De la recherche à la « production » en produits commerciaux (ou du moins c’est l’idée)
Prospectif : Même si personne ne doute de l’héritage des avancées technologiques réalisées par IBM au cours des dernières décennies, certains commencent certainement à se demander si l’entreprise est capable de maintenir ce type d’efforts à l’avenir. Lors d’une récente journée d’analystes organisée au centre de recherche historique Thomas J. Watson, IBM a présenté un argument convaincant selon lequel ils sont à la hauteur de la tâche, en particulier dans les domaines de l’IA et de l’informatique quantique.
Ce qui ressortait était la démonstration par IBM d’un lien beaucoup plus étroit entre ses travaux de recherche sur les technologies avancées et la « productisation » rapide de ces travaux en produits commerciaux. Tant dans les remarques préparées que dans les réponses aux questions, il était clair qu’il y avait une attention renouvelée pour garantir que les deux groupes soient en phase en ce qui concerne leurs perspectives d’avenir et leurs priorités de développement.
Historiquement, toutes les initiatives de recherche d’IBM n’ont pas abouti sur le marché. Cependant, sous la direction claire du PDG Arvind Krishna, ancien responsable d’IBM Research, l’entreprise se concentre désormais sur des domaines clés tels que le cloud hybride, l’IA et l’informatique quantique. Le directeur de recherche actuel, Dario Gil, a confirmé que la collaboration entre les équipes de recherche et de produits commerciaux est désormais plus forte que jamais. Cette coordination renforcée conduit au développement rapide de capacités innovantes qui sont rapidement intégrées dans des produits commerciaux.
L’un des résultats concrets de cette stratégie est le développement rapide par IBM de sa suite d’IA, baptisée « Watsonx ». Présenté pour la première fois lors de la conférence Think de cette année (voir « IBM Unleashes Generative AI Strategy With watsonx » pour en savoir plus), watsonx évolue rapidement, en grande partie grâce aux nouvelles fonctionnalités développées pour la première fois par le groupe de recherche IBM.
Lors du récent événement destiné aux analystes, IBM a présenté de nombreuses applications concrètes et cas clients utilisant Watsonx. Bien que de nombreuses organisations soient encore en phase exploratoire avec Generative AI, IBM a partagé une variété de mises en œuvre réussies dans le monde réel. En outre, IBM a détaillé une vaste gamme d’applications pour Watsonx et l’IA générative, soulignant leur pertinence croissante dans divers secteurs d’activité.
Sur le plan des applications, IBM a identifié trois domaines principaux dans lesquels les entreprises déploient de plus en plus l’IA générative : le travail numérique ou les activités liées aux ressources humaines, le service client ou le support client, et la modernisation des applications ou la création de code. Dans ces catégories, la société a discuté des applications de création de contenu, de résumé, de classification et de codage. Compte tenu de la longue histoire des anciens logiciels mainframe qui s’exécutent sur les mainframes IBM, IBM a noté un intérêt particulier pour les entreprises qui souhaitent passer de l’ancien code COBOL aux langages de programmation modernes à l’aide d’outils basés sur GenAI.
IBM a également discuté de plusieurs initiatives technologiques au sein de son groupe de recherche visant à améliorer Watsonx. Ceux-ci incluent des efforts en matière de performances et d’évolutivité, de personnalisation des modèles, de gouvernance et d’activation des applications. En termes de performances, IBM explore de nouvelles méthodes pour améliorer l’efficacité des grands modèles de base grâce à des techniques telles que la réduction de la taille du modèle via la quantification et l’amélioration du partage des ressources avec le fractionnement GPU.
Soulignant son engagement envers l’open source, IBM a développé sa collaboration avec le framework d’applications d’IA Pytorch, initialement rendu open source par Meta en 2017. En tirant parti à la fois de la communauté open source et de ses ressources internes, IBM fait de grands progrès dans l’optimisation des performances des modèles. et faciliter le déploiement de modèles construits par Pytorch sur diverses architectures informatiques. L’ajout d’une couche d’abstraction matérielle comme Pytorch ouvre la possibilité à un éventail beaucoup plus large de programmeurs de créer ou de personnaliser des modèles GenAI. La raison en est que des modèles peuvent être créés avec ces outils en utilisant des langages tels que JavaScript qui sont beaucoup plus connus que les outils spécifiques aux puces et leurs exigences linguistiques de niveau inférieur.
