La force des LLM réside dans leur diversité, chacun offrant des capacités et des performances distinctes, plus ou moins alignées avec les exigences et enjeux des différents cas d’utilisation. Cette variété permet aux entreprises de choisir des solutions adaptées à leurs besoins spécifiques, en tenant compte de facteurs clés tels que l’adéquation native du LLM au cas d’utilisation, son coût d’exploitation, sa capacité à être spécialisé, la criticité des données manipulées, le niveau de dépendance envers les fournisseurs, ou encore l’expertise interne disponible pour en tirer un maximum de valeur. Il n’est désormais plus rare de constater l’émergence d’architectures d’intelligence artificielle hybrides, permettant la sollicitation de différents LLM, qu’ils soient déployés on-premise, sur des clouds hybrides, ou accessibles via les API des hyperscalers spécialisés.

Les petits modèles de langage, bien que plus limités en capacités, peuvent désormais être spécialisés pour répondre à des besoins très spécifiques, notamment sur des données confidentielles ou stratégiques. Des techniques de type PEFT, dont LoRA fait partie, émergent comme des solutions efficaces pour spécialiser ces modèles, réduisant ainsi considérablement les coûts d’entraînement et accélérant grandement l’industrialisation.

Mais quelle serait la plus-value d’un LLM, quel qu’il soit, sans possibilité d’exploiter et d’intégrer efficacement les résultats de leurs sollicitations ? L’intégration des LLM dans les écosystèmes existants est désormais facilitée par des techniques de type function calling, une fonctionnalité permettant aux modèles de langage d’interagir avec des systèmes tiers via des API. Cette avancée offre des avantages significatifs en termes d’automatisation et d’intégration, malgré quelques défis liés à sa configuration initiale et à sa dépendance à des normes spécifiques, telles qu’OpenAI API ou Gorilla OpenFunctions.

À l’échelle de l’entreprise, la mise en place d’une architecture d’intelligence artificielle hybride spécialisée, ainsi que l’organisation associée, semblent désormais devenir une priorité. Elle devra permettre de solliciter et d’exploiter des modèles et systèmes d’IA, internes comme externes, mais également exposer des services sécurisés vers l’extérieur, dans le respect des normes et standards d’urbanisation et de sécurité. Elle devra porter une garantie d’alignement avec les ambitions des métiers, de retour sur investissement, de maîtrise absolue des données de l’entreprise, et de respect éthique inconditionnel de ses forces vives.

L’adoption des LLM est en passe de devenir une nécessité stratégique pour la plupart des entreprises. Ils ne doivent plus être uniquement vus comme de simples outils, mais comme des vecteurs de transformation et surtout d’accélération qui redéfiniront probablement certains standards de nos industries.

Auteurs : Brice Martin, Vice-Président, Expert en Intelligence Artificielle et Nadir El Khalfioui, Consultant en Intelligence Artificielle chez CGI au Luxembourg