Les bases de l’IA pour un avantage concurrentiel #référencement #seo #pbn #référencement_local

L’intelligence artificielle est une grande nouveauté en 2023. Les entreprises se précipitent pour l’utiliser pour un avantage concurrentiel. Mais l’IA peut-elle vraiment aider ? Ou génère-t-il simplement beaucoup d’articles de blog et de méta-descriptions de qualité inférieure ?

ChatGPT, Bard et d’autres modèles de langage créeront sans aucun doute une tonne d’articles de blog de qualité inférieure. Pourtant, l’IA entre dans une nouvelle phase qui pourrait produire de nombreuses nouvelles opportunités. IBM a décrit les avancées de 2023 comme un « changement radical des performances de l’IA et de son potentiel à générer de la valeur pour l’entreprise ».

Comprendre les développements qui ont permis ces avancées peut aider les gestionnaires et les propriétaires d’entreprises de vente au détail, de commerce électronique et de vente directe aux consommateurs à utiliser l’IA à leur avantage.

Modèle de fondation

Demandez à quelqu’un comment fonctionne ChatGPT. Vous pourriez entendre des expressions telles que « grand modèle de langage », « IA générative » ou « vecteurs ». Tous décrivent des aspects de ChatGPT et de plates-formes similaires. Une autre réponse consiste à dire que ChatGPT est un modèle de base.

Une IA pour prédire le prix le plus vendu d’un produit sur un site de commerce électronique nécessitait autrefois de former ce modèle sur des milliers, voire des millions de transactions. Cela ferait le travail, mais cela prendrait du temps.

Un modèle de base ramène le processus d’un pas en arrière. Il est formé de manière non supervisée sur un ensemble d’informations beaucoup plus large – l’ensemble d’Internet.

Cette approche généraliste diffère des modèles d’IA traditionnels formés pour une tâche singulière et spécialisée et s’apparente à un touche-à-tout virtuel. Il exploite une large base de connaissances pour effectuer un éventail de tâches, de la production de texte de type humain à la reconnaissance de modèles dans des ensembles de données complexes.

Un tel modèle de fondation excelle dans sa flexibilité. Sa formation initiale dans des données complètes et diverses lui confère une compréhension fondamentale de nombreux sujets.

La base peut être affinée pour des applications spécifiques – telles que la prédiction du prix le plus vendu pour un produit sur un site de commerce électronique – en une fraction du temps, des données et des ressources nécessaires auparavant, ce qui la rend potentiellement transformatrice.

IA générative

Générer du code, copier ou quoi que ce soit est le prochain concept à considérer. Prenons l’exemple réel de GitHub Copilot. Il utilise OpenAI pour traiter le langage naturel dans des sections entières de code.

Des plateformes telles que GitHub Copilot et ChatGPT sont dites « génératives » lorsqu’elles créent quelque chose qui n’existait pas sous cette forme.

Google évolue vers des résultats de recherche IA génératifs. Le moteur de recherche ne présentera plus uniquement des liens vers des pages Web ou même des extraits de ces pages. Au lieu de cela, il générera des réponses, même si elles contiennent des liens.

Dans le contexte du commerce électronique, un commerçant pourrait partager une multitude de spécifications de produits avec un outil d’IA générative et lui demander de produire des descriptions de ces articles.

Comparez cela à mon article de 2016, « Comment « fabriquer » des descriptions de produits pour le commerce électronique », qui décrivait un processus (manuel) en cinq étapes.

Mon article a utilisé une cuillère à soupe comme exemple de produit et a finalement développé cette description de produit.

Envie de nouilles au poulet copieuses ou de chaudrée de palourdes crémeuse ? Cette cuillère à soupe a un grand bol destiné à porter bisques et bouillons à votre bouche. En fait, cette cuillère à soupe peut contenir environ trois fois plus de soupe que votre cuillère de table standard. Vous pouvez prendre trois fois plus de bouchées, ou vous pouvez acheter cette cuillère à soupe et en prendre une grosse.

J’ai collé cet article dans ChatGPT et lui ai demandé d’apprendre le processus et d’écrire une description de produit pour un marteau. Voici ce que cela a généré.

Prêt à entreprendre votre prochain projet de bricolage ? Ce marteau est construit avec une tête en acier de haute qualité, assurant une robustesse durable. Il est conçu pour délivrer des frappes puissantes et percutantes à chaque swing. Faites le travail correctement et ajoutez ce marteau fiable à votre boîte à outils dès aujourd’hui.

L’IA a créé une nouvelle description de marteau. Il a combiné sa connaissance du modèle de base avec le processus spécifique que je lui ai donné.

Générer quelque chose de nouveau fait partie de ce qui rend un modèle de fondation si flexible.

Grand modèle de langage

L’IA génère beaucoup de choses avec des images, de l’audio et des vidéos. Mais le texte est l’une des formes les plus importantes d’IA générative pour les entreprises.

Des outils tels que ChatGPT, Google’s Bard et Jasper AI nous présentent un autre concept : les grands modèles de langage.

Un LLM utilise ses connaissances fondamentales pour prédire quel mot doit suivre un autre.

La semaine dernière, j’ai regardé le directeur de l’ingénierie d’une société de logiciels faire une courte présentation sur l’IA à son entreprise. Il a habilement décrit les LLM.

« Je veux parler du fonctionnement de ces modèles », a-t-il commencé. « Je ne sais pas vraiment de quoi je parle, alors considérez cela moins comme une présentation factuelle et plus comme moi enchaînant un ensemble de mots, chaque mot ayant un sens en fonction des mots qui le précèdent, mais sans qu’une exactitude à 100 % soit mon objectif premier. »

Lorsque vous lui fournissez « ne pleurez pas sur renversé… », un LLM proposera probablement le mot « lait ». Il peut deviner ce mot à cause de son modèle de base.

Applications

Comprendre les modèles de base, l’IA générative et les LLM nous aide à comprendre comment l’intelligence artificielle crée des opportunités commerciales. Ainsi, nous ne demanderions généralement pas à ChatGPT de développer un produit. Mais nous pourrions lui demander d’analyser les lacunes du marché pour des opportunités potentielles de produits.