intelligence artificielle

Red Hat OpenShift AI étend la flexibilité de l’IA prédictive et générative sur l’ensemble du cloud hybride

Soumis par fredericmazue le

Red Hat annonce des évolutions pour Red Hat OpenShift AI, sa plate-forme hybride dédiée à l’intelligence artificielle (IA) et à l’apprentissage automatique (ML) basée sur Red Hat OpenShift, qui permet aux entreprises de créer et de mettre à disposition des applications alimentées par l’IA à grande échelle sur l’ensemble des clouds hybrides. 

Red Hat OpenShift AI 2.9, la dernière version de la plateforme, propose notamment :

  • La mise à disposition de modèles en périphérie, qui permet d’étendre le déploiement des modèles d’IA aux emplacements distants à l’aide d’une configuration OpenShift à un seul nœud. Cela offre des capacités d’inférence au sein d’environnements limités en ressources dont l’accès au réseau demeure intermittent ou lacunaire. Cette fonctionnalité disponible en avant-première technologique donne aux entreprises la possibilité de profiter d’une expérience opérationnelle évolutive et cohérente depuis le cœur de réseau jusqu’en périphérie en passant par le cloud et s’accompagne de capacités d’observabilité immédiatement disponibles.
  • Une distribution des modèles améliorée grâce à l’exploitation de multiples serveurs de modèles afin de soutenir l’IA prédictive et générative, incluant un support pour KServe, une définition des ressources Kubernetes sur mesure qui orchestre la distribution de tous types de modèles, un distributeur d’inférence de vLLM et de génération de texte, des moteurs de distribution pour les LLM et les environnements d’exécution Caikit-nlp-tgis, qui gèrent les modèles et les tâches de traitement du langage naturel (NLP). Cette distribution de modèles améliorée permet aux utilisateurs d’exécuter l’IA prédictive et générative sur une plateforme unique pour de nombreux cas d’usage, ce qui aide à réduire les coûts et à simplifier les opérations. Cela permet une distribution de modèles originale pour les LLM et simplifie les workflows utilisateurs correspondants.
  • Des workloads distribués avec Ray, à l’aide de CodeFlare et KubeRay, permettant un traitement des données et un entraînement des modèles plus rapides et plus efficaces à l’aide de multiples nœuds de cluster. Ray offre un cadre pour l’accélération des workloads d’IA et KubeRay permet de gérer ces workloads sur Kubernetes. CodeFlare joue un rôle central dans les capacités de distribution des workloads de Red Hat OpenShift AI, en offrant un cadre facile d’utilisation qui permet de simplifier l’orchestration et le monitoring des tâches. La file d’attente centrale et les capacités de gestion offrent une exploitation optimale des nœuds et permettent d’allouer des ressources, comme le processeur graphique, aux workloads et aux utilisateurs les plus pertinents.
  • Un développement des modèles amélioré grâce aux espaces de travail pour les projets et aux images de référence supplémentaires qui offrent aux data scientists un degré de flexibilité suffisant pour leur permettre d’exploiter des IDE et des boîtes à outils, y compris VS Code et RStudio, actuellement disponibles en avant-première, ou encore la version améliorée de CUDA, pour un vaste panel de cas d’usage et de types de modèles.
  • Des visualisations pour le monitoring des modèles afin d’obtenir des indicateurs de performance et opérationnels, ce qui renforce l’observabilité des performances des modèles d’IA.
  • De nouveaux profils d’accélérateurs permettent aux administrateurs de configurer différents types d’accélérateurs matériels pour les workflows de développement et de distribution des modèles. Cela permet aux utilisateurs d’accéder facilement et directement au type d’accélérateur adapté à un workload spécifique.

Oracle annonce un assistant pour le code basé sur l'IA

Soumis par fredericmazue le

Oracle annonce ses plans autour d’Oracle Code Assist, un assistant pour le code basé sur l’IA, afin d’aider les développeurs à gagner en rapidité et à améliorer la cohérence du code. Alimenté par de grands modèles de langage (LLM) exécutés sur Oracle Cloud Infrastructure (OCI) et optimisé pour le développement Java et SQL, mais aussi d'applications sur OCI, Oracle Code Assist est destiné à fournir aux développeurs des suggestions spécifiques contextualisées qui peuvent être adaptées aux bonnes pratiques et au codebase, l’ensemble du code source d'une organisation. Oracle Code Assist permettra également de mettre à jour, de mettre à niveau et de refactoriser le code écrit dans la plupart des langages de programmation modernes.

Déployé en tant que module d'extension d'environnement de développement pour JetBrains IntelliJ IDEA ou Microsoft Visual Studio Code, Oracle Code Assist est programmé pour être spécialement entraîné pour fournir des commentaires avisés afin d'aider les développeurs à créer, optimiser et mettre à niveau des applications, quel que soit l’emplacement où elles sont exécutées.

