Je repartage car je suis en plein dedans. L'article explore les défis de créer des produits massivement utilisés qui utilisent des modèles LLMs. Les LLMs ne sont pas des bases de données et ne peuvent pas fournir des réponses précises et exactes.

Ils sont des systèmes probabilistes qui peuvent donner des réponses incorrectes même si elles sont probables. Evans propose deux approches pour résoudre ce problème :

• Treat it as a science problem : les modèles vont s'améliorer, mais il est difficile de prévoir à quel point. Cela ressemble à la question de savoir si les LLMs produiront un intelligence artificielle générale (AGI).
• Treat it as a product problem : comment construire des produits utiles qui utilisent des modèles qui ne sont pas précis ? Il y a deux manières de s'attaquer à ce problème.
• Domaine étroit : créer des produits qui utilisent des modèles pour des domaines spécifiques, avec des interfaces qui communiquent clairement ce que le modèle peut et ne peut pas faire.
• Abstraction : créer des produits qui utilisent les LLMs de manière abstraite, sans que les utilisateurs ne réalisent qu'ils utilisent de l'IA. Cela ressemble à la façon dont les technologies précédentes ont été intégrées dans les produits.

Lien article: https://www.ben-evans.com/benedictevans/2024/6/8/building-ai-products