GenAI (Generative AI)

L’intelligence artificielle générative est un type d’intelligence artificielle capable de générer du contenu entièrement nouveau (aussi appelé contenu généré par l’IA ou AIGC), notamment sous forme de textes, d’images, de fichiers audio ou de vidéos, à partir des données saisies par l’utilisateur. Cette avancée a été rendue possible par les progrès réalisés dans les domaines de l’apprentissage profond et des réseaux neuronaux, qui permettent aux modèles d’IA de traiter des invites en langage naturel, c’est-à-dire les textes et les images que nous utilisons déjà pour communiquer. Les programmeurs peuvent ainsi intégrer à un modèle d’IA l’équivalent de Wikipédia, soit une base de données préexistante contenant des milliards, voire des billions, de paramètres, puis lui apprendre à effectuer du traitement automatique du langage naturel (TALN) afin qu’il puisse générer les réponses appropriées. Si les données saisies sont textuelles, le résultat peut être un grand modèle de langage (LLM), comme BLOOM, ou un agent conversationnel fondé sur un tel modèle, comme ChatGPT. Si les données saisies sont des images, le résultat peut être un système de génération d’images à partir de texte, comme Stable Diffusion ou Midjourney.

Pour en savoir plus : IA générative ou IA agentique : définir la prochaine évolution de l’IA

L’intelligence artificielle générative y parvient grâce à un processus de développement en deux étapes : l’entraînement de l’IA et l’inférence de l’IA. Lors de l’entraînement de l’IA, une immense base de données contenant des données étiquetées est chargée dans le modèle d’IA. L’IA tente de « deviner » le résultat attendu — qu’il s’agisse du mot suivant dans une phrase ou de l’identification de symptômes dans une image médicale —, puis vérifie ses réponses. Grâce à des itérations répétées de prédictions (propagations avant) et de rétroaction (rétropropagations), l’IA ajuste avec une telle précision les pondérations de ses paramètres qu’elle commence à produire le résultat exact chaque fois. C’est ce qu’on appelle un modèle d’IA préentraîné.

Lors de l’inférence de l’IA, le modèle d’IA traite de nouvelles données non étiquetées provenant du monde réel. En s’appuyant sur son vaste entraînement, le modèle est capable de générer la réponse appropriée. Ses interactions avec les nouvelles données sont également enregistrées afin de pouvoir être utilisées lors du prochain cycle d’entraînement de l’IA, ce qui permettra d’optimiser davantage le modèle d’IA.

Il convient de noter que les avancées réalisées dans le développement de l’IA ont permis à celle-ci d’effectuer un apprentissage auto-supervisé ou semi-supervisé à partir de données non étiquetées. C’est pourquoi l’intelligence artificielle générative devient chaque jour plus performante et plus sophistiquée.

Pour en savoir plus : Pour exploiter l’intelligence artificielle générative, il faut comprendre l’« entraînement » et l’« inférence »

L’intelligence artificielle générative est largement utilisée dans divers marchés verticaux et scénarios, des médias et du marketing aux soins de santé et à la conception de produits. Voici quelques exemples de la façon dont l’intelligence artificielle générative est déjà utilisée pour transformer notre monde.

● Soins de santé : Dans le domaine des soins de santé et de la médecine, l’intelligence artificielle générative peut être entraînée à partir d’une bibliothèque de données médicales afin d’aider à diagnostiquer des maladies ou à générer des plans de traitement personnalisés en fonction des antécédents médicaux du patient. Elle peut être utilisée dans le développement de médicaments pour analyser des structures moléculaires et concevoir de nouveaux médicaments. Enfin, l’utilisation de l’intelligence artificielle pour générer des dossiers médicaux électroniques (DME) peut créer une base de données pour l’analyse des données de santé tout en réduisant la charge administrative du personnel médical.

● Marketing : L’intelligence artificielle générative peut élaborer en un rien de temps des plans marketing, des campagnes, des slogans et des concepts visuels. Elle peut même créer des campagnes publicitaires personnalisées en fonction des préférences prévues de différents segments de marché.