« Les développeurs pourront utiliser Oracle Code Assist pour mettre rapidement à niveau des applications Java entières vers des versions plus récentes. Cette capacité à mettre rapidement à niveau Java à l'aide d'un assistant de codage augmente considérablement la capacité des entreprises à améliorer la résilience et les performances des applications, à intégrer les dernières fonctionnalités du JDK et à renforcer leur posture de sécurité », déclare Arnal Dayaratna, Vice-Président de la recherche d'IDC. « Oracle Code Assist peut également accélérer les mises à niveau de la base de données en ce qui concerne le refactoring et le test de code PL/SQL complexe et souvent customisé, ce qui peut prendre beaucoup de temps et coûter très cher. Compte tenu de l'omniprésence de Java et des bases de données dans les entreprises, Oracle Code Assist est susceptible d'être largement adopté par les grandes entreprises du monde entier. »

Selon Oracle, les développeurs vont gagner en rapidité grâce aux fonctionnalités d'Oracle Code Assist suivantes :

  • Génération de code : fournit des suggestions de code basées sur le contexte et les modèles appris et génère des fichiers de classe, des méthodes ou des lignes de code entières. Les développeurs peuvent ensuite accepter, modifier ou rejeter le fragment de code, réduire le temps passé à écrire du code standard et créer des applications plus rapidement.
  • Annotation de code : génère une documentation ou des commentaires sur l'interface de programmation d'application (API) pour décrire la fonctionnalité de code. Cela aide les développeurs à assurer la maintenance de l'application tout au long de sa vie.
  • Explicabilité du code : fournit un récapitulatif en langage simple du code. Cela aide les développeurs ayant la charge de réviser ou de refactoriser le code existant et permet de gagner du temps en fournissant un contexte précis et facile à comprendre.
  • Révisions de code plus rapides : lance une demande d'extraction pour fusionner les modifications dans un référentiel après avoir écrit des révisions de code, et recommande des modifications de code en fonction des instructions de performance, de qualité, d'efficacité et de style. Cela aide les développeurs à fournir un code de meilleure qualité.
  • Génération de couverture de test : crée des tests unitaires et fonctionnels selon le contexte du code. Cela aide les développeurs à améliorer la qualité des tests avec une meilleure couverture des tests couvrant une plus grande variété d'entrées de test.

Là où Oracle Code Assist est également attendu, c’est dans l’aide aux développeurs pour améliorer la cohérence et l'optimisation du code grâce à :

  • Suggestions personnalisées : intègrent les structures de codage, les bibliothèques internes, les bonnes pratiques et les normes propres au secteur d'activité d'une entreprise pour générer du code qui lui est propre. Cela aide les développeurs à réviser, à mettre à jour et à intégrer le code dans les bases de code existantes.
  • Contexte de l'origine du code : filtre le code qu'il génère pour garantir qu'il ne provient pas de licences non autorisées. Cela aide les développeurs à gérer les risques de conformité.
  • Mises à niveau du langage automatisées : convertit et met à jour le code existant dans la version du langage en cours à l'aide de bibliothèques plus récentes. Les développeurs peuvent ainsi améliorer la performance et la qualité d'une application en tirant parti des nouvelles fonctionnalités du langage ou de la structure utilisés.
  • Analyse du code : identifie les bugs et les inefficacités, et produit du code basé sur les pratiques de développement logiciel d'une entreprise. Cela aide les développeurs à fournir un code plus rigoureux qui est cohérent avec leur code base propriétaire.
  • Suggestions d'optimisation OCI : intègre les suggestions des API de service OCI, des modèles de codage et des bonnes pratiques pour permettre aux applications de fonctionner au mieux sur OCI. Les développeurs peuvent ainsi optimiser l'utilité et augmenter l'efficacité des applications exécutées sur OCI et utilisant les services OCI.

 

Oracle souligne que les développeurs travaillant dans l'entreprise utilisent activement Oracle Code Assist pour créer de nouveaux produits et services Oracle. Il est prévu de le rendre disponible pour les clients Oracle prochainement. Oracle n'a pas précisé davanatge la date de disponibilité

L'IA au cœur de la nouvelle solution Oracle Database 23AI

Soumis par fredericmazue le

Oracle Database 23ai, la nouvelle version de la base de données convergée d'Oracle est désormais disponible dans le monde entier sous la forme d'un large éventail de services cloud. Cette version de support à long terme inclut Oracle AI Vector Search et plus de 300 fonctionnalités majeures supplémentaires axées sur la simplification de l'utilisation de l'IA avec les données, l'accélération du développement d'applications et l'exécution de workloads stratégiques.

