Qu'est-ce qu'un modèle de fondation dans l'IA appliquée à la mode ?
Grand modèle d'IA entraîné sur des données très diverses et adaptable à de nombreuses tâches, comme un modèle généraliste de langage ou d'images.
En bref
Un modèle de fondation (foundation model) est un grand modèle d'IA entraîné sur des données très larges, qui peut être adapté à de nombreuses tâches différentes, comme un modèle de langage ou d'image généraliste. Les entreprises de mode utilisent généralement des modèles de fondation existants et les adaptent pour la rédaction, la traduction, la recherche et le service client.
Comment cela fonctionne-t-il en pratique ?
Les modèles de fondation sont entraînés sur des jeux de données très vastes et variés, ce qui les rend coûteux à construire mais largement utiles. Plutôt que d'en développer un, une entreprise de mode accède à un modèle existant via un service ou une licence et l'adapte. Le même modèle de fondation peut rédiger des textes produit, traduire des line sheets et répondre aux questions des acheteurs, chaque fois avec des prompts, des données récupérées ou un fine-tuning différents.
Les entreprises adaptent les modèles de fondation par :
- Le prompt engineering, avec des instructions, des exemples et des formats.
- Le RAG, pour connecter le modèle aux données produit et aux documents.
- Le fine-tuning sur des textes de marque ou des taxonomies d'attributs.
- Des guardrails qui bloquent les allégations non étayées ou les contenus hors ligne de marque.
Pourquoi est-ce important ?
Les modèles de fondation mettent l'IA avancée à la portée de marques et de grossistes de taille moyenne qui n'ont pas d'équipes de recherche. Ils accélèrent l'expérimentation, car un nouveau cas d'usage ne demande souvent qu'une configuration et non un nouveau modèle. Ils créent en même temps une dépendance envers des fournisseurs externes pour les prix, la disponibilité, le traitement des données et les mises à jour des modèles.
Comment l'IA l'utilise-t-elle ?
La plupart des produits d'IA générative actuels reposent sur des modèles de fondation. Dans le cadre de l'AI Act de l'UE, beaucoup de ces modèles sont considérés comme des IA à usage général, avec des obligations spécifiques pour leurs fournisseurs. Les entreprises qui construisent dessus restent responsables de l'usage qu'elles font des résultats.
Pièges fréquents
- Traitement des données. Vérifier où les données sont traitées et si les entrées servent à un entraînement ultérieur.
- Dépendance fournisseur. Concevoir les workflows de façon à pouvoir changer de modèle à mesure que le marché évolue.
- Évolutions des modèles. Les mises à jour du fournisseur peuvent modifier les résultats, il faut donc tester avant et après.
- Résultats génériques. Sans adaptation, les textes ressemblent à ceux de tout le monde et passent à côté des spécificités de la marque.
Questions fréquentes
Un modèle de fondation est-il la même chose qu'un LLM ?
De nombreux LLM sont des modèles de fondation, mais le terme est plus large. Les modèles de fondation peuvent aussi traiter des images, de l'audio ou plusieurs modalités à la fois.
Une marque de mode doit-elle construire son propre modèle de fondation ?
Très rarement. Il est bien plus pratique d'adapter un modèle existant avec des prompts, de la récupération d'informations ou du fine-tuning, et d'investir dans des données produit de grande qualité.