● Médias : L’intelligence artificielle générative peut non seulement aider à rédiger des scénarios télévisés et des communiqués de presse, mais aussi produire des images, des fichiers audio et du contenu vidéo à partir d’un minimum de données d’entraînement. Plutôt que de remplacer les travailleurs humains, l’intelligence artificielle peut aider les créateurs de contenu à donner vie à leurs idées de manière plus efficiente et efficace, afin qu’ils puissent tirer le meilleur parti de cette étincelle créative insaisissable et produire une série de chefs-d’œuvre.

● Conception de produits : L’intelligence artificielle peut écrire du code informatique, générer des plans de conception de produits, évaluer des concepts et même exécuter des simulations pour déterminer comment différents modèles ou matériaux fonctionneraient dans un contexte réel. Même le processus de conception des micropuces et des systèmes informatiques qui font fonctionner l’intelligence artificielle peut être accéléré grâce à l’intelligence artificielle générative, ce qui permet le prototypage rapide et réduit le délai de mise en marché. Les mégadonnées recueillies à partir des commentaires des utilisateurs peuvent contribuer à l’entraînement du modèle d’intelligence artificielle afin qu’il génère des suggestions pertinentes pour la conception de produits.

Selon les prévisions deBloomberg, le marché de l’intelligence artificielle générative devrait atteindre 1,3 billion de dollars américains d’ici 2032, avec un taux de croissance annuel composé (TCAC) de 42 %.

GIGABYTE Technology propose une gamme complète de serveurs d’IA et de solutions d’infrastructure d’IA, parfaitement adaptés au développement et à l’utilisation de modèles d’intelligence artificielle générative. Ces solutions se répartissent en deux catégories selon leur rôle dans l’entraînement ou l’inférence de modèles d’IA.

● Entraînement de l’IA : Ces serveurs utilisent les accélérateurs GPU et les modules de calcul les plus avancés — voire des processeurs évolués qui combinent les fonctions des CPU et des GPU dans un même boîtier — pour effectuer du calcul parallèle et traiter d’énormes volumes de données afin d’entraîner les modèles d’IA. Le GIGABYTE G593-SD0, qui intègre le module de calcul NVIDIA HGX™ H100 à 8 GPU, en est un excellent exemple. Il constitue l’une des plateformes d’entraînement de l’IA les plus puissantes du marché. Les serveurs GIGABYTE prennent également en charge les GPU NVIDIA L40S. Une autre option intéressante est la puce « CPU plus GPU », conçue pour les charges de travail d’IA et de HPC. Parmi les options offertes figurent l’AMD Instinct™ MI300A, une APU (unité de traitement accéléré) de qualité entreprise d’AMD, et le superprocesseur NVIDIA Grace Hopper™, offert sur les serveurs haute densité de la série H de GIGABYTE, notamment le H223-V10.

● Inférence de l’IA : À cette étape du traitement de l’IA générative, il convient de choisir des accélérateurs spécialisés particulièrement adaptés à l’inférence. Le G293-Z43 de GIGABYTE est conçu pour accueillir une configuration haute densité de seize cartes AMD Alveo™ V70 dans un châssis 2U. Ces accélérateurs reposent sur une architecture de flux de données qui en fait la solution idéale pour les charges de travail d’inférence d’IA centralisées et intensives. Les serveurs GIGABYTE dotés de logements d’extension PCIe Gen 4 ou ultérieurs sont également compatibles avec les GPU NVIDIA A2 Tensor Core et L4 Tensor Core, qui peuvent contribuer à l’inférence de l’IA. Les GPU Qualcomm® Cloud AI 100, qui peuvent être déployés dans les serveurs GPU de la série G de GIGABYTE, permettent d’effectuer plus efficacement l’inférence de l’IA générative à la périphérie du réseau, car cette solution répond aux principaux enjeux de l’inférence de l’IA dans le nuage.