Oracle Database 23ai est disponible dans Oracle Cloud Infrastructure (OCI) sur Oracle Exadata Database Service, Oracle Exadata Cloud@Customer et Oracle Base Database Service, ainsi que sur Oracle Database@Azure.

Les nouvelles fonctionnalités d'Oracle Database 23ai sont les suivantes :

IA pour les données

  • Oracle AI Vector Search : permet aux clients de rechercher facilement des documents, des images et des données relationnelles en fonction de leur contenu conceptuel plutôt que de mots, de pixels ou de valeurs de données spécifiques. AI Vector Search permet aux LLM (Large Language Models) d'interroger des données d'entreprise privées à l'aide d'une interface en langage naturel et aide les LLM à fournir des résultats plus précis et pertinents. En outre, AI Vector Search permet aux développeurs d'ajouter facilement des fonctionnalités de recherche sémantique aux nouvelles applications et aux applications existantes. Toutes les fonctionnalités essentielles d'Oracle Database fonctionnent désormais de manière transparente avec les vecteurs d'IA, ce qui permet aux clients Oracle d'exécuter AI Vector Search pour leurs applications les plus stratégiques. En stockant et en traitant des données opérationnelles et vectorielles dans la même base de données à hautes performances, les clients peuvent intégrer aisément AI Vector Search dans des applications métier existantes pour implémenter des nouveaux cas d'usage d'IA innovants, sans compromettre la sécurité des données.
  • Oracle Exadata System Software 24ai : le stockage intelligent d'Exadata accélère AI Vector Search de plusieurs ordres de grandeur. Cela permet aux applications d'exécuter AI Vector Search à la fois pour de grands volumes de données et pour un grand nombre d'utilisateurs.
  • OCI GoldenGate 23ai : GoldenGate permet l'intégration de données hétérogènes et la haute disponibilité dans les banques de données cloud. GoldenGate 23ai offre de nouvelles fonctionnalités qui permettent de répliquer des vecteurs en temps réel dans des banques vectorielles hétérogènes. Cette fonctionnalité permet également aux entreprises d'intégrer rapidement l'IA à toutes leurs données avec un risque minimal en répliquant les données de leurs bases de données existantes vers Oracle Database 23ai où elles peuvent être vectorisées et indexées pour une recherche rapide d'IA.

Accélération du développement d'applications

  • Unification relationnelle JSON : JSON Relational Duality corrige la non-concordance entre la façon dont certaines applications veulent utiliser les données et la façon dont les bases de données relationnelles stockent les données. Depuis des dizaines d'années, les développeurs sont capables de lire et d'écrire des données relationnelles à l'aide de SQL. Désormais, ils peuvent également utiliser JSON pour extraire et stocker facilement les mêmes données à l'aide d'API REST ou JSON natives sans compromettre la cohérence des données, l'efficacité du stockage et la flexibilité inhérentes au modèle de données relationnel. Grâce aux vues avec JSON Relational Duality, les développeurs et les clients n'ont plus à choisir un modèle de données unique pour leurs données. Ils bénéficient des avantages des modèles de données JSON et relationnels sur les mêmes données.
  • Unification relationnelle de graphe : Operational Property Graph permet aux développeurs de créer facilement des applications qui naviguent dans les connexions entre et au sein des données à l'aide de requêtes de graphe de propriétés. Les requêtes de graphe de propriétés peuvent être exécutées sur tous les types de données pris en charge par Oracle Database, y compris les données relationnelles, les données JSON et les données spatiales. Les développeurs peuvent définir un modèle de graphe directement sur les données opérationnelles et interroger le graphe à l'aide de la nouvelle syntaxe SQL/PGQ ISO standard. Cela facilite et accélère la création d'applications qui analysent les connexions, les modèles et les relations entre les données, par exemple entre plusieurs transactions financières.
  • Bases de données pour développeurs gratuites : Always Free Autonomous Database fournit deux instances Autonomous Database sans serveur gratuites dans le cloud pour une durée illimitée, avec des outils pré-intégrés tels qu'Oracle APEX, Select AI, Database Tools, Machine Learning et Graph. L'image de conteneur Autonomous Database Free et Oracle Database Free prennent désormais en charge Oracle Database 23ai, ce qui permet aux développeurs de télécharger et d'essayer facilement les nouvelles fonctionnalités, notamment AI Vector Search, JSON Relational Duality et Operational Property Graph avec SQL.

