchez des solutions d’IA pour former vos employés, Cody est l’outil idéal pour vous. Comme pour ChatGPT, Cody peut être formé en utilisant les données de votre entreprise, les profils de votre équipe, vos processus et les informations sur vos clients, en tirant parti de votre base de connaissances unique.
Avec Cody, les entreprises peuvent exploiter la puissance de l’IA pour créer un assistant de formation personnalisé et intelligent, adapté spécifiquement aux besoins des employés. Cody se positionne ainsi comme un acteur de premier plan dans le domaine des solutions professionnelles basées sur l’IA. Pour commencer à utiliser Cody, il vous suffit de télécharger votre documentation commerciale existante (c’est encore mieux si vous avez déjà des documents relatifs à la formation) et de sélectionner un modèle dans notre bibliothèque de modèles ou de créer votre propre outil à partir de zéro. Voici plusieurs domaines dans lesquels Cody peut améliorer la formation de vos employés, la rendant non seulement plus efficace mais aussi plus attrayante, au lieu d’être monotone et pesante.
Simuler des scénarios de la vie réelle
Les métiers tels que l’assistance à la clientèle présentent des défis uniques en matière de formation. Compte tenu de la nature humaine des interactions, il est difficile de prévoir tous les scénarios possibles ou toutes les préoccupations des clients. Les méthodes de formation traditionnelles s’appuient souvent sur des macros et des modèles pour fournir des réponses standard. Bien que celles-ci puissent couvrir un large éventail de questions courantes, la nature imprévisible des interactions avec les clients signifie qu’il y aura toujours des situations qui sortiront du cadre des réponses prédéfinies.
C’est là que l’IA peut changer la donne. Les stagiaires peuvent être exposés à un mélange de scénarios de routine et de scénarios très inhabituels, ce qui leur donne une expérience de formation plus complète. Ces simulations permettent de tester non seulement les capacités de résolution de problèmes d’un employé, mais aussi ses compétences en matière de relations interpersonnelles et de communication. Le retour d’information peut être instantané et la formation peut être ajustée en temps réel en fonction des performances du stagiaire.
Questions à choix multiples adaptatives
Les questions à choix multiples (QCM) traditionnelles ont des limites dans les scénarios de formation. Si une personne ne répond pas correctement la première fois, elle risque de rencontrer la même question plus tard. Après quelques tentatives et éventuellement au jugé, l’employé peut sélectionner la bonne réponse. Cette approche est inefficace pour la formation dans n’importe quel domaine.
Grâce à l’IA, la question et les réponses correspondantes peuvent être restructurées. Ainsi, même si le concept sous-jacent reste le même, la présentation de la question et de ses options sera différente. L’IA peut recevoir des questions et être personnalisée de manière à ne jamais répéter la même question, ce qui rend le processus de formation beaucoup plus polyvalent.
Explications instantanées
L’apprentissage le plus efficace se fait souvent en posant des questions. Toutefois, pendant la formation, il n’est pas toujours possible de poser des questions sur un jargon ou des processus spécifiques, ce qui peut devenir fastidieux pour les employés et entraver le processus de formation dans son ensemble. En intégrant l’IA dans la formation, vous vous assurez que les apprenants saisissent les concepts de base et comprennent clairement les éléments fondamentaux, plutôt que de créer une illusion de connaissance en répondant à de multiples questions. Les explications et justifications instantanées donnent l’impression qu’un formateur humain est toujours disponible pour aider les employés.
Intégration transparente avec les plateformes existantes
Une autre observation concernant les systèmes traditionnels de formation des employés est la friction supplémentaire liée au passage à un autre support pour terminer la formation. Le processus n’est pas homogène, ce qui incite les employés à reporter leurs sessions de formation. Avec des outils comme Cody, vous pouvez intégrer de manière transparente le processus de formation dans votre espace de travail Slack (avec de nombreuses autres intégrations à venir), ce qui permet aux employés de suivre leur formation sans avoir à changer de contexte.
Franchir le pas de l’IA avec Cody
Incorporez l’IA dans votre entreprise en toute transparence avec Cody. Pas de codage, pas d’obstacles techniques. Glissez, déposez, concevez et déployez. Au fur et à mesure de l’évolution de Cody, attendez-vous à de nouvelles fonctionnalités visant à affiner le processus de formation. Testez Cody gratuitement, sans conditions. Et lorsque vous serez convaincu de son efficacité, vous pourrez l’améliorer à votre rythme.