Dans le même temps, ces couches d’abstraction matérielle finissent souvent par ajouter des pénalités de performances assez importantes en raison de leur nature de haut niveau (un problème dont les outils logiciels Cuda de Nvidia ne souffrent pas). Cependant, avec le nouveau Pytorch 2.0, IBM a déclaré qu’eux-mêmes et d’autres déployaient des efforts concertés pour réduire cet impact en organisant mieux les différents types de couches d’optimisation et, par conséquent, se rapprochaient des performances « sur le métal ».
En ce qui concerne la personnalisation des modèles, IBM a reconnu la tendance des entreprises à personnaliser ou à affiner les modèles existants plutôt qu’à en créer de nouveaux. Des techniques telles que LoRA (Low Rank Adaptation) et le réglage des invites multitâches sont en cours d’affinement en vue d’une commercialisation dans Watsonx. IBM a également souligné l’importance de fournir des conseils pédagogiques aux développeurs pour choisir les modèles et les ensembles de données appropriés. Bien que cela puisse paraître simpliste, il s’agit d’une exigence absolument essentielle, car même les connaissances de base sur la façon dont les modèles GenAI sont construits et fonctionnent sont beaucoup plus limitées que les gens ne le pensent (ou ne sont prêts à l’admettre !).
Pour en savoir plus sur ce développement et certaines de ses implications potentielles pour l’industrie, consultez ma récente chronique « L’état d’évolution rapide de l’IA générative ».
En matière de gouvernance, IBM se concentre sur le suivi et le reporting des détails de création et d’évolution des modèles, un domaine d’importance cruciale, en particulier dans les secteurs réglementés. L’entreprise travaille à la mise en œuvre de mesures de protection contre les préjugés, les stigmates sociaux, les contenus obscènes et les informations personnellement identifiables dans les ensembles de données, ainsi qu’à l’évaluation et à la prévention des risques. L’offre d’indemnisation d’IBM pour les clients utilisant leurs modèles de base contre les poursuites liées à la propriété intellectuelle témoigne de leur leadership dans la réponse aux préoccupations concernant la confiance et la fiabilité de la technologie GenAI.
Dans le domaine de l’Application Enablement, IBM a beaucoup parlé du travail qu’il réalise autour de la Retrieval Augmented Generation (RAG). RAG est une technique relativement nouvelle qui dynamise le processus d’inférence, permet aux entreprises d’exploiter leurs propres données de manière beaucoup plus facile et plus rentable, et facilite le processus d’ajustement des modèles de base existants afin que les organisations n’aient pas à se soucier de créer leurs propres modèles. IBM affirme avoir déjà vu un certain nombre de ses clients commencer à expérimenter et/ou adopter les techniques RAG et travaille donc à affiner ses capacités afin de rendre la création d’applications GenAI plus utiles beaucoup plus facile pour ses clients.
L’entreprise a présenté une feuille de route technologique détaillée qui s’étend jusqu’en 2030.
Dans le monde de l’informatique quantique, IBM continue de jouer un rôle de leader, en présentant une feuille de route technologique détaillée s’étendant jusqu’en 2030. Même si certaines entreprises technologiques sont prêtes à partager leurs projets dans quelques années, il est pratiquement rare qu’une entreprise fournisse autant d’informations jusqu’à présent. à l’avance. IBM doit le faire en partie parce que l’informatique quantique est une technologie si spectaculaire et si avant-gardiste que de nombreux clients potentiels ressentent le besoin de savoir comment ils peuvent la planifier. Pour faire simple, ils veulent comprendre ce qui s’en vient pour parier sur la feuille de route.
Tous les détails des développements de l’informatique quantique d’IBM seront dévoilés lors d’un événement en décembre. Il suffit de dire que la société continue d’être à la pointe de cette technologie et est de plus en plus confiante quant à sa capacité à éventuellement s’imposer dans l’informatique d’entreprise grand public.
Compte tenu de la longue et triste histoire des premières entreprises technologiques qui n’existent plus, il est compréhensible que certains doutent de la capacité d’IBM, âgée de 112 ans, à continuer d’innover. Cependant, comme nous l’avons montré, non seulement cet esprit d’invention est toujours vivant, mais il semble prendre de l’ampleur.
Bob O’Donnell est le fondateur et analyste en chef de TECHnalysis Research, LLC, une société de conseil en technologie qui fournit des services de conseil stratégique et d’études de marché au secteur technologique et à la communauté financière professionnelle. Vous pouvez le suivre sur Twitter @bobodtech
