Le Blog Tech & Data

Avec les développements récents sur les LLM, et plus particulièrement sur les derniers modèles proposés en open source ou propriétaires, de plus en plus d'entreprises ont désormais la capacité de pouvoir les intégrer dans leurs propres projets.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Depuis longtemps, les chatbots ont toujours été des projets difficiles à développer, car ils nécessitent d'avoir accès à des informations en temps réel contenues dans des documents ou des bases de données. Aujourd'hui, avec les LLM puissants disponibles pour de nombreux projets, il peut être pertinent d'adapter les chatbots pour qu'ils apportent des réponses beaucoup plus précises et détaillées aux utilisateurs.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Au cours des dernières années, la méthode de gestion des infrastructures et des applications informatiques appelée GitOps a pris d'assaut le monde de la technologie. Cette approche offre une méthodologie révolutionnaire pour la gestion de l'infrastructure et du déploiement des applications en combinant les principes fondamentaux de Git.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Pour de nombreuses entreprises, innover chaque jour en proposant des applications à ses utilisateurs est un sujet primordial. Pour autant, cette course au déploiement continu de nouvelles applications nécessite des compétences bien particulières sur les architectures Cloud, l'automatisation de projets et la supervision. C'est à partir de ce moment qu'intervient le rôle de l'ingénieur DevOps dans les entreprises.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Dans le monde du DevOps, les conteneurs sont rapidement devenus des incontournables, aussi important que les machines virtuelles. Des plateformes de conteneurisation comme Docker ont permis de simplifier et d'accélérer la création d'image et l'exécution de conteneurs sur différents systèmes, à portée de tous.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Dans l'approche GitOps, il existe de nombreux outils permettant d'exécuter des pipelines CI/CD : certains se concentrent uniquement sur la partie intégration continue, d'autres avec le déploiement en plus. S'il y en a un qui est considéré comme l'un des plus matures et des plus robustes, c'est bien GitLab.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Avec l'explosion de l'IA Générative appliquée à la génération de texte ces dernières années, de nombreuses entreprises ont souhaité pouvoir déployer en interne leur propres LLM. Elles disposent ainsi de deux possibilités : utiliser directement des modèles disponibles en version SaaS comme ChatGPT ou Cohere, ou déployer dans leur propre SI un LLM open source adaptés à leurs propres besoins.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Pendant de nombreuses années, le rôle des Data Engineers était de récupérer des données issues de différentes sources, systèmes de stockage et applications tierces et de les centraliser dans un Data Warehouse, dans le but de pouvoir obtenir une vision complète et organisée des données disponibles.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Un des plus gros atouts des LLM concerne indéniablement leur grande connaissance sur de nombreux sujets, ainsi que leur forte capacité de généralisation. Pour de nombreuses entreprises, une des applications les plus importantes concerne la documentation interne.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Le prompting est une discipline qui a vu le jour avec l'explosion des LLM. En effet, il y a de nombreuses manières de poser des questions à un modèle, et puisqu'ils sont aujourd'hui très généralistes, il est important d'être précis dans ses propositions.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Avec les développements récents sur les LLM, et plus particulièrement sur les derniers modèles proposés en open source ou propriétaires, de plus en plus d'entreprises ont désormais la capacité de pouvoir les intégrer dans leurs propres projets.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Une des difficultés lors de la création des LLM est de pouvoir mesurer efficacement leurs performances. En effet, contrairement à la plupart des algorithmes de Machine Learning classiques qui cherchent à prédire des quantités ou des modalités/classes, un LLM va quant à lui proposer du texte en réponse, dont le nombre de mots n'est pas connu à l'avance.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Avec l'explosion des cas d'usages d'IA Générative qui est survenue notamment avec la mise à disposition au grand public de ChatGPT, de plus en plus d'entreprises ont souhaité tirer partie de cette innovation. En particulier, elles sont nombreuses à vouloir développeur leurs propres LLM fait maison, afin de pouvoir bénéficier de la puissance des modèles de langage récents tout en les spécialisant sur leurs propres données.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Une fois que des LLM sont entraînés sur un très grand corpus, ce dernier se veut le plus généraliste possible pour capter énormément de situations et de contextes, pour apporter des réponses précises. Seulement, ces LLM ne sont pas en mesure d'avoir accès à une base de connaissance personnalisée, sur des documents de tous types dans une entreprise par exemple.

Maxime Jumelle

CTO & Co-Founder

Lire l'article

Avec des nombres de paramètres qui augmentent de plus en plus, les LLM sont toujours plus volumineux, et leur consommation en mémoire GPU plus importante. Avec des modèles pouvant atteindre les dizaines de milliards de paramètres, la consommation mémoire en GPU peuvent atteindre 40 Go à 50 Go, ce qui nécessite d'avoir plusieurs GPUs à disposition sur une même machine.

Maxime Jumelle

CTO & Co-Founder

Lire l'article