Données stratégiques

  • Oracle Globally Distributed Database avec RAFT : Oracle Globally Distributed Database permet de stocker des données dans le cloud sur plusieurs bases de données physiques à plusieurs emplacements au lieu d'une seule base de données tout en exposant une seule image de base de données aux applications. Cette fonctionnalité est utilisée pour atteindre une très grande échelle et pour répondre aux exigences de résidence des données et de souveraineté des données. Désormais, la réplication RAFT entre les bases de données physiques permet un basculement automatique sans perte de données en quelques secondes. Cela est essentiel lors de la création de bases de données distribuées à l'échelle du cloud qui doivent atteindre une évolutivité et une disponibilité ultra-élevées. L'intégration de la réplication au sein de la base de données avec le protocole basé sur RAFT simplifie la création et l'administration de bases de données distribuées tolérant les pannes et réduit le besoin de processus manuels pour maintenir une disponibilité active-active.
  • Oracle True Cache : True Cache est un cache de niveau intermédiaire (middle tier) en mémoire, toujours constant, transparent pour l'application et à hautes performances. Oracle True Cache améliore le temps de réponse des applications tout en réduisant la charge sur les serveurs de base de données. Contrairement aux autres caches de niveau intermédiaire, les données True Cache sont automatiquement conservées de manière cohérente sur le plan transactionnel à chaque instant. True Cache n'a pas besoin que les développeurs écrivent du code pour alimenter et gérer les données dans le cache, ce qui facilite le déploiement entre les applications et la base de données. True Cache apporte les fonctionnalités enrichies d'Oracle Database aux caches de niveau intermédiaire. Toutes les fonctionnalités de requête Oracle SQL, JSON et Graph sont disponibles dans True Cache.
  • Pare-feu SQL dans la base de données : Oracle SQL Firewall permet de protéger les bases de données contre les instructions SQL non autorisées, notamment les attaques par injection SQL. Intégré à Oracle Database 23ai, Oracle SQL Firewall offre un moyen évolutif, performant et difficile à contourner pour faire face aux risques des hackers et des comptes internes compromis. En outre, les entreprises peuvent utiliser Oracle Data Safe pour gérer plusieurs pare-feu SQL afin de réduire considérablement le coût de déploiement.

De nouveaux outils d'IA sur Google pour les développeurs

Soumis par fredericmazue le

Mountain View a annoncé de nouveaux outils basés sur l'IA, actuellement en version bêta ouverte, conçus pour vous aider à naviguer dans la documentation et les ressources de formation de Google pour les développeurs. Ces nouveaux outils sont un Chat, Code Explain, un explorateur d'API et une recherche basée sur l'IA.

Chat

Avec lui, développeurs peuvent interagir avec un chat basé sur l'IA pour rechercher de la documentation, poser des questions sur les outils Google, générer des exemples de code et résoudre des problèmes.

Code Explain

Code Explain fournit des explications claires et naturelles, selon les termes de Google, d'exemples d'extraits de code dans la documentation, permettant des questions de suivi dans le chat pour plus de clarté.

Explorateur d'API

Celui-ci permet d'essayer des centaines d'API Google sans codage. Le développeur peut tester les fonctionnalités et observer les résultats. L'API Explorer agit sur des données réelles, soyez donc prudent lorsque vous essayez des méthodes qui créent, modifient ou suppriment des données.

Recherche basée sur l'IA

Désormais, lorsque les développeurs effectuent une recherche sur Google pour les développeurs, ils reçoivent une réponse générée par l'IA qui extrait le texte et les liens pertinents de l'ensemble du site. Cela permet aux développeurs d’obtenir rapidement des réponses aux questions dont ils ont besoin, assure Mountain View.

Pour profiter de ces fonctionnalités, il est nécessaire de posséder un profil de développeur Google. Ces outils sont disponibles en version bêta sur ordinateur et soumis aux conditions d'utilisation supplémentaires de Generative AI de Google.

Amazon Q est disponible

Soumis par fredericmazue le

AWS a annoncé que son assistant Amazon Q, lancé en préversion fin 2023, est désormais en disponibilité générale. Amazon Q assiste les développeurs dans l'écriture de code et est le concurrent AWS à Copilot de Microsoft. Amazon Q permet aussi d'exploiter les données internes de l'entreprise.

Selon AWS, Amazon Q est une vraie panacée "Amazon Q est l'assistant génératif basé sur l'IA le plus performant disponible aujourd'hui, avec une précision de pointe, des capacités d'agents avancées et une sécurité de premier ordre qui aide les développeurs à devenir plus productifs et aide les utilisateurs professionnels à accélérer la prise de décision"

Toujours selon, AWS, Amazon Q génère non seulement du code très précis, mais il teste, débogue et dispose de capacités de planification et de raisonnement en plusieurs étapes qui peuvent transformer (par exemple, effectuer des mises à niveau de la version Java) et implémenter le nouveau code généré à partir des demandes des développeurs. Amazon Q permet également aux employés d'obtenir plus facilement des réponses aux questions sur les données d'entreprise telles que les politiques de l'entreprise, les informations sur les produits, les résultats commerciaux, la base de code, les employés et bien d'autres sujets en se connectant aux référentiels de données d'entreprise pour résumer les données de manière logique, analyser les tendances. , et engager un dialogue sur les données.

