Cette entrevue accueille Dmitry Shapiro, ancien employé de Google et ancien directeur technique de MySpace Music. Dmitry bâtit maintenant un projet très ambitieux pour démocratiser l’intelligence artificielle. Nous parlons de sa plateforme, YouAI et MindStudio, tout en partageant des conseils très pratiques pour créer de meilleures applications d’IA, notamment sur le choix des modèles, les prompts, l’utilisation du RAG et plus encore.
Nous discutons aussi beaucoup du point de vue des utilisateurs, de la démocratisation de l’IA et de son avenir. Dmitry poursuit également un autre objectif : indexer l’esprit de chacun. J’ai évidemment abordé ce sujet dans l’épisode.
Cet épisode s’adresse à tout le monde, aux personnes qui bâtissent comme à celles qui utilisent. J’ai essayé d’orienter la discussion vers des conseils pratiques, mais aussi de nous faire réfléchir à l’avenir de l’IA et à son potentiel. Bonne écoute !
La transcription française complète se trouve ci-dessous. L’épisode original reste offert sur Spotify et Apple Podcasts.
Transcription complète :
Dmitry Shapiro: [00:00:00] Aujourd’hui, ChatGPT est excellent pour les passionnés de technologie, mais le consommateur moyen n’a pas le temps pour cela. Il n’a jamais appris les opérateurs de recherche Google, pourtant très utiles. Nous les avons appris et nous les maîtrisons, mais lui ne le fera pas. Il lui faut donc des applications simples, comme sur un téléphone.
Dmitry Shapiro: Les personnes qui indexent leur esprit pourront exploiter l’IA radicalement mieux que celles qui ne le font pas et doivent encore tout taper dans ChatGPT.
Louis-François Bouchard: Cette entrevue accueille Dmitry Shapiro, ancien employé de Google et ancien directeur technique de MySpace Music. Dmitry bâtit maintenant un projet très ambitieux pour démocratiser l’intelligence artificielle. C’est essentiellement le sujet principal de l’épisode. Nous parlons beaucoup de sa plateforme, MindStudio, et partageons des conseils très pratiques pour créer de meilleures applications d’IA, notamment sur le choix des modèles, les prompts et plus encore.
Louis-François Bouchard: [00:01:00] Nous discutons aussi beaucoup du point de vue des utilisateurs et de l’avenir de l’IA. Dmitry poursuit également un autre objectif : indexer l’esprit de chacun. J’ai évidemment abordé ce sujet dans l’épisode. Bonne écoute ! Si l’épisode vous plaît, n’oubliez pas de laisser une évaluation de 5 étoiles, un J’aime et un commentaire. Cela soutient énormément mon travail et m’indique si vous avez apprécié l’épisode. Commençons.
Louis-François Bouchard: J’aimerais commencer par vous interroger sur YouAI. Qu’est-ce qui vous a inspiré à créer MindStudio et tout l’écosystème de YouAI ?
Dmitry Shapiro: Comme tant d’autres aujourd’hui, ces nouvelles capacités m’inspirent profondément. Je parle des modèles d’IA générative accessibles aux consommateurs et de notre capacité à les exploiter pour transformer toutes les facettes de notre vie [00:02:00], qu’elles soient professionnelles, personnelles, créatives ou autres.
Dmitry Shapiro: D’un côté, il est fascinant de pouvoir simplement ouvrir ChatGPT sur mon téléphone et écrire : « Vous êtes un rédacteur d’articles de blogue avec 20 ans d’expérience. Rédigez un article sur la façon dont l’IA bouleversera la médecine. » Le système répond et produit un excellent article sur ce sujet.
Dmitry Shapiro: Cette méthode semble toutefois mal exploiter la puissance de ces nouvelles technologies. Nous avons donc compris que tous ces modèles de fondation, qu’il s’agisse de modèles de langage, de diffusion d’images, de vidéo, de code ou d’autres types, devraient être traités comme des services backend.
Dmitry Shapiro: Les utilisateurs ne devraient pas y accéder directement au moyen d’interfaces frontend. Ces interfaces existent [00:03:00], ce qui est intéressant. Pour nous, les passionnés de technologie, il est formidable de pouvoir utiliser des interfaces en ligne de commande et interagir directement avec ce que j’appelle la couche d’intelligence. En revanche, on ne peut pas demander à l’utilisateur final moyen de penser comme un prompt engineer, de comprendre les nuances des modèles, de choisir entre eux et de taper énormément de texte, surtout sur son téléphone, puisque c’est ainsi que nous utilisons l’informatique aujourd’hui.
Dmitry Shapiro: Nous sommes mobiles, et tout cela semblait donc problématique. MindStudio est né du besoin d’ajouter une couche d’abstraction à la couche d’intelligence. Nous l’appelons la couche d’application. MindStudio est un environnement de développement intégré et une plateforme qui permet à quiconque de créer des applications propulsées par l’IA. Les consommateurs peuvent ensuite interagir directement avec elles [00:04:00] sans se soucier de l’ingénierie de prompts ni de détails semblables.
Dmitry Shapiro: Les prompt engineers effectuent donc l’ingénierie des prompts et l’intègrent dans une interface frontend destinée aux consommateurs ou aux professionnels. Aujourd’hui, des milliers de prompt engineers se sont inscrits et créent ces IA. Plus de 5000 ont déjà été produites.
Dmitry Shapiro: Vous pouvez les trouver sur notre site, puisqu’il s’agit simplement d’applications Web. Rendez-vous sur YouAI, Y o u A i point ai, puis choisissez « explorer les applications » pour voir ce que les autres bâtissent. La diversité est déjà extraordinaire. Il existe de nombreuses catégories pour les grandes entreprises, les petites entreprises, les consommateurs, l’usage personnel, les parents et bien plus.
Louis-François Bouchard: Tout est construit par ces personnes que nous appelons des prompt engineers. Si je comprends bien, vous comparez [00:05:00] cette compétence à celle d’un ingénieur ou d’un développeur backend. Elle doit être apprise et pratiquée, mais vous estimez que la vaste majorité des gens n’a pas besoin de la maîtriser.
Dmitry Shapiro: Exactement. Nous croyons que l’utilisateur final moyen, qu’il soit consommateur ou professionnel, ne devrait pas avoir à taper beaucoup de texte ni à penser comme un prompt engineer. Cela n’aurait aucun sens. Malgré le terme « prompt engineer », cette compétence n’exige aucune connaissance en programmation.
Dmitry Shapiro: En fait, savoir programmer ne vous aide pas nécessairement. La compétence requise est la capacité d’utiliser le langage naturel pour expliquer clairement ce que le système doit faire, comment il doit se comporter, comment il doit [00:06:00] formater ses réponses et quelles contraintes il doit respecter. Il faut donc pouvoir rédiger une spécification.
