Chris Mahl, Président et Directeur Général de Pryon – Série d’entretiens

Chris Mahl est Président et Directeur Général de Pryon. Avec plus de deux décennies d’expérience dans certaines des entreprises de logiciels les plus connues au monde, Chris se spécialise dans la mise à l’échelle des stratégies de marché et opérationnelles pour les entreprises technologiques à tous les stades de croissance.

Pryon propose un chemin fiable, sûr et éprouvé pour mettre en œuvre l’intelligence artificielle générative dans les entreprises. Les moteurs d’ingestion et de récupération de classe mondiale de Pryon peuvent être associés à des LLM génératifs pour mettre en œuvre la génération assistée par récupération et fournir des réponses précises, instantanées et vérifiables à l’échelle de l’entreprise.

Pryon se concentre sur la Génération Assistée par Récupération (GAR). Pouvez-vous expliquer comment votre approche de la récupération diffère des autres systèmes de recherche et de gestion des connaissances alimentés par l’IA ?

L’approche de Pryon en matière de récupération se distingue parce que notre Moteur de Récupération est capable d’accéder à des contenus en temps réel à partir de sources diverses comme des PDF, des images, des pages Web et des vidéos tout en maintenant la confidentialité des données sans dépendances externes. Nous avons combiné la recherche sémantique avec l’attribution de données granulaires pour atteindre une précision de récupération supérieure à 90 %. Contrairement à de nombreux systèmes, le nôtre s’adapte efficacement aux grandes organisations, permettant aux équipes de prendre des décisions rapides et précises sur la base de leur base de connaissances existante.

Le Moteur d’Ingestion de Pryon est conçu pour structurer de grandes quantités de contenu multimodal. Qu’est-ce qui rend votre processus d’ingestion unique et comment améliore-t-il la précision de la récupération ?

L’ingestion de Pryon peut gérer du contenu multimodal, en extrayant des réponses à partir d’audio, d’images, de texte et de vidéo à partir de diverses sources. Cela répond au problème fondamental des données non connectées dans les entreprises. Avec des données non structurées qui augmentent de plus de 50 % par an, notre moteur d’ingestion transforme les informations éparpillées en connaissances actionnables et structurées. Le processus est conçu pour la sécurité et la confidentialité, en protégeant les données sensibles de l’entreprise tout en les rendant immédiatement utiles.

Votre Moteur de Récupération promet des réponses instantanées, précises et vérifiables. Comment Pryon assure-t-il la précision et minimise les hallucinations lors de l’extraction d’informations ?

Pryon assure la précision et minimise les hallucinations grâce à plusieurs mécanismes. Notre technologie combine la recherche sémantique avec l’attribution de données granulaires, ce qui signifie que les réponses peuvent être retracées jusqu’à leurs sources spécifiques. Cette attribution est cruciale pour la vérification. Le système accède à des contenus en temps réel à partir de sources originales plutôt que de s’appuyer sur des bases de connaissances potentiellement obsolètes ou incomplètes. Cette connexion directe aux matériaux sources, couplée à notre haute précision de récupération (supérieure à 90 %), réduit considérablement le risque d’hallucinations qui affectent de nombreux systèmes d’IA générative.

Comment Pryon gère-t-il les mises à jour en temps réel des informations, en particulier dans des environnements dynamiques comme le gouvernement, l’énergie et les soins de santé ?

Pryon assure l’accès en temps réel aux informations les plus à jour grâce à une synchronisation de contenu flexible et à la demande. Les utilisateurs peuvent déclencher des synchronisations de contenu via notre portail Admin ou automatiser les mises à jour à l’aide de notre Sync-API sur une base planifiée, qu’il s’agisse d’une synchronisation hebdomadaire, quotidienne ou même horaire, en fonction des besoins opérationnels. Notre processus de vérification des deltas optimise l’efficacité en mettant à jour uniquement le contenu modifié, garantissant ainsi une récupération de connaissances rapide, précise et efficiente en ressources dans des contextes critiques comme le gouvernement, l’énergie et les soins de santé.