AWS souligne encore qu'Amazon Q analyse le code à la recherche de vulnérabilités difficiles à détecter, telles que les informations d'identification exposées et l'injection de journaux. Amazon Q suggère automatiquement des corrections, que le développeur peut accepter ou non.

Enfin AWS souligne qu'Amazon Q est un expert en optimisation de l'environement AWS. Amazon Q est dans la console pour aider à optimiser les environnements cloud, ainsi qu'à diagnostiquer et résoudre les erreurs et les problèmes de réseau, sélectionner les instances, optimiser les structures structurées, des requêtes en langage de requête (SQL), des pipelines d'extraction, de transformation et de chargement (ETL) et fournir des conseils sur les meilleures pratiques architecturales. Amazon Q inclut encore une nouvelle fonctionnalité qui aide les clients à répertorier les ressources et les configurations de leur compte AWS et à analyser les informations et les tendances de facturation.

Site : aws.amazon.com/fr/q

GitHub Copilot Workspace : l'IA du début à la fin d'un projet

Soumis par fredericmazue le

En 2022, GitHub a lancé Copilot pour assister les développeurs dans leurs tâches d'écriture et de correction du code. En 2023, GitHub a lancé Copilot Chat un agent conversationnel alimenté par le modèle GPT-4, pour assister le codage via le langage naturel. GitHub va encore plus loin en lançant GitHub Copilot WorkSpace

GitHib Copilot Workspace est l'environnement de développement natif de Copilot. Dans Copilot Workspace, les développeurs peuvent désormais réfléchir, planifier, créer, tester et exécuter du code en langage naturel. GitHub expluqe : cette nouvelle expérience centrée sur les tâches exploite différents agents basés sur Copilot du début à la fin, tout en donnant aux développeurs un contrôle total sur chaque étape du processus.

GitHub souligne qu'avec ce nouvel outil il n'est pas question de remplacer les développeurs, mais au contraire de les aider à mettre en valeur leur créativité. Avec Copilot Workspace, nous donnerons aux développeurs plus expérimentés les moyens de fonctionner en tant que penseurs systémiques et réduirons considérablement la barrière d'entrée pour ceux qui peuvent créer des logiciels, souligne GitHub.

Toujours selon GitHub, le début d'un projet est souvent une barrière à franchir. L'intelligence artificielle vient alors pour aplanir les difficultés initiales. Pour les développeurs, la plus grande barrière à l’entrée se situe presque toujours au début. Pensez à la fréquence à laquelle vous vous heurtez à un mur lors des premières étapes d'un grand projet, d'une demande de fonctionnalité ou même d'un rapport de bug, simplement parce que vous ne savez pas par où commencer. GitHub Copilot Workspace rencontre les développeurs dès l'origine : un référentiel GitHub ou un problème GitHub. En utilisant les agents Copilot comme deuxième cerveau, les développeurs bénéficieront de l’assistance de l’IA dès le début d’une idée.

Ainsi GitHub Copilot Workspace construit un plan de projet complet. Copilot Workspace propose un plan étape par étape pour résoudre le problème, basé sur sa compréhension approfondie de la base de code, des réponses aux problèmes, etc. Il vous donne tout ce dont vous avez besoin pour valider le plan et tester le code, dans une liste simplifiée en langage naturel, explique GitHub.

Le développeur garde la main et peut modifier ce plan. Une fois ce plan validé, le développeur n'a plus qu'à entrer dans l'espace de code et y apporter les modifications qu'il juge nécessaire.

Et une fois que vous êtes satisfait du plan, vous pouvez exécuter votre code directement dans Copilot Workspace, accéder à l'espace de code GitHub sous-jacent et apporter toutes les modifications de code jusqu'à ce que vous soyez satisfait du résultat final. Vous pouvez également partager instantanément un espace de travail avec votre équipe via un lien, afin qu'elle puisse visualiser votre travail et même essayer ses propres itérations.

Il ne vous reste plus qu'à déposer votre pull request, à exécuter vos actions GitHub, à analyser le code de sécurité et à demander aux membres de votre équipe une révision humaine du code. Et mieux encore, ils peuvent tirer parti de votre espace de travail Copilot pour voir comment vous êtes passé de l’idée au code, souligne GitHub

GitHub Copilot Workspace est compatible avec les appareils mobiles.

GitHub Copilot Workspace est actuellement en preview technique, accessible ici.