Dmitry Shapiro: Si vous y arrivez, la couche d’intelligence s’occupe du reste.
Louis-François Bouchard: Comme vous venez de le mentionner, plus d’un millier d’applications construites par ces prompt engineers facilitent l’interaction avec des modèles comme GPT 4. Pensez-vous que cette multitude d’applications spécialisées contourne l’objectif ultime d’un modèle de fondation général auquel on pourrait poser n’importe quelle question et qui répondrait selon…
Louis-François Bouchard: Vos préférences ? Je compare cela aux débuts de la classification d’images, où nous entraînions un modèle pour repérer les chats, un autre pour repérer [00:07:00] les bateaux et d’autres encore pour chaque objet. Aujourd’hui, nous pouvons même utiliser ChatGPT, ou simplement un seul modèle de fondation capable de classer toutes les images.
Louis-François Bouchard: La création de milliers d’IA très spécialisées ne va-t-elle pas à l’encontre d’un objectif optimal ?
Dmitry Shapiro: Non. Il est clair, premièrement, que ces modèles de fondation deviennent multimodaux et, deuxièmement, que leurs capacités sont extrêmement vastes. Ils peuvent accomplir énormément de choses. Le problème ne vient donc pas d’eux.
Dmitry Shapiro: Le problème est l’interface entre le modèle et l’humain. Pour expliquer au modèle ce qu’il doit accomplir, l’humain doit employer beaucoup de mots et les formuler correctement. Sinon, tout reste ambigu. Nous croyons donc qu’on ne peut pas imposer aux utilisateurs ordinaires [00:08:00] de gérer cette ambiguïté et de rédiger les bons prompts pour obtenir le résultat voulu.
Dmitry Shapiro: Plusieurs rapports indiquent que le trafic et l’utilisation de ChatGPT ont diminué au cours des trois derniers mois. Cela peut surprendre, car nous avons l’impression que tout le monde l’utilise toute la journée. Je crois que le problème relève du « franchissement du gouffre », pour reprendre le concept du livre. Beaucoup de produits connaissent une adoption précoce, mais pour atteindre une adoption massive…
Dmitry Shapiro: Ils doivent servir plus que les passionnés de technologie. Aujourd’hui, ChatGPT leur convient très bien, mais le consommateur moyen n’a pas le temps pour cela. Il n’a jamais appris les opérateurs de recherche Google, pourtant très utiles. Nous les avons appris et nous les maîtrisons, mais lui ne le fera pas.
Dmitry Shapiro: Il lui faut donc des applications simples, comme [00:09:00] sur un téléphone. Dans le monde mobile, on dit qu’« il existe une application pour cela ». Ce concept est très puissant. Au lieu d’un couteau suisse, vous avez un vrai tournevis, un vrai couteau et une vraie scie. Le couteau suisse est intéressant, mais il n’est pas un très bon outil.
Dmitry Shapiro: Lorsque vous disposez du meilleur outil pour chaque tâche, nous croyons que les utilisateurs finaux obtiennent ce dont ils ont besoin.
Louis-François Bouchard: Si nous comparons l’IA à Internet, nous utilisons Internet pour tout. Il ressemble donc à un couteau suisse qui contient tous les outils spécialisés. J’ignore si l’intelligence artificielle diffère d’Internet, puisqu’il s’agit également d’une nouvelle technologie très puissante.
Louis-François Bouchard: Nous n’en sommes qu’au début. L’IA pourra-t-elle un jour devenir ce couteau suisse ? Pensez-vous qu’elle ne pourra jamais tout accomplir [00:10:00] de façon spécialisée et accessible à tous ?
Dmitry Shapiro: Cette question comporte plusieurs dimensions. Je pourrai y répondre si nous les séparons.
Dmitry Shapiro: Appelons encore ces capacités la couche d’intelligence. Elle peut comprendre des modèles ou d’autres services Web, comme des API que les modèles utilisent pour prendre leurs décisions, ainsi que les données en temps réel nécessaires pour répondre aux questions. Cette couche peut rassembler de nombreuses connaissances sur le monde, puis répondre…
Dmitry Shapiro: À toute conversation, transaction ou interaction humaine. Je crois que les capacités de la couche d’intelligence dépassent déjà de très loin ce que les humains ordinaires peuvent exploiter. Aucun [00:11:00] prompt ne permet réellement de déployer toute sa puissance, car ce n’est tout simplement pas la bonne méthode.
Dmitry Shapiro: De plus, il est clair que nous voudrons faire intervenir plusieurs modèles simultanément pour répondre aux demandes des utilisateurs. Un modèle peut accomplir une tâche plus vite, à moindre coût ou avec une meilleure qualité, tandis qu’un autre excelle ailleurs. Nous les utiliserons donc en parallèle ou en série dans des workflows à plusieurs étapes.
Dmitry Shapiro: Certains attendent peut-être qu’une IAG fasse tout, mais rien ne justifie cette attente. Nous pouvons déjà exploiter les capacités fascinantes qui existent si nous créons une couche d’application pour [00:12:00] éliminer le goulot d’étranglement. Celui-ci se trouve dans l’interface humain-ordinateur.
Dmitry Shapiro: Le problème s’accentue maintenant que nous devons communiquer en langage naturel en tapant avec nos pouces. C’est très difficile. La plupart des gens peinent à formuler des phrases nuancées. Leur demander de le faire avec les pouces sur leur téléphone me paraît absurde.
Louis-François Bouchard: Quelles compétences faut-il posséder pour devenir un bon prompt engineer et créer ces différentes applications spécialisées ?
Dmitry Shapiro: Il faut plusieurs compétences. D’abord, vous devez comprendre l’objectif de l’IA, donc la personne qui se trouve de l’autre côté et ses besoins.
Dmitry Shapiro: Ensuite, vous devez comprendre ce que l’IA doit accomplir pour donner à l’humain ce qu’il [00:13:00] veut. Il faut saisir les étapes requises, lever leur ambiguïté et les expliquer à une autre personne ou, dans ce cas, à une IA. Vous devez présenter les choses avec nuance, sans ambiguïté et dans le bon ordre. Si vous y arrivez, vous n’avez jamais à penser au code. C’est l’occasion fascinante qui s’offre maintenant à nous. Je suis développeur. J’ai commencé à programmer en 1984, à 14 ans, au secondaire. Je connais donc le sentiment de puissance qui vient de la capacité à bâtir tout ce que l’on veut.
Dmitry Shapiro: C’est un sentiment extrêmement puissant. Le problème est que toutes ces [00:14:00] réalisations exigeaient auparavant beaucoup de travail. Même un excellent programmeur doit consacrer énormément d’efforts à l’écriture du code. La situation a changé : vous pouvez maintenant rédiger une spécification concise et des instructions.