Pryon travaille avec des agences gouvernementales et de défense. Bien que les détails soient souvent classifiés, pouvez-vous discuter d’un cas d’utilisation où votre IA a considérablement amélioré la prise de décision ou l’efficacité opérationnelle ?

Pryon travaille avec une gamme d’agences de défense et de renseignement, notamment le Laboratoire de Recherche de la Force Aérienne (AFRL) et le Bureau Numérique et d’Intelligence Artificielle (CDAO), pour aider à rationaliser les opérations et permettre une prise de décision plus rapide et plus éclairée.

Un exemple puissant est notre collaboration avec le Bureau de la Transformation Numérique de l’Armée de l’Air américaine (DAF DTO). Cette équipe soutient le personnel d’acquisition et de maintenance qui a souvent besoin de trouver des informations critiques enfouies dans des centaines de milliers de pages Web et de documents. Ensemble, nous avons lancé DTO Wingman, un assistant alimenté par l’IA qui fournit des réponses précises et en temps réel à des questions complexes, avec attribution de source.

Au lieu de rechercher manuellement des documents de politique ou des réglementations, les utilisateurs peuvent simplement poser des questions comme « Qu’est-ce que je suis autorisé à acheter avec ma carte de voyage ? » ou « Qu’est-ce que le Code Numérique des Bâtiments et comment est-il lié aux acquisitions ? » L’IA renvoie des réponses précises et aide même à générer des rapports et des matériaux de présentation rapidement.

En fournissant aux personnels de l’Armée de l’Air et de l’Espace un accès immédiat à des réponses fiables, DTO Wingman aide les équipes à travailler de manière plus efficace et à fournir des conseils fiables et opportuns aux cadres supérieurs et aux décideurs.

Votre travail dans les sciences de la vie mentionne la recherche assistée par l’IA. Comment le système de Pryon aide-t-il les chercheurs à naviguer dans de vastes ensembles de données comme PubMed ou des référentiels de recherche privés ?

Le système de Pryon aide les chercheurs à naviguer dans de vastes ensembles de données comme PubMed ou des référentiels de recherche privés grâce à plusieurs capacités clés.

Qualité de la recherche améliorée :

• Erreur humaine réduite : La récupération systématique de données à jour garantit moins d’articles manquants ou de preuves négligées.
• Étayé par des preuves : Chaque réponse est ancrée dans la littérature originale, favorisant des conclusions fondées sur les données et référencées à la phrase dont elles proviennent.

Protection de contenu hautement sensible :

• Confidentialité : Maintient des contrôles d’accès stricts et un cryptage des données, essentiel pour les ensembles de données propriétaires ou liés aux patients.
• Conformité : Avec des données régies par des réglementations comme le HIPAA ou le RGPD, les chercheurs peuvent faire confiance à la protection de l’information sensible.

Pour le service client et les ventes, comment l’IA de Pryon se compare-t-elle aux solutions de chatbot et de CRM traditionnelles en termes d’augmentation de l’efficacité et de réduction de la charge de support ?

Les interactions de service client et de vente doivent généralement équilibrer l’exactitude et la flexibilité de leurs solutions de chatbot/CRM. Puisque fournir une réponse incorrecte à un client est inacceptable et peut avoir des implications juridiques, de nombreux fournisseurs de chatbot et de solutions d’IA conversationnelles traditionnelles optent pour limiter la flexibilité de la solution avec des interactions de type « FAQ uniquement ».

Ceci est une difficulté pour le fournisseur, nécessitant un codage manuel de réponses spécifiques à des questions courantes, et offre une expérience médiocre pour le client, qui a l’interface d’un chatbot, mais une expérience entièrement inflexible qui n’est guère différente de la lecture d’un FAQ. D’autres fournisseurs optent pour essayer d’utiliser une expérience générative plus flexible avec moins de limites sur le LLM, cependant en raison d’un manque de récupération précise, cela implique de remplir des catalogues de produits ou des pages Web entières dans la fenêtre de contexte du LLM, diminuant ainsi la précision de la sortie, potentiellement de manière désastreuse.