[video:https://www.youtube.com/watch?v=pkotufZchjE autoplay:0]

[video:https://www.youtube.com/watch?v=L5Xny6yehUg autoplay:0]

8 jeunes sur 10 utilisent l'IA dans leurs études et leur orientation

Soumis par fredericmazue le

Diplomeo, une plate-forme dédiée à l’orientation dans l’enseignement supérieur, dévoile les résultats d’une étude sur la relation entre les jeunes et l’IA auprès d’un échantillon de 560 répondants âgés de 16 à 25 ans. L’objectif : comprendre leur rapport à cette nouvelle technologie, mais aussi son usage dans les études et en matière d’orientation, alors que la phase de confirmation des vœux vient de se terminer sur Parcoursup. Sans surprise, si l’intelligence artificielle réinvente les pratiques de travail, elle impacte également le quotidien des nouvelles générations dans leur orientation. 

Parmi les principaux enseignements, l’étude soulève que :

  • 79% utilisent un outil d’IA pour leurs études ou leur orientation et parmi eux, 55% l’utilisent au moins une fois par mois, 25% toutes les semaines et 21% une fois par jour
  • Près de 8 jeunes sur 10 admettent l’utiliser pour s’aider pendant leurs cours
  • Seuls 28% des jeunes interrogés utilisent l’IA comme outil d’orientation
  • 44% des 16-25 ans utilisent l’IA pour les aider à rédiger leur lettre de motivation pour une formation

L’IA et la Gen Z : quels usages dans les études et l’orientation ? 

L’intelligence artificielle s’est imposée dans notre quotidien avec l’arrivée d’outils comme ChatGPT ou MidJourney. Chez les jeunes, son utilisation est particulièrement importante. 79% : c’est la part des 16-25 ans qui ont déjà utilisé un outil d’intelligence artificielle. Parmi eux, plus de la moitié profitent des possibilités offertes par cette technologie au moins une fois par mois, 25% toutes les semaines et 21% se servent de ChatGPT et consorts tous les jours.

En règle générale, l’IA est vue comme un facilitateur des tâches rébarbatives du quotidien. Parmi les usages les plus fréquents de l’IA, les jeunes l’utilisent massivement pour la production de contenu lié aux études (61%), pour trouver de l’inspiration (46%), ainsi que pour acquérir rapidement des connaissances (41%). 

Dans le cadre de leurs études, 8 jeunes sur 10 qui utilisent l’IA en font usage pour leurs cours. Parmi les usages principaux, les 16-25 l’exploitent pour créer un plan de devoirs ou travaux à la maison (56%), corriger les fautes (55%) et plus largement pour réviser (39%). 

L’IA comme outil pour trouver son école ? Pas vraiment.

Malgré l’usage intensif des outils d’intelligence artificielle dans le cadre des études, il semblerait que les étudiants délaissent cette technologie lorsqu’il s’agit de s’orienter. 76% des 16-25 ans ont répondu “non” à la question “As-tu déjà utilisé l’IA pour chercher une école ?”. 

Parcoursup, réorientations fréquentes en première année, poursuite d’études après un bac+2 ou un bac+3 : davantage confrontée aux questions d’orientation, la tranche des 17-20 ans est la plus active dans son usage de l’IA en matière d’orientation. Près de 40% utilisent l’intelligence artificielle pour s’orienter et obtenir des suggestions de métiers, secteurs et formations qui leur correspondent, contre environ 30% chez les plus de 21 ans. 1 sur 3 en fait usage pour chercher une école contre 1 sur 5 du côté de leurs aînés.

La lettre de motivation et l’IA : un usage qui interpelle

Les jeunes, toutes catégories d’âge confondues, sont 44% à utiliser l’IA pour rédiger une lettre de motivation pour candidater à une formation quelle qu’elle soit (à travers Parcoursup, Mon Master ou hors de ces plateformes). L’utilisation de l’IA pour leur vie professionnelle est moins importante : ils sont 21% à faire appel à ChatGPT ou autre outil pour postuler à un job étudiant, 20% à un stage et 19% à une alternance. 

Si l'utilisation de l'IA pour la lettre de motivation n'est pas encore significative, elle interpelle tout de même : l’IA ne remplace pas l’humain dans ces tâches qui nécessitent de bien se connaître, d’identifier ses forces et ses compétences, afin de les valoriser dans un courrier destiné à des recruteurs. Par ailleurs, une vaste campagne de sensibilisation au sujet de l’IA dans le cadre de la lettre de motivation a été menée par plusieurs établissements d’enseignement supérieur.

Un usage de l’IA plus mesuré du côté des femmes 

L’enquête sur l’usage de l’IA par la génération Z démontre que cette technologie a su être adoptée aussi bien par les femmes que les hommes. Elles sont toutefois un peu moins nombreuses à utiliser ces outils (77% contre 79% pour les hommes), mais cette différence reste assez légère. C’est dans la régularité de la pratique que les chiffres changent. 50% des femmes de 16 à 25 ans ont un usage peu régulier de l’IA, contre 40% des hommes. Elles sont 16% à bénéficier des atouts de cette innovation au quotidien, alors que leurs homologues masculins sont 26% à admettre se connecter à des sites comme ChatGPT tous les jours.