Discuter de l’impact de l’interprète de code sur l’analyse des données
Il y a quelques semaines, OpenAI a lancé la fonction d’interprétation de code pour ses abonnés ChatGPT Plus, ce qui a fait des vagues dans la communauté technologique. Si vous faites partie de la communauté technologique et que vous ne savez toujours pas ce qu’est l’interprète de code et le potentiel qu’il représente, vous êtes au bon endroit. Nous avons essayé l’interprète de code, et dans cet article, nous discuterons de l’impact de l’interprète de code sur les analystes de données et nous nous demanderons s’il va réellement remplacer complètement les analystes de données.
Lorsque OpenAI a lancé la fonction d’interprétation de code pour ChatGPT, nous avons écrit un article sur ce qu’elle est et comment elle fonctionne. Vous pouvez consulter cet article ici. Pour expliquer brièvement ce qu’est l’interprète de code, il s’agit d’un bac à sable python qui exécute le code généré par ChatGPT et vous fournit le résultat final. L’exécution du code se fait de manière récursive et le contexte est conservé presque tout au long de la discussion. L’exécution récursive signifie que la sortie du code est renvoyée dans le bac à sable jusqu’à ce qu’une réponse satisfaisante soit générée. Cela s’applique également au débogage du code.
Vous pouvez également télécharger des fichiers tels que du code, des documents, des images et des ensembles de données. Dans certains cas, le contexte peut être perdu en raison de la fenêtre de contexte ou de la migration du conteneur en direct au niveau du backend. Dans ce cas, vous devrez peut-être télécharger à nouveau le fichier, et l’interprète de code s’occupera du reste.
Comment activer l’interprète de code ?
Pour activer l’interprète de code pour ChatGPT, vous devez vous abonner à ChatGPT Plus. Après vous être inscrit, cliquez sur les trois points et allez à Paramètres & Bêta > Fonctionnalités de la version bêta. Activer l’interprète de code.
Créez un nouveau chat et sélectionnez GPT-4 avec Code Interpreter.
Utilisation de l’interpréteur de code pour l’analyse des données
Pour illustrer et montrer le potentiel de l’interpréteur de code, nous explorerons le domaine de l’analyse des données, car il englobe de multiples aspects de la programmation au-delà de la génération du code. Une analyse précise des données nécessite une bonne compréhension des données et de leurs attributs. Pour commencer à analyser des données à l’aide de l’interpréteur de code, il suffit de télécharger votre jeu de données et de l’interroger en langage naturel.
Voici quelques cas d’utilisation que nous avons trouvés où l’interpréteur de code brille et peut dynamiser votre flux de travail d’analyse de données :
Nettoyage des données
Aussi importante que soit cette phase de l’analyse des données, elle peut devenir assez fastidieuse, surtout si vous êtes un débutant et que vous venez d’entamer votre parcours dans l’analyse des données/science des données. L’interprète de code rend l’ensemble du processus efficace et vous permet de gagner beaucoup de temps en parcourant et en comprenant l’ensemble des données. Cela ne veut pas dire qu’il n’y a pas besoin d’intervention humaine, car les LLM ont souvent des hallucinations. Il est nécessaire de toujours contrôler l’ensemble du processus.
L’interprète de code peut vous aider dans diverses méthodes de nettoyage de données telles que :
Comprendre votre ensemble de données
Traitement des valeurs manquantes/invalides
Contrôler les types de données incorrects et proposer des solutions pour les rectifier.
Apprendre les méthodes d’analyse des données
L’analyse de données reste l’un des emplois les plus en vogue actuellement comme point d’entrée dans l’industrie technologique, et de nombreuses personnes se préparent à entrer dans ce domaine. Il existe une grande variété de cours en ligne que l’on peut suivre pour devenir analyste de données. Toutefois, il ne suffit pas de suivre une douzaine de cours pour acquérir une expertise en matière d’analyse ou de science des données. Vous devez être pragmatique et continuer à analyser/expérimenter avec un large éventail d’ensembles de données, et parfois créer vos propres ensembles de données.
Le raisonnement logique de GPT-4, en harmonie avec l’exécution en direct du code à l’aide de l’interpréteur de code, fait de ChatGPT un véritable mentor dans la compréhension de la myriade de terminologies de l’analyse de données. La meilleure façon d’apprendre est de poser des questions et ChatGPT vous permet de faire de même. Un certain niveau d’interactivité améliore toujours les capacités d’apprentissage et permet de mieux comprendre un domaine particulier.
