Chers lecteurs, bienvenue à nouveau pour votre dose bihebdomadaire de la newsletter Artefact sur l’IA générative, dans laquelle nous tentons courageusement de donner un sens au tourbillon numérique que représente le développement de l’IA. Ces dernières semaines ont été… disons simplement que mon café n’a pas eu le temps de refroidir. Nous avons vu des modèles d’IA surgir plus vite que des mèmes un lundi matin, l’IA de recherche de Google s’adonne apparemment désormais à l’écriture de fanfictions, et des supercalculateurs dotés d’IA s’affrontent dans la catégorie des «gadget le plus gourmand en énergie ». Alors attachez vos ceintures, car nous sommes sur le point de plonger dans l’univers sauvage, merveilleux et parfois étrange de l’IA générative. Voyons quel nouveau chaos les dieux de l’IA nous ont concédé !
Podcast « GenAI News »
Vous n'avez pas le temps de lire cette lettre d'information ?
Actualités économiques et analyses de marché
Les modèles de Google, Meta et Anthropic figurent parmi les plus sûrs en moyenne (87,31 TP47T pour Gemini 1.5 Pro, 82,71 TP47T pour Claude 3.5 Haiku, 77,6 pour Llama3 405B)Les modèles d’Anthropic se distinguent globalement par leur résistance aux hallucinations (Grok2 et DeepSeek se classent en bas du tableau). Les modèles populaires, plébiscités pour la satisfaction des utilisateurs, peuvent compromettre l’exactitude factuelle. La formulation des requêtes des utilisateurs influe considérablement sur laà démystifier les fausses affirmations, les assertions formulées avec assurance réduisant l’efficacité de cette démystification de 15%. Des instructions concises données au système peuvent augmenter les taux d’hallucinations jusqu’à 20%.
Dans l'ensemble, les modèles d'Anthropic' se distinguent par leur résistance aux hallucinations (Grok2 et DeepSeek se classent en queue de peloton).
Les modèles populaires, plébiscités pour la satisfaction des utilisateurs, peuvent nuire à l'exactitude des faits
La formulation des requêtes des utilisateurs influe considérablement sur la capacité d'un modèle' à démystifier les fausses allégations, les affirmations formulées avec certitude réduisant l'efficacité de cette démystification de 15%
Des instructions système concises peuvent augmenter les taux d'hallucinations jusqu'à 20%
> Contrats majeurs, partenariats et innovations
Nouveaux modèles et innovations
> Modèles multimodaux (image, vidéo, audio)
Réflexions de la semaine par Hanan Ouazan
Managing Partner et responsable mondial de l'accélération de l'IA
Du Slideware à l'expédition : La montée en puissance du propriétaire de processus agentique (APO)
Du Slideware à l'expédition : La montée en puissance du propriétaire de processus agentique (APO)
Pendant des décennies, le secteur du conseil a prospéré en proposant des présentations soignées, regorgeant de cadres conceptuels et de références comparatives. Aujourd’hui, l’IA générative produit rapidement ces analyses génériques, rendant ainsi superflue une simple reformulation. Les clients en exigent désormais davantage : des produits concrets, des résultats mesurables et des améliorations opérationnelles qu’ils peuvent réellement mettre en œuvre. C’est là qu’intervient l’Agentic Process Owner (APO) — une évolution du rôle de Product Owner qui va au-delà de la simple livraison fonctionnelle pour prendre en charge les processus métier sous-jacents. L’APO ne se contente pas de livrer des fonctionnalités ; il comprend ce que le produit permet de réaliser, où il s’intègre dans le processus de bout en bout et comment améliorer ce processus au fil du temps. Son travail commence par une véritable découverte des besoins des utilisateurs — grâce à une écoute active, un questionnement minutieux et un engagement réel sur le terrain. Mais cela ne s’arrête pas là. Les APO prennent également le temps d’analyser le fonctionnement du processus dans son ensemble : non pas simplement pour y intégrer l’IA, mais pour repenser la manière dont il pourrait fonctionner différemment. L’objectif n’est pas d’automatiser des étapes défaillantes, mais de repenser le flux en gardant à l’esprit l’intelligence, l’efficacité et la création de valeur. Il est important de noter qu’ils se situent à la croisée des chemins entre le métier et la technologie : ils alignent les objectifs stratégiques et les indicateurs clés de performance (KPI) sur les contraintes réelles, telles que la disponibilité data, la latence du système et la complexité de l’intégration. Ils doivent également posséder des connaissances de base en matière d’observabilité et de supervision : non pas pour les mettre en place eux-mêmes, mais pour comprendre comment les performances des agents sont mesurées et améliorées, et comment traduire cela en priorités pour l’équipe. La maîtrise de l’IA générative devient rapidement un minimum requis — ce qui inclut la compréhension du fonctionnement des systèmes agentiques. Un APO n’a pas besoin de peaufiner les modèles seul, mais doit en saisir les principes fondamentaux : quand utiliser la génération augmentée par la recherche, comment l’orchestration des agents modifie la conception des processus, ce que la latence ou les coûts en jetons impliquent pour le retour sur investissement, et quelles mesures de sécurité sont non négociables. Cela leur permet de briefer clairement les équipes techniques, de poser les bonnes questions et de concevoir une démonstration ou un prototype qui illustre concrètement l’impact. C’est une exécution claire, et non une rhétorique raffinée, qui permet de rallier les parties prenantes. En bref, le changement est profond : les consultants qui se contentent d’une approche purement descriptive, sans capacité à créer des prototypes ou à mesurer des résultats concrets, risquent de devenir obsolètes. Les APO qui allient stratégie et résultats tangibles et démontrables deviennent essentiels