Si elles sont 82% à affirmer utiliser l’IA dans le cadre de leurs études (contre 75% chez les hommes), elles sont moins nombreuses (32%) à exploiter cette technologie pour rédiger des devoirs que leurs homologues masculins (38%). Elles bénéficient davantage de ces outils pour corriger leurs fautes (56%) et s’organiser (18%). En revanche, les femmes plébiscitent peu l’IA pour réviser (29% contre 49% chez les hommes).

Intelligence artificielle d'entreprise : la fondation Linux lance OPEA

Soumis par fredericmazue le

La fondation Linux a annoncé le lancement du projet OPEA, pour Open Platform for Enterprise AI. La mission du projet est de construire et de soutenir une communauté ouverte d'intelligence artificielle (IA) et de données et de stimuler l'innovation open source dans les domaines de l'IA et des données en permettant la collaboration et la création de nouvelles opportunités pour tous les membres de la communauté. OPEA vise à faciliter et permettre le développement de systèmes GenAI flexibles et évolutifs qui exploitent la meilleure innovation open source de l’ensemble de l’écosystème. 

La fondation Linux remarque les progrès rapides de la technologie GenAI ont conduit à une fragmentation des outils, des techniques et des solutions. OPEA a l'intention de résoudre ce problème en collaborant avec l'industrie pour normaliser les composants, notamment les cadres, les plans d'architecture et les solutions de référence qui mettent en valeur les performances, l'interopérabilité, la fiabilité et la préparation au niveau entreprise

Cette initiative rassemble de nombreux poids lourds du secteur, notamment Anyscale, Cloudera, Datastax, Domino Data Lab, Hugging Face, Intel, KX, MariaDB Foundation, Minio, Qdrant, Red Hat, SAS, VMware (acquis par Broadcom), Yellowbrick Data, Zilliz,…

Très impliqué dans ce projet, le fondeur Intel en a publié une présentation détaillée. Intel souligne que OPEA offre une vue holistique et simple d'un flux de travail GenAI qui inclut la génération augmentée de récupération (RAG) ainsi que d'autres fonctionnalités selon les besoins. Les éléments constitutifs (ouverts et propriétaires) de ce flux de travail incluent : 

  • Modèles GenAI – grands modèles de langage (LLM), modèles de grande vision (LVM), modèles multimodaux, etc.   
  • Ingestion/traitement des données 
  • Intégration de modèles/services 
  • Magasins de données d'indexation/vecteur/graphique 
  • Récupération/classement 
  • Moteurs rapides 
  • Garde-corps 
  • Systèmes de mémoire 


Implémentation de référence de flux RAG

Dans les mois à venir, la communauté open source et les entreprises partenaires ajouteront et feront évoluer ce cadre pour répondre aux besoins des développeurs, mais déjà Intel a placé un ensemble d'implémentations de référence dans le dépôt OPEA Github 

Neo4j et Google Cloud annoncent de nouvelles fonctionnalités GraphRAG pour les applications d'IA générative

Soumis par fredericmazue le

Neo4j a annoncé la disponibilité de nouvelles intégrations natives à la plateforme de Google Cloud avec comme objectif d’accélérer le développement et le déploiement d’applications d’IA générative. Ces intégrations veulent aider les entreprises qui sont confrontées à la complexité et aux hallucinations lors de la création et du déploiement de ce type d’applications, nécessitant, le plus souvent, des données contextuelles en temps réel et des résultats précis et explicables. 

Les graphes de connaissances identifient les relations entre les données, permettant ainsi aux LLMs (Grands modèles de langage) de mieux ancrer les faits, leur permettant  de raisonner, déduire et récupérer les informations les plus pertinentes avec précision et efficacité.

La génération augmentée par récupération (Retrieval Augmented Generation, ou RAG) est la méthode par laquelle les LLMs s'alimentent en données externes. La combinaison des graphes de connaissances avec RAG, connu sous le nom de GraphRAG, permet aux LLMs d’accéder à des ensembles de données externes et garantit des résultats d’IA générative plus précis, explicables et transparents.

GraphRAG avec Google Cloud : capacités et avantages

Les développeurs peuvent désormais appliquer GraphRAG aux graphes de connaissances afin d'améliorer la précision, le contexte et la capacité d'explication des LLMs. Parmi les avantages de GraphRAG on retrouve :  

1. Développement rapide de graphes de connaissances et des résultats plus précis. Les développeurs peuvent désormais facilement créer des graphes de connaissances avec Gemini, VertexAI, LangChain et Neo4j à partir de données non structurées telles que des PDF, des pages web et d’autres documents, notamment ceux chargés directement ou à partir de Google Cloud Storage (GCS).