L’art et la science de la GAR consistent à maximiser le signal (vérité) et à minimiser le bruit (contexte non pertinent qui confond souvent le LLM). La précision de la récupération de Pryon, capable de sourcer une réponse spécifique au niveau de la phrase à travers tous les documents, signifie que le service client et les ventes n’ont plus à compromettre l’exactitude pour la flexibilité.

Quels sont les plus grands défis que vous voyez dans l’adoption de l’IA d’entreprise aujourd’hui, en particulier avec les systèmes basés sur la GAR ?

Bien que cela soit certainement quelque chose que nous constatons dans nos interactions avec le marché, il est également de plus en plus reconnu que les « données prêtes pour l’IA » (ou leur absence) constituent le point de défaillance le plus important pour les déploiements d’IA.

• 91 % des dirigeants dans une enquête du Harvard Business Review ont déclaré qu’une fondation de données fiable est essentielle pour un déploiement d’IA réussi.
• McKinsey a constaté que 70 % des initiatives GenAI font face à des défis liés aux données, avec seulement 1 % des données importantes de l’entreprise reflétées dans les modèles actuels.
• The Wall Street Journal a cité la fiabilité comme la première préoccupation pour l’adoption des agents IA, une question étroitement liée à la qualité et à l’accessibilité des données.
• Gartner a identifié le manque de données prêtes pour le GenAI comme la principale raison des déploiements échoués.

Les données prêtes pour l’IA vont au-delà de la simple vectorisation de vos documents Word – il s’agit d’unifier vos sources cloisonnées, de travailler avec des formats complexes comme les entrées multimodales, de nettoyer vos données, de les améliorer, de les mettre dans un format que les LLM peuvent travailler, de les découper au niveau de granularité optimal pour maintenir une précision et des coûts réduits, de les indexer de manière intelligente, de les connecter à un système de récupération performant, etc.

Ces défis importants nécessitent des compétences et des outils dédiés – dans une enquête menée par Pryon auprès de constructeurs de GAR développant des solutions au sein de grandes entreprises, la préparation des données a été classée comme la partie la plus coûteuse, la plus chronophage et la plus technique du processus de construction, suivie de près par la récupération d’informations.

Comment différenciez-vous la Suite GAR de Pryon des solutions d’entreprise proposées par Microsoft , Google (GOOGL ) ou OpenAI ?

La différenciation spécifique varie d’un joueur à l’autre, mais à un niveau élevé, les grandes entreprises technologiques se concentrent sur être l’« interface » de l’IA au travail. Pryon se concentre à un niveau plus fondamental de la pile – la couche de connaissances. Pryon résout les problèmes profonds de préparation et de récupération des données, tandis que les grandes entreprises technologiques se concentrent sur la fourniture de solutions d’IA plus larges qui peuvent servir certains cas d’utilisation de GAR simples mais qui s’effondrent souvent face aux complexités réelles des cas d’utilisation des entreprises et du gouvernement. Pryon peut également être complémentaire avec ces systèmes, le contenu généré par Copilot, Gemini ou GPT pouvant être connecté à la Couche de Connaissances de Pryon pour être organisé et préparé pour une utilisation par des applications et des agents en aval.

Alors que les réglementations sur l’IA évoluent, comme l’Acte sur l’IA de l’UE et les lignes directrices américaines sur l’IA, comment Pryon aborde la conformité et l’utilisation éthique de l’IA ?

Alors que les réglementations sur l’IA évoluent à l’échelle mondiale, Pryon reste engagé en faveur de la conformité et du déploiement éthique de l’IA. Notre approche s’aligne sur des cadres tels que l’Acte sur l’IA de l’UE, les lignes directrices américaines sur l’IA et les principes d’IA Responsable (RAI) du Département de la Défense, en garantissant que nos solutions d’IA sont fiables, transparentes et gouvernables. Grâce à l’adhésion au cadre RAI SHIELD, nous intégrons une évaluation rigoureuse, une traçabilité et un suivi continu tout au long du cycle de vie de l’IA, en donnant la priorité à la sécurité, à l’équité et à la performance. En intégrant ces meilleures pratiques dans notre méthodologie de déploiement, Pryon permet aux organisations d’harnacher l’IA de manière responsable tout en répondant aux normes réglementaires et éthiques les plus élevées.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Pryon.