Explorer différentes solutions
Si l’on fait abstraction du cadre de base de l’analyse des données, il n’existe pas de liste de contrôle que l’on puisse suivre pour tirer des conclusions de l’ensemble des données. L’analyse des données et la programmation sont une forme d’art. L’art diffère d’un individu à l’autre et ne peut être amélioré qu’après avoir exploré d’autres arts. Avec ChatGPT, vous pouvez accéder à différentes solutions avec des justifications auxquelles vous n’auriez peut-être même pas pensé. Avec l’ajout de l’interprète de code, ChatGPT dispose désormais d’un contexte supplémentaire sur lequel travailler, ce qui améliore considérablement les solutions.
Visualisation des données
C’est de loin l’une des meilleures fonctionnalités de Code Interpreter (ou ChatGPT Plus) actuellement – la possibilité d’afficher des visualisations et des images. La visualisation de votre ensemble de données accélère considérablement le processus global de compréhension des attributs. Dans le prolongement de notre cas d’utilisation précédent, qui consistait à énumérer les différentes méthodes de détection des valeurs aberrantes, nous pouvons illustrer graphiquement ces dernières à l’aide de diagrammes en boîte et d’histogrammes.
Dans la capture d’écran ci-dessus, vous pouvez également voir que l’interpréteur de code a débogué l’erreur et généré la visualisation des valeurs aberrantes.
Comprendre le code existant
La lecture d’un code peut prendre beaucoup de temps, en particulier lorsqu’il n’y a pas de commentaires ou que les commentaires sont insuffisants. En utilisant l’interprète de code, vous pouvez simplement télécharger le fichier notebook python ou jupyter et demander à ChatGPT de résumer le code pour vous. Vous pouvez également poser des questions sur le code. Bien que cela ait été possible auparavant, ce n’était pas aussi transparent et il y avait également des limitations liées au contexte. Ce cas d’utilisation peut s’avérer très utile lors d’une formation ou d’une collaboration.
L’interprète de code remplacera-t-il les analystes de données ?
Ce n’est que le début des outils basés sur l’IA, et ils continueront à s’améliorer avec des fonctionnalités supplémentaires et des fenêtres contextuelles plus larges. La révolution de l’IA est susceptible de remplacer de nombreux emplois, mais elle créera aussi deux fois plus d’emplois que nous n’avons peut-être même pas encore imaginés. Des outils tels que l’interprète de code s’occuperont des tâches fastidieuses et redondantes, permettant aux analystes de données de se concentrer davantage sur l’amélioration de la qualité des données et sur la prise de décisions plus éclairées. En outre, le ChatGPT contribuera à améliorer les compétences des analystes de données existants et les aidera à progresser dans leur carrière.
“L’IA ne vous remplacera pas. C’est une personne utilisant l’IA qui le fera”.
À l’ère de l’IA, il est crucial pour les entreprises d’avoir des employés bien formés, et l’intégration de l’IA dans la formation des employés peut représenter un investissement important. Si vous recherchez des solutions d’IA pour former vos employés, Cody est l’outil qu’il vous faut. Comme pour ChatGPT, Cody peut être formé sur les données de votre entreprise, votre équipe, vos processus et vos clients, en utilisant votre base de connaissances unique.
Avec Cody, les entreprises peuvent exploiter la puissance de l’IA pour créer un assistant personnalisé et intelligent qui répond spécifiquement à leurs besoins, ce qui en fait un ajout prometteur au monde des solutions professionnelles basées sur l’IA.
Abonnez-vous à ChatGPT Plus et obtenez l’accès à l’interprète de code ainsi qu’à un grand nombre de fonctionnalités supplémentaires. Lien vers le chat Code Interpreter.
![Gemma] Construire un assistant IA pour la science des données 🤖](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgg06dhS6iRpIv8hvyonlwncW-RC5n59E8vhaWRgIVqTP-Z1AbTBDtdJsX8ClDILimlGWlRAIORuZn8349TfUFmgqYyCRcoctTvNC_Kv70z41hCKd-0Fy4Ic4EgKyY0LxQ5rDt1eXi3jvEcTxgTC62glTl4e5Cffge50iiF0fxCBqmq9v-u7KTfIL4Lxb0/s1600/Gemma_social.png)