2. Ingestion, traitement et analyse des données en quelques secondes. Les développeurs peuvent utiliser des modèles Flex dans Dataflow pour créer des pipelines de données reproductibles et sécurisés qui ingèrent, traitent et analysent des données à travers Google BigQuery, Google Cloud Storage et Neo4j. Une approche pour alimenter les graphes de connaissances avec des informations en temps réel et pour permettre aux applications d’IA générative de fournir des informations pertinentes et opportunes.

3. Conception d’applications d’IA générative alimentées par les graphes de connaissances stockés sur Google Cloud. Les clients peuvent utiliser Gemini sur Google Workspace et Reasoning Engine de Vertex AI pour déployer, surveiller et mettre à l'échelle les applications et les APIs d’IA générative sur Google Cloud Run. Gemini Workspace se base sur les données d’entraînement de Neo4j pour traduire automatiquement tout extrait de code en langage de requête Cypher de Neo4j. Les développeurs peuvent également utiliser Cypher avec n'importe quel environnement de développement intégré (Integrated Development Environment) pris en charge par Gemini Workspace pour une interrogation et une visualisation des données de graphes plus efficaces. Les fonctionnalités de recherche vectorielle, GraphRAG et de mémoire conversationnelle de Neo4j s'intègrent de manière transparente via LangChain et Neo4j AuraDB sur Google Cloud.

Intelligence Artificielle – Méfiants, 66% des dirigeants préfèrent recruter plutôt que de former

Soumis par fredericmazue le

Le Groupe Adecco a dévoilé une étude inédite réalisée auprès de 2 000 dirigeants C-levels dans 9 pays, dont la France. Le constat de cet étude est que la majorité des chefs d’entreprise ne comptent pas former leurs équipes à la maîtrise de l’IA, mais préfèrent recruter à l’externe. La méfiance semble peser sur les décisions.

La majorité des dirigeants se sentent dépassés par la révolution de l’IA

La formation de nouvelles compétences pour faire face à l’enjeu ne semble pas être entamée. 57 % des dirigeants doutent de la capacité de leur propre équipe de direction à saisir les "risques et les opportunités" liés à l’IA. Seulement 43 % de ce groupe ont déclaré avoir mis en place des programmes de formation formels pour améliorer les compétences en matière d'IA, tandis que seulement 50 % d'entre eux ont déclaré fournir des conseils à leurs équipes sur la manière de l’utiliser au travail.

Autre constat, bien que 66 % des dirigeants reconnaissent l’impact de l’IA dans leur secteur d’activité, seulement 11 % estiment avoir progressé dans la digitalisation de leur entreprise au cours des dernières années (versus 9 % des dirigeants français et 14 % des dirigeants américains).

En ce qui concerne l’utilisation responsable de l’IA, la France accuse un retard par rapport à d’autres pays comme les États-Unis (45 % versus 51 % des dirigeants américains). La mise en place d’un cadre interne éthique et de règles de conformité et d’usage propres à l’entreprise n’est pas encore en place pour la majorité d’entre elles.

66 % des dirigeants comptent recruter hors de leurs entreprises plutôt que de former leurs équipes

Par ailleurs, 66 % des dirigeants (64% en France), prévoient de recruter à l’externe pour faire face à cette révolution. Cette tendance à l’externalisation des compétences se confirme également pour d’autres métiers comme ceux de la data, pour lesquels 62 % des dirigeants comptent recruter des experts hors de l’entreprise plutôt que de privilégier l’interne.

Une ruée vers les compétences numériques et une hausse significative de la rémunération des collaborateurs disposant des compétences recherchées sont donc à prévoir. 37 % des dirigeants anticpent ainsi une augmentation de salaires dans les 12 prochains mois pour les salariés disposant de ces compétences.

L'urgence de la formation et de l'acquisition de nouvelles compétences

Seuls 34 % des dirigeants ont l’intention de former leurs collaborateurs à l’utilisation de l’IA. Les dirigeants français se démarquent toutefois en privilégiant la réorientation de leurs collaborateurs vers d’autres postes en cas d’impact de l’IA sur leur emploi (51 % des dirigeants français contre 46 % au niveau mondial).

Seuls 43 % des dirigeants à l’échelle mondiale affirment avoir déployé des programmes de formation pour améliorer les compétences numériques de leurs collaborateurs et la moitié déclare prodiguer des conseils en interne sur la manière d'utiliser l’IA au travail.

En dépit des nombreux défis qui attendent les dirigeants, 57 % des sondés pensent que les soft skills et la dimension humaine resteront le premier facteur de succès d'une entreprise, devant l’IA.

L’intégralité de l’étude est accessible via ce lien.