Dmitry Shapiro: La couche d’intelligence s’occupe du reste. Le travail est passé de plusieurs mois à quelques heures, parfois moins d’une heure. En fait, la plupart de ces IA se construisent en moins de 15 minutes. Si vous y consacrez plus de 15 minutes, vous peaufinez probablement les détails de façon presque obsessionnelle, ce qui peut aussi être utile.
Dmitry Shapiro: Vous ajustez alors les derniers 5 %, ou peut-être 2 %, de la réponse. Vous obtenez 95 % de la valeur en 15 minutes.
Louis-François Bouchard: J’ai aussi l’impression que nous utilisons les [00:15:00] modèles de langage de différentes façons. Si je comprends bien, vous parlez surtout du grand public, donc de personnes qui utilisent ces modèles pour des tâches générales du quotidien ou des tâches précises.
Louis-François Bouchard: Que pensez-vous de l’utilisation de ChatGPT pour devenir un meilleur programmeur ou être plus productif comme prompt engineer ? Est-il utile d’apprendre à utiliser ChatGPT ou un autre modèle pour améliorer sa programmation et son travail, ou vaut-il mieux utiliser…
Louis-François Bouchard: Un outil construit par un meilleur prompt engineer, par exemple pour programmer ou accomplir une tâche précise ?
Dmitry Shapiro: Cela dépend encore une fois de qui vous êtes. Si vous êtes comptable ou un autre travailleur ordinaire qui utilise la technologie sans être [00:16:00] technologue, votre métier…
Dmitry Shapiro: Exploite simplement la technologie. Devez-vous apprendre le fonctionnement des modèles d’IA ? Je ne le pense pas. Il vous faut seulement des outils qui améliorent votre travail. Vous voulez que les passionnés qui souhaitent comprendre les modèles créent d’excellents outils simples à utiliser. Est-il maintenant beaucoup plus facile pour un comptable de se dire soudainement : « Cela m’intéresse » ?
Dmitry Shapiro: « Je vais apprendre comment fonctionnent ces modèles. En un après-midi, je vais devenir un prompt engineer capable, premièrement, d’exploiter leur puissance et, deuxièmement, de les intégrer dans des applications que mes collègues ou d’autres personnes pourront utiliser. » Oui, c’est maintenant très accessible en un après-midi.
Dmitry Shapiro: Toute personne normalement intelligente peut apprendre l’essentiel pour commencer, se sentir compétente et comprendre [00:17:00] le fonctionnement des modèles. Elle peut ensuite apprendre à créer l’interface entre les consommateurs et ces modèles, à écrire la logique, à bâtir des workflows à plusieurs étapes et à configurer différents paramètres système.
Dmitry Shapiro: Il est fascinant de pouvoir devenir compétent dans un domaine en un après-midi. La maîtrise ultime prendra toute une vie, mais vous pouvez acquérir une bonne compétence en quelques heures.
Louis-François Bouchard: J’aimerais revenir aux premiers utilisateurs. J’aime beaucoup votre hypothèse.
Louis-François Bouchard: Je me demande pourquoi la plupart de mes amis qui ne sont pas développeurs sont stupéfaits par la puissance de ChatGPT sans pourtant l’utiliser. Ils se sont connectés une fois, l’ont essayé et l’ont trouvé amusant ou très puissant. Puis [00:18:00], ils n’ont jamais tenté de l’utiliser dans leur véritable travail.
Louis-François Bouchard: Par exemple, un ami qui travaille en finance consacre beaucoup de temps à créer des fonctions Excel. Il pourrait simplement demander à ChatGPT de générer une fonction qui accomplit X et Y. Si je comprends bien, pour être davantage accepté par le grand public, un modèle comme ChatGPT devra devenir extrêmement simple à utiliser, ce qui est…
Louis-François Bouchard: Déjà assez simple, mais devra l’être encore plus. Pour mon ami, il devrait par exemple être intégré à Excel ou Google Sheets. Qu’est-ce qui empêche une personne qui pourrait gagner en productivité grâce à l’IA [00:19:00] d’utiliser un modèle déjà accessible qui l’aiderait énormément ?
Dmitry Shapiro: Prenons un exemple. J’ai un blogue, j’ai entendu dire que ChatGPT peut rédiger des articles et je manque d’inspiration, de motivation ou de temps. Je me connecte et j’arrive devant l’interface de clavardage. Je dois alors trouver quoi écrire pour que le système me produise un article.
Dmitry Shapiro: Je pense d’abord au sujet et au nombre approximatif de mots. Si je lui donne simplement ces renseignements, il produit un article, ce qui est fascinant. Ce n’est toutefois probablement pas ainsi que nous voulons que les gens rédigent. Nous voulons sans doute que le…
Dmitry Shapiro: Système obtienne beaucoup plus d’information. D’autres éléments comptent [00:20:00] : quel est le public cible, le ton et le style ? Doit-il écrire dans mon style, parfois verbeux afin de rester précis et sans ambiguïté, ou adopter un style plus visionnaire ?
Dmitry Shapiro: Ce dernier est volontairement très imprécis. Plusieurs autres renseignements pourraient être donnés à ChatGPT et modifier radicalement le résultat. Le problème est que la personne moyenne, 1, ne sait pas le faire naturellement et, 2, n’en a pas le temps même si elle le peut.
Dmitry Shapiro: Un meilleur scénario serait de dire : « Je veux rédiger un article de blogue », puis d’ouvrir l’application correspondante. Celle-ci demande le sujet, et la personne le saisit [00:21:00]. Elle demande le nombre de mots et le public cible. L’utilisateur remplit simplement un formulaire.
Dmitry Shapiro: Il n’a pas à déterminer les champs du formulaire, seulement à les remplir. Aujourd’hui, ChatGPT demande aux consommateurs de découvrir eux-mêmes quels devraient être ces champs, et personne n’a le temps pour cela. Voilà la différence. Cette composante manque et doit être construite par des personnes prêtes à effectuer le travail réfléchi et les ajustements nécessaires.
Dmitry Shapiro: Les modèles sont parfois capricieux et étranges. Quelqu’un doit donc régler les problèmes pour créer un excellent rédacteur d’articles. Notre service en offre déjà plusieurs. Les gens expérimentent avec des dizaines de variantes.
Dmitry Shapiro: Vous pouvez les essayer. Elles sont toutes différentes. Certaines deviendront vos préférées et d’autres celles de quelqu’un d’autre [00:22:00]. Sans elles, je ne vois pas pourquoi un utilisateur, même avancé, devrait simplement ouvrir ChatGPT. Un autre problème existe : sa zone de texte ne permet pas d’ajuster plusieurs paramètres du modèle, comme la température, la longueur de la réponse ou le message système.
Dmitry Shapiro: Même le meilleur prompt engineer au monde, peu importe ce que cela signifie, ne trouve donc pas dans ChatGPT la bonne interface pour exploiter la puissance de l’IA. Il faut autre chose. MindStudio donne accès aux paramètres plus profonds des modèles et permet de créer des interfaces frontend extrêmement simples. Le consommateur le plus occasionnel peut les ouvrir et recevoir d’excellentes réponses de la couche d’intelligence.
Louis-François Bouchard: Les paramètres et les prompts ne constituent-ils pas une solution temporaire [00:23:00] ? Si nous reprenons l’exemple du rédacteur professionnel auquel vous commandez un article, il vous demandera certainement le sujet, la longueur et…
Louis-François Bouchard: Toutes les questions que le prompt engineer doit actuellement prévoir. À mesure que les IA deviennent plus intelligentes, ne devraient-elles pas comprendre qu’elles ont besoin de plus d’information, déterminer quoi demander et comment le demander, puis nous permettre d’utiliser simplement ChatGPT pour tout accomplir ?
Louis-François Bouchard: Si nous lui demandons de rédiger un article et qu’il est assez intelligent, il nous demandera le sujet et toutes les informations pertinentes pour…
Louis-François Bouchard: La tâche.
Dmitry Shapiro: [00:24:00] Cette façon de voir les choses n’est pas insensée. Elle semble évidente. Je crois toutefois que nous allons sauter cette étape.
Dmitry Shapiro: Cette situation ne durera donc pas longtemps, si elle existe même. Pour l’expliquer, imaginons que vous rencontrez un génie qui vous remercie de l’avoir libéré de sa bouteille.
Dmitry Shapiro: « Je sais tout. Vous pouvez me poser n’importe quelle question, mais seulement 1. » Que faut-il demander au génie ? Certains choisiraient le sens de la vie, ce qui est une bonne question. Selon moi, la bonne question est : « Quelle question devrais-je vous poser ? »
Dmitry Shapiro: Voilà le problème : les humains ignorent même quelles questions poser [00:25:00], car nous ne savons pas ce que nous ignorons. Une intelligence capable de faire ce que vous décrivez le sait en quelque sorte. Elle devrait donc commencer par nous poser beaucoup de questions sur nous-mêmes.
Dmitry Shapiro: Elle doit comprendre nos forces, nos faiblesses, nos lacunes, nos névroses et les différentes constructions qui façonnent notre réalité. Une fois ces éléments compris, elle peut conduire pendant que nous prenons le siège passager. Elle peut dire : « Cette occasion vaut la peine, car elle vous aidera ainsi », ou « Vous croyez comprendre ce sujet, mais il vous manque un élément fondamental. Je viens de vous le montrer. » Je crois que nous atteindrons cette étape [00:26:00], plutôt que de continuer à poser toutes nos questions à ChatGPT.
Louis-François Bouchard: Les prompts ne suffiront pas. L’IA devra aussi vous étudier, vous voir ou vous entendre. Quelle interaction faudra-t-il entre l’IA et l’utilisateur humain ?
Dmitry Shapiro: En mai, juin et juillet, avant le lancement de MindStudio en août, nous avons mené une courte expérience alpha avec un outil appelé YouAI Mind Indexer.
Dmitry Shapiro: Imaginez le fil de vidéos sans fin de TikTok. Notre outil présentait un fil d’interfaces qui semblait lui aussi infini, même s’il avait une limite. On y trouvait des questions ouvertes, des questions à choix multiples et de grandes grilles d’images accompagnées de l’instruction : « Touchez [00:27:00] tout ce qui semble délicieux. »
Dmitry Shapiro: Une autre grille demandait d’en choisir davantage, puis une autre encore. Nous présentions ainsi de nombreuses interfaces aux humains afin de faire ressortir leurs préférences, leurs biais, leurs lacunes, leur état mental et plus encore. Plus de 5 000 personnes ont participé à l’alpha, avec une médiane de 177 prompts complétés.
Dmitry Shapiro: C’est beaucoup. Nous avons recueilli plus d’un million de points de données, ce qui forme déjà un dataset. Nous avons interrompu l’expérience parce que notre équipe est minuscule et n’avait pas le temps de continuer à s’y consacrer. Nous voulions d’abord bâtir MindStudio. Nous croyons néanmoins qu’en interrogeant les humains de la bonne manière, avec les bonnes interfaces plutôt qu’avec du texte…
Dmitry Shapiro: Le texte n’est qu’un type d’interface. Je crois que la plupart devraient être visuelles : ceci ou cela, [00:28:00] choisissez tout ce qui semble délicieux. C’est beaucoup plus simple que d’expliquer par écrit ce que vous trouvez appétissant. Je pense donc qu’il est possible d’indexer l’esprit humain. Il faut toutefois poursuivre cette indexation, puisque nous changeons constamment.
Dmitry Shapiro: L’activité doit donc devenir une habitude périodique. Le système pourrait nous envoyer une notification : « Voici trois nouvelles expériences qui me permettront de savoir comment vous vous sentez maintenant ou comment vous évoluez. » Je crois que cette pratique jouera un rôle central dans la prochaine phase que vous évoquez.
Dmitry Shapiro: Je crois que l’avenir ressemblera beaucoup plus à cela qu’à davantage de conversations avec ChatGPT. ChatGPT est un terminal, c’est DOS. Cette interface est puissante, et j’aime utiliser le terminal de mon Mac pour tout contrôler au clavier, mais je suis passionné de technologie [00:29:00]. La personne moyenne n’utilise pas de terminal et ne devrait pas avoir à le faire.
Louis-François Bouchard: TikTok n’indexe-t-il pas déjà notre esprit d’une certaine façon grâce à ce que nous appelons l’algorithme, qui commence à comprendre tout ce que nous aimons et voulons consommer ? N’indexe-t-il pas déjà notre esprit ?
Dmitry Shapiro: Oui, mais seulement dans un ensemble limité de dimensions.
Dmitry Shapiro: Je décrivais notre approche comme TikTok, mais dans toutes les dimensions. L’algorithme de TikTok peut être vu ainsi, mais reculons encore d’un pas. Les grands modèles de langage sont des machines prédictives. À partir d’une chaîne de caractères ou de tokens, ils prédisent le mot suivant et sa probabilité [00:30:00]. L’algorithme de TikTok peut lui aussi être décrit comme une machine prédictive : quelle vidéo dois-je montrer à Louis pour qu’il la trouve assez intéressante, y passe du temps, appuie sur J’aime ou la commente ?
Dmitry Shapiro: Il optimise votre engagement dans chacune de ces dimensions. Si nous décrivions notre algorithme de la même manière, même si à l’époque il ne s’agissait que d’un fil identique pour tous, nous le présenterions ainsi :
Dmitry Shapiro: Devant ce prompt ou cette situation, comment l’utilisateur réagira-t-il ? Que ressent-il face à n’importe quelle situation ? Présentez-la-lui. Quels éléments trouve-t-il délicieux ? L’objectif est de comprendre généralement ce qu’il choisira. Devant cette [00:31:00] décision, il est très probable qu’il préfère ceci à cela.
Dmitry Shapiro: Le système fait donc la même chose que TikTok, mais dans toutes les autres dimensions. Il pourrait évidemment recommander des vidéos selon celles-ci, plutôt qu’uniquement selon les vidéos que vous avez déjà regardées et aimées. Cette approche est beaucoup plus puissante.
Louis-François Bouchard: Petite interruption pour vous rappeler que si vous aimez le balado, n’oubliez pas de laisser une évaluation de cinq étoiles ou un J’aime si vous regardez sur YouTube. Cela soutient énormément la chaîne. Reprenons la discussion.
Louis-François Bouchard: Nous avons observé plusieurs problèmes avec les algorithmes de TikTok, notamment les enjeux de confidentialité, leur caractère intrusif et la question de leur contrôle.
Louis-François Bouchard: Voyez-vous les mêmes préoccupations avec l’indexation de l’esprit, qui est beaucoup plus puissante et [00:32:00] intrusive ? Elle vous comprendra véritablement, au-delà du contenu que vous aimez regarder. Que pouvons-nous faire pour protéger la confidentialité ? Pensez-vous que beaucoup de gens refuseront de l’utiliser ?
Louis-François Bouchard: Ou les gens voudront-ils simplement être indexés ? Qu’en pensez-vous ?
Dmitry Shapiro: C’est une bonne question. Lorsque je bâtis une technologie potentiellement perturbatrice, j’adopte généralement un point de vue optimiste. Je reste conscient des problèmes graves qui pourraient surgir et j’essaie d’en atténuer les risques, mais je suis surtout la direction suivante : quelles retombées [00:33:00] positives cette technologie peut-elle produire ?
Dmitry Shapiro: Je crois que les consommateurs raisonneront de la même façon. Certains premiers utilisateurs ne se préoccupent pas de la vulnérabilité que vous soulignez. Ils acceptent parfaitement qu’un système les connaisse intimement, mieux que toute autre technologie ou personne auparavant.
Dmitry Shapiro: Un indexeur d’esprit comme celui de notre alpha atteindra très rapidement ce niveau. Je fais partie de ces personnes. Je ne crains pas de confier mes secrets étranges aux humains ou aux machines, et les machines me semblent encore moins inquiétantes. D’autres personnes seront terrifiées et ne le feront jamais.
Dmitry Shapiro: Ces personnes auront toutefois un problème, car celles qui indexent leur esprit exploiteront l’IA radicalement mieux que celles qui ne le font pas [00:34:00] et doivent encore tout taper dans ChatGPT. Elles seront en quelque sorte branchées à l’IA. Pour exploiter bien davantage de paramètres que le langage peut en exprimer, il faut créer un modèle numérique de son esprit.
Dmitry Shapiro: C’est ce que fait cet index. Lorsque vous transmettez ce dataset aux IA pour qu’elles vous comprennent, se personnalisent et prennent les devants en observant le monde, en repérant des occasions et en vous faisant des recommandations, vous occupez une position radicalement meilleure, ou du moins beaucoup plus puissante.
Dmitry Shapiro: Appelons l’autre personne quelqu’un qui craint de le faire. Je ne pousse toutefois personne. Chacun devrait vivre comme il l’entend [00:35:00]. Je n’ai aucun problème avec les gens qui refusent d’indexer leur esprit. C’est très bien. J’espère seulement qu’ils ne rivaliseront pas avec ceux qui le font, car cela ne fonctionnera pas.
Louis-François Bouchard: Que pensez-vous de Neuralink ? Le concept me semble très semblable, mais un peu moins intrusif. Neuralink représente-t-il en quelque sorte l’avenir ?
Dmitry Shapiro: Je crois qu’il s’agit de choses différentes. Essayons de les distinguer. Il y a la capacité de comprendre le cerveau et celle de comprendre l’esprit.
Dmitry Shapiro: Le cerveau est l’objet physique, électromagnétique et chimique dans notre tête. L’esprit regroupe des pensées, des croyances, des constructions et des préférences conscientes ou inconscientes. Ces mots restent imprécis, mais ils désignent ce qui vous fait penser comme vous le faites.
Dmitry Shapiro: Le cerveau déclenche aussi de nombreux [00:36:00] neurotransmetteurs. Neuralink et une autre entreprise appelée Kernel, K E R N E L, se concentrent sur cet aspect. Brian Johnson dirige Kernel, tandis qu’Elon Musk a évidemment fondé Neuralink.
Dmitry Shapiro: Ces 2 entreprises se concentrent sur le cerveau, tandis que nous nous concentrons sur l’esprit. Nous sommes donc semblables sous cet angle, mais nos cas d’usage diffèrent radicalement. Kernel et Neuralink sont aussi différents : Neuralink est un implant, tandis que Kernel ressemble à un casque dont les capteurs captent…
Dmitry Shapiro: Les impulsions électromagnétiques dans votre peau et votre crâne.
Louis-François Bouchard: Ces capteurs placés sur le cerveau ne pourraient-ils pas, à terme, traiter et idéalement comprendre aussi notre esprit [00:37:00] ?
Dmitry Shapiro: Nous verrons ce que ces capteurs peuvent révéler. Certaines expériences sont intéressantes. Des chercheurs ont montré des images de chats à des personnes, puis ont réussi à les recréer en leur demandant de penser à un chat, par exemple.
Dmitry Shapiro: Je ne possède toutefois pas les compétences nécessaires pour expliquer scientifiquement leur travail. Prenez donc mes propos avec une quantité astronomique de prudence. Il me semble beaucoup plus simple d’entretenir une relation avec un fil qui offre de nombreuses occasions de donner du feedback que de brancher un implant dans sa tête ou de porter périodiquement un casque, avec lequel on ne peut même pas se déplacer. Ces technologies servent simplement des objectifs différents.
Louis-François Bouchard: J’aimerais revenir [00:38:00] à la création des outils avec lesquels nous interagissons, sans parler nécessairement de l’indexation de l’esprit. Des personnes créent toutes les applications et les différentes IA de MindStudio.
Louis-François Bouchard: Sauf erreur, on peut choisir le modèle utilisé par l’application que l’on crée, comme GPT, Claude ou Llama. Avez-vous des conseils pour savoir quel modèle employer et à quel moment ? Quand faut-il choisir un modèle d’OpenAI plutôt que Claude, ou essayer un modèle open source ?
Dmitry Shapiro: J’en ai, mais mes conseils ne doivent pas être considérés comme des vérités absolues. Il faut expérimenter. Pour chaque cas d’usage [00:39:00], un modèle différent peut mieux fonctionner, surtout après l’ajustement de ses paramètres. D’autres cas exigent plusieurs modèles employés dans la bonne séquence et pour les bonnes tâches.
Dmitry Shapiro: De façon générale, nous avons observé que GPT 3.5 est plus rapide que GPT 4. Si la vitesse compte, GPT 3.5 Turbo peut accomplir la plupart des tâches de GPT 4, sans qu’il soit nécessaire d’utiliser GPT 4. Nous avons d’ailleurs réservé GPT 4 à l’abonnement premium, premièrement parce qu’il coûte plus cher et deuxièmement parce que les gens ne comprennent pas toujours qu’ils n’en ont pas besoin.
Dmitry Shapiro: Ils devraient employer les autres modèles. Pour de grands documents, la fenêtre de contexte ou de tokens de Claude est actuellement bien plus grande que celle de GPT. Un modèle Claude est donc préférable dans ce cas [00:40:00]. Nous prenons aussi en charge la génération augmentée par récupération. Vous pouvez téléverser des documents et nous les transformons en embeddings vectoriels.
Dmitry Shapiro: Une grande partie du travail, notamment le prétraitement, s’effectue alors pendant la récupération. Vous ne transmettez pas d’immenses documents au LLM en lui demandant de les comprendre. Cette approche élimine généralement la nécessité de choisir Claude plutôt que GPT dans ce scénario.
Dmitry Shapiro: Tout cela évolue toutefois extrêmement vite. Ces réalités auront peut-être déjà changé lorsque quelqu’un regardera cette entrevue. Je ne miserais donc pas sur elles. Voilà une autre raison pour laquelle nous ne pouvons pas demander au consommateur de décider s’il doit utiliser GPT pour cette requête et Claude pour une autre.
Dmitry Shapiro: Cela ne peut tout simplement pas être la solution.
Louis-François Bouchard: Exactement. Une autre question se pose [00:41:00] lorsque nous créons ce genre de modèle : faut-il utiliser un modèle fine-tuné, par exemple un modèle open source entraîné sur des données propres à la tâche, ou choisir le modèle le plus puissant, comme GPT 4 ?
Louis-François Bouchard: Il faut savoir si le fine-tuning améliorera réellement le modèle, puisqu’il exige de construire un dataset et de l’entraîner. Cette approche coûte certainement plus cher qu’un simple appel d’API. Quand faut-il choisir un modèle moins cher et fine-tuné plutôt que GPT 3.5 ?
Louis-François Bouchard: Et si le fine-tuning est pertinent, quelle quantité de données recommandez-vous ?
Dmitry Shapiro: La réponse varie selon le cas. Tous ces modèles de réseaux neuronaux [00:42:00] sont non déterministes et donc inconstants. Il est difficile de faire des affirmations absolues à leur sujet, d’autant plus que tout change très rapidement.
Dmitry Shapiro: Pour le moment et l’avenir rapproché, certainement durant la prochaine année… Je m’arrête parce que les choses évoluent si vite qu’une année paraît très longue. Je dirai néanmoins que, pendant cette année au moins, le prompt engineer devra encore beaucoup expérimenter pour trouver la bonne…
Dmitry Shapiro: Configuration. C’est comme accorder un instrument. Si vous serrez trop, la note devient trop aiguë. Vous corrigez, puis elle devient trop grave. Vous finissez par atteindre la bonne fréquence. La création d’IA fonctionne aujourd’hui de la même façon.
Dmitry Shapiro: Vous pouvez rester très général et ne pas vous soucier du [00:43:00] fine-tuning. Les modèles fonctionneront déjà très bien et demeureront fascinants. Pour les peaufiner, il faut toutefois beaucoup expérimenter.
Louis-François Bouchard: Comment atténuer les risques liés à la commercialisation de ces modèles ? Ils sont puissants et très utiles pour plusieurs cas précis, comme la rédaction, mais conservent des limites même avec d’excellents prompts, notamment les hallucinations et les biais. Sans nécessairement éliminer les hallucinations, peut-on les réduire ? Que devrait faire le prompt engineer ou l’utilisateur pour éviter que le modèle de langage…
Louis-François Bouchard: Présente des faits entièrement faux, ou pour repérer ces fausses informations [00:44:00] ?
Dmitry Shapiro: Encore une excellente question. Je vais répondre, mais j’encourage les gens à prendre mes propos avec beaucoup de prudence. Il s’agit des meilleures pratiques actuelles, pas d’une science. C’est un art.
Dmitry Shapiro: Exactement, c’est un art. Ces conseils ne viennent même pas uniquement de moi. J’ai moi aussi constaté qu’ils fonctionnent généralement mieux qu’un prompt ordinaire. Le premier consiste à décomposer la tâche de la machine en étapes distinctes et à lui faire exécuter ces étapes…
Dmitry Shapiro: Dans le bon ordre. À chaque étape, vous évaluez les biais et les hallucinations. Vous pouvez ainsi détecter [00:45:00] le moment où une hallucination entre dans le processus. Le principe ressemble au traitement du signal : l’entrée doit être propre, car tout bruit sera amplifié et produira une distorsion à la sortie.
Dmitry Shapiro: La première méthode est donc cette approche étape par étape dont les gens parlent. Les consommateurs ne devraient évidemment pas avoir à y penser, ce serait absurde, mais les prompt engineers doivent raisonner ainsi. C’est d’ailleurs la bonne façon de bâtir n’importe quel système. Auparavant, il fallait le comprendre jusque dans ses moindres nuances pour écrire le code.
Dmitry Shapiro: Vous pouvez maintenant tricher et vous contenter d’une compréhension générale, mais un certain niveau reste nécessaire. Une autre méthode consiste à utiliser la génération augmentée par récupération pour limiter les réponses à un corpus autorisé, plutôt qu’à tout ce que le modèle a appris [00:46:00]. Vous réduisez ainsi considérablement le spectre des hallucinations possibles, au lieu de le laisser couvrir le monde entier.
Dmitry Shapiro: Le spectre peut se limiter à votre propre ensemble de données. Vous pouvez aussi ajuster la température, ce paramètre indirect un peu étrange des modèles. La réduire légèrement améliore la constance. Voilà des façons générales de gérer les hallucinations.
Dmitry Shapiro: Tout cela rappelle la production audio. Une grande console de mixage présente les différentes parties du spectre sonore, puis il faut trouver le bon équilibre pour laisser de la place aux diverses fréquences.
Dmitry Shapiro: Le travail avec ces modèles [00:47:00] est très semblable, sauf que la sortie n’est pas du son, mais du langage ou des images, et bientôt aussi de l’audio et de la vidéo.
Louis-François Bouchard: Une nouvelle récente d’OpenAI vient de me faire réfléchir. ChatGPT peut maintenant analyser des PDF, ce qui élimine de nombreuses entreprises et extensions qui offraient cette fonction.
Louis-François Bouchard: Craignez-vous que les entreprises propriétaires des modèles, comme OpenAI, lancent elles-mêmes les outils permettant aux prompt engineers de créer de meilleures applications, plutôt que de laisser ce rôle à une entreprise tierce comme MindStudio ? Les actions des propriétaires de modèles vous préoccupent-elles ?
Dmitry Shapiro: Non [00:48:00], et je vais vous expliquer pourquoi. De façon générale, je ne pense jamais à la concurrence potentielle. Je me concentre sur le problème et sa résolution. Je ne crois pas que ce scénario s’applique. 1re chose, si ces entreprises veulent s’adresser…
Dmitry Shapiro: Aux consommateurs et aux utilisateurs, elles devraient continuer à améliorer leurs interfaces afin de dépasser cette ligne de commande DOS qu’est ChatGPT. Il s’agit d’un prototype que nous détournons tous pour accomplir des choses fascinantes, mais OpenAI peut faire beaucoup mieux. La capacité de discuter avec un PDF n’est qu’un petit pas dans cette direction. Je m’attends à ce qu’OpenAI et les autres poursuivent ce travail. Le problème est que les utilisateurs finaux n’ont pas besoin, selon moi [00:49:00], d’une meilleure interface unique qui les enferme dans un seul modèle ou, dans ce cas, dans l’écosystème de modèles d’OpenAI. Ils ont besoin de la Suisse : un système qui fonctionne avec tous les services et modèles, sans dépendre d’un seul, qui choisit le meilleur modèle pour chaque partie du travail et qui masque toute cette complexité. La couche d’application comporte de nombreuses décisions et exige plusieurs systèmes pour rester simple aux yeux des prompt engineers et des développeurs. Vous pouvez par exemple utiliser votre PDF avec ChatGPT, mais vous ne pouvez pas transformer cette expérience en application que votre mère utilisera facilement.
Dmitry Shapiro: Vous devez apprendre à votre mère à utiliser [00:50:00] ChatGPT, puis à téléverser le document. Bonne chance. Vous ne pouvez pas non plus facturer le travail que vous avez réalisé. Vous pouvez évidemment aider votre mère, mais nous permettons aux gens de créer une véritable expérience, peu importe ce que font les modèles.
Dmitry Shapiro: Plus les modèles offrent de capacités, mieux c’est pour nous, car nous permettons simplement aux prompt engineers de les exploiter au profit des utilisateurs ordinaires. Dans ce cas, la marée montante soulève tous les bateaux.
Louis-François Bouchard: Toutes les compétences en ingénierie de prompts et les connaissances que nous acquérons aujourd’hui, par exemple quand utiliser Claude, OpenAI, Llama ou Mistral, ne sont donc pas inutiles, mais deviendront bientôt sans importance.
Dmitry Shapiro: Non. Elles restent pertinentes pour les personnes qui bâtissent des applications d’IA destinées aux autres. C’est le nouveau développeur [00:51:00]. Il n’écrit pas du code, mais des instructions qui orchestrent la couche d’intelligence, puis il les intègre dans un produit livré aux utilisateurs finaux.
Dmitry Shapiro: Toutes les compétences que ces personnes apprennent aujourd’hui sont donc utiles. La technologie et les modèles changent toutefois si rapidement que plusieurs éléments, comme le paramètre de température ou les prompts à plusieurs étapes, pourraient perdre beaucoup de pertinence ou disparaître entièrement.
Dmitry Shapiro: Ces compétences sont très utiles et nécessaires aujourd’hui, mais je soupçonne qu’elles seront très différentes à long terme. Pour les développeurs assez âgés pour s’en souvenir, c’est comme écrire du JavaScript en 1999 ou même en 2010, puis comparer cette pratique au JavaScript actuel ou à l’époque où React est apparu [00:52:00]. Tout a soudainement changé, puis Next est arrivé.
Dmitry Shapiro: La technologie évolue si vite que les interfaces utilisées par les développeurs pour la maîtriser changent elles aussi rapidement. Les développeurs doivent constamment s’adapter et apprendre de nouvelles méthodes, de nouveaux patterns, de nouvelles technologies et de nouvelles approches. Les prompt engineers devront faire de même afin de rester à jour et d’épargner ce travail aux utilisateurs ordinaires, qui ne peuvent pas l’accomplir.
Louis-François Bouchard: Avons-nous encore besoin de développeurs, ou seulement de prompt engineers ?
Dmitry Shapiro: C’est une bonne question. Pour le moment et l’avenir rapproché, nous avons encore besoin de développeurs, mais pour moins de tâches. Plusieurs travaux qui auraient autrefois exigé un développeur n’en ont certainement plus besoin.
Dmitry Shapiro: D’autres éléments d’infrastructure [00:53:00], comme les connecteurs, exigent encore du code écrit par des développeurs. Même ce travail change radicalement. Les personnes qui ont essayé GitHub Copilot ou d’autres copilotes savent à quel point ils sont fascinants. J’ai commencé à programmer en 1984, à 14 ans, au secondaire.
Dmitry Shapiro: J’ai donc vu toute cette évolution. Les copilotes transforment profondément le développement logiciel. Ils permettent surtout à des développeurs très débutants d’accomplir un véritable travail et rendent les développeurs avancés radicalement plus productifs.
Louis-François Bouchard: Cela m’amène à une autre question. J’ai appris à programmer beaucoup plus tard que vous, à mon entrée à l’université. Avant [00:54:00], j’étudiais en sciences et je ne connaissais personne dans la programmation ou sur Internet. Les mathématiques, la physique et les jeux vidéo me passionnaient, mais pas la programmation.
Louis-François Bouchard: J’ai finalement appris à programmer pour développer une application, un jeu que j’avais en tête et que je voulais transformer en produit. J’ai appris afin de créer quelque chose, comme vous l’avez probablement fait à 14 ans. Si une personne de 14 ans nous écoute aujourd’hui, ou simplement quelqu’un sans compétence en programmation…
Louis-François Bouchard: Lui conseilleriez-vous d’apprendre à programmer pour créer quelque chose ou de devenir un meilleur prompt engineer, si son objectif ultime est de lancer une entreprise ou simplement de construire son propre produit ?
Dmitry Shapiro: La réponse [00:55:00] dépend beaucoup de la personne, de ce qui l’intéresse et de ce qu’elle veut créer.
Dmitry Shapiro: Si vous avez une idée pour vous-même et qu’elle peut être réalisée grâce à l’IA, selon sa nature, la bonne approche consiste à utiliser l’IA. Ce sera beaucoup plus rapide et simple, vous pouvez le faire maintenant et les possibilités sont nombreuses.
Dmitry Shapiro: Vous pouvez accomplir énormément de choses. Si l’idée exige du code, vous devrez peut-être en écrire, mais commencez par la partie fondée sur l’IA. Est-ce que je considère la programmation comme une compétence utile ? Oui. Son apprentissage vous enseigne à réfléchir. Il vous aide aussi à devenir un meilleur prompt engineer en repérant les ambiguïtés et en apprenant à abstraire [00:56:00] les éléments dans des systèmes.
Dmitry Shapiro: Cette compétence est donc précieuse. Je vois toutefois des gens entrer dans le domaine de l’IA d’une autre manière. Au cours des derniers mois, des amis m’ont contacté en disant : « L’IA m’enthousiasme tellement. Je suis un cours du MIT sur la construction de réseaux neuronaux. »
Dmitry Shapiro: « Je révise mes mathématiques, comme l’algèbre linéaire, et j’étudie la descente de gradient. » C’est intéressant, mais pourquoi ? Ils croient qu’en comprenant la descente de gradient, ils exploiteront mieux ChatGPT. C’est absurde et n’a aucun sens.
Dmitry Shapiro: Pour mieux utiliser ChatGPT ou exploiter l’IA, apprenez à communiquer avec des mots de façon nuancée, structurée et sans ambiguïté. Si vous voulez comprendre les [00:57:00] mathématiques des réseaux neuronaux et contribuer comme scientifique, révisez évidemment vos mathématiques.
Louis-François Bouchard: Une meilleure communication vous aidera aussi dans votre vie personnelle et avec votre partenaire.
Dmitry Shapiro: Tout à fait. J’ai un baccalauréat en génie électrique, mais je n’ai jamais travaillé une seule journée dans ce domaine. J’ai cinq enfants. Les gens me demandent parfois ce que je veux qu’ils étudient à l’université. Je réponds que je ne leur dirai pas quoi choisir.
Dmitry Shapiro: Je veux qu’ils choisissent leurs études. S’ils me demandaient s’ils devraient aller en sciences et en génie ou plutôt en arts et en communication, je les orienterais vers la communication plutôt que les sciences. C’est étonnant, car à 18 ans, j’aurais certainement trouvé cette réponse insensée.
Dmitry Shapiro: Maintenant que j’ai 54 ans, je sais que la compétence la plus précieuse [00:58:00] est la capacité de communiquer avec les autres humains et désormais avec les machines. C’est l’ensemble de compétences le plus important. Vous en apprendrez davantage en étudiant la littérature que dans n’importe quel programme universitaire d’informatique.
Dmitry Shapiro: Vous pouvez apprendre l’informatique quand vous le voulez. Allez lire quelques livres.
Louis-François Bouchard: Je suis tout à fait d’accord. La communication compte énormément. Cela peut sembler banal, mais savoir publier sur Twitter et utiliser les médias sociaux est aussi très pertinent, d’abord pour bâtir une audience. Une fois cette audience acquise…
Louis-François Bouchard: Si vous construisez un produit ou quoi que ce soit à vendre, vous pouvez le commercialiser immédiatement. La communication apporte une valeur inestimable dans toutes les facettes de la vie, tant professionnelle que personnelle [00:59:00]. Je donnerais probablement aujourd’hui le même conseil que vous, même si j’ai moi aussi étudié en génie. Il reste difficile d’en être certain avec le recul, mais actuellement…
Louis-François Bouchard: Je suppose que j’aurais pu apprendre seul ou sur Internet tout ce que j’ai appris, ce que j’ai d’ailleurs fait en partie. Je suivais des cours en ligne pendant mes études universitaires, car j’avais l’impression que mes cours ne m’en enseignaient pas assez. Aller à l’école devrait donc servir à apprendre…
Louis-François Bouchard: Des compétences qui exigent réellement de la pratique et la supervision d’un expert, comme mieux communiquer, mieux se présenter lorsque l’on parle et travailler son élocution. J’ai l’impression que tout ce qui touche la communication est essentiel et exige aussi [01:00:00] de l’encadrement.
Louis-François Bouchard: On peut probablement l’apprendre en ligne et par la pratique, par exemple en participant à des balados. Cette compétence reste toutefois plus difficile à acquérir seul que la programmation, qu’il est même plus facile d’apprendre le soir par soi-même lorsqu’on est passionné et qu’on aime programmer.
Dmitry Shapiro: En repensant à ma carrière, j’ai obtenu mon diplôme en génie électrique en 1992. Je ne voulais pas travailler comme ingénieur, alors je suis devenu vendeur de systèmes téléphoniques aux petites entreprises. Je pouvais vendre des systèmes comptant jusqu’à 20 téléphones. À partir de 21 téléphones…
Dmitry Shapiro: Je devais confier la vente à un représentant des grands comptes. Je faisais partie d’un groupe de huit nouveaux vendeurs embauchés par une entreprise appelée Executone. Tous les jours à 7 h 30, de 7 h 30 à 8 h 30, cinq [01:01:00] jours par semaine, nous suivions une formation de vente sous forme de jeu de rôle. En équipes de deux, une personne jouait le client et l’autre le vendeur.
Dmitry Shapiro: Nous nous entraînions, puis nous faisions de la prospection téléphonique pour obtenir des rendez-vous avec de petites entreprises et discuter de leurs systèmes. Mes trois premiers emplois touchaient ainsi à la vente. Avec le recul, ces expériences comptent parmi les apprentissages les plus importants dont j’avais besoin.
Dmitry Shapiro: Il faut simplement passer du temps à communiquer avec les autres et à les comprendre. Les gens comprennent mal la vente. Ils imaginent un vendeur de voitures usagées qui met de la pression, mais ce n’est pas cela. Vendre, c’est éduquer. Il faut prendre une personne manifestement intéressée, puisqu’elle vous écoute…
Dmitry Shapiro: Et l’aider à comprendre pourquoi ce que vous lui recommandez est bon pour elle [01:02:00]. Vous devez savoir lire les gens, les rejoindre là où ils se trouvent, puis les guider vers l’endroit voulu. C’est le rôle d’un enseignant. Voilà la compétence nécessaire, et la plupart des gens n’ont jamais eu l’occasion de vraiment la pratiquer.
Dmitry Shapiro: Si vous trouvez une occasion de la pratiquer, vous pourrez la développer. À ce sujet, j’ai récemment reçu dans un balado comme celui-ci un homme nommé Michael, responsable de l’aