Prévisions 2025 : Année de l’IA composée pour l’adoption des entreprises

La nouvelle année apportera l’adoption de l’IA de manière que nous n’avons pas vue auparavant, après une réévaluation de ce que nous savons maintenant pouvoir être réalisé au sein de l’entreprise. Les graphes de connaissances qui soutiennent l’IA composée seront au premier plan car ils ajoutent du carburant à la conversion d’informations non structurées en connaissances actionnables. Aux côtés d’autres outils comme GraphRAG qui rendent l’IA générative (GenAI) plus efficace, ils continueront à ouvrir la voie à la manière dont l’IA s’intègre dans notre vie quotidienne.

Vues réalistes sur ce qui peut être fait avec les modèles d’IA générative apporteront l’année de l’IA composée

Les organisations commencent à mettre en œuvre le potentiel de la GenAI pour résoudre des problèmes réels. Dans la nouvelle année, nous verrons son adoption de manière que nous n’avons pas vue auparavant, mais lorsqu’il s’agit de l’adoption de l’IA pour les utilisateurs d’entreprise, les modèles ne sont pas suffisants par eux-mêmes pour résoudre des problèmes complexes. Prenez nous, les humains, par exemple, nous sommes plus intelligents et plus efficaces avec des outils, et nous avons pu accomplir beaucoup plus avec l’accès à des calculateurs, une bibliothèque et un ordinateur. Nous ne pouvons pas attendre des modèles de langage qu’ils fassent tout ce dont nous avons besoin à ce stade, en particulier dans un environnement d’entreprise, sans les outils appropriés. L’ajout de graphes de connaissances qui soutiennent les charges de travail d’IA composée permettra aux systèmes d’être largement exploités et bénéficiés au sein de l’entreprise.

Une révolution du classement des informations avec GraphRAG

Aux débuts de l’Internet, les principaux moteurs de recherche étaient AltaVista et Lycos. Une requête de recherche indexait tous les mots d’une page et offrait des résultats dans un ordre de classement de page. Finalement, Google a réinventé cela en regardant comment les pages se rapportent les unes aux autres. Les pages sont devenues plus importantes si d’autres pages importantes étaient pointées vers elles. Cette règle récursive n’était possible que lorsque l’on regardait le web comme un graphique. C’est ainsi que nous avons fini par avoir le Google et le classement de page que nous connaissons aujourd’hui. De plus, lorsque Google a commencé à convertir des données textuelles en un graphique de connaissances en 2012, nous avons vu une évolution de la manière dont les utilisateurs recevaient des informations structurées sur des entités du monde réel lors de la recherche.

Dans l’année à venir, il y aura une progression similaire à celle que nous avons vue avec l’Internet, du recherche par mot-clé à la recherche basée sur les structures de réseau et de graphique. Les recherches basées sur la conversion de texte en représentation structurée se produiront également avec les modèles de langage, bénéficiant énormément aux entreprises. Alors que nous progressons avec la GenAI, nous commençons à voir quelque chose de similaire avec la GenAI qui utilise RAG, qui convertit chaque mot ou chaque pièce d’un document en un vecteur, nous permettant de prendre une question et de la mapper aux mots individuels du document.

Je crois que la prochaine itération de la recherche passera à l’utilisation d’une combinaison de graphique de connaissances et de RAG. Cela fait référence aux documents et trouve rapidement qu’ils ont quelque chose en commun et les relie en tant que connexion lorsqu’il s’agit de répondre à une requête. Au fil du temps, il est probable que la plupart de ce que nous avons documenté sera converti en informations structurées qui seront placées dans des graphiques de connaissances qui permettront à la raison de se produire lorsque nous sommes invités à effectuer une recherche. Il y aura un accent sur la conversion rapide d’informations textuelles non structurées en informations structurées pour la connaissance symbolique afin qu’elles deviennent actionnables.

L’interface de l’Internet est en train de changer, notre vie quotidienne verra l’adoption de l’IA avant la main-d’œuvre

En tant que personne qui a grandi sur Google, il est inévitable de remarquer que l’interface de l’Internet commence à changer. L’adoption de ChatGPT a progressé pour devenir le mécanisme principal de la manière dont la prochaine génération communique avec l’Internet. Alors que nous continuons à voir cette adoption en 2025 et au-delà, elle aura un impact significatif sur la manière dont des industries comme la publicité évoluent pour maintenir un avantage concurrentiel.

Comme pour la plupart des innovations technologiques, nous allons les mettre en œuvre dans notre vie personnelle en premier. Je crois que nous allons voir cela se produire avec des assistants personnels comme Siri ou Alexa basés sur des modèles de langage qui raisonnent et développent des modèles naturels pour nos habitudes quotidiennes. Alors que nous commençons à voir les gens s’appuyer davantage sur l’assistance personnelle en dehors du travail, les attentes d’avoir des assistants similaires sur leur lieu de travail suivront.

Réévaluation du budget pour la mise en œuvre de l’IA générative dans l’entreprise

Maintenant que le cycle de hype de l’IA est derrière nous, les gens sont beaucoup plus pragmatiques dans leur approche de la GenAI. Au cours des dix-huit derniers mois, beaucoup ont dépensé une grande partie de leur budget en GenAI, et ils peuvent avoir mis d’autres domaines importants de l’empreinte IT et des données sur le feu de fond et sous-investi. Donc, l’année prochaine, nous allons voir de nombreuses organisations calibrer mieux le budget pour faire plus. Maintenant que nous avons la visibilité et l’exposition de la manière dont la GenAI pourrait fonctionner ou non pour une organisation, ces entreprises peuvent équilibrer l’investissement entre la GenAI et toutes les autres initiatives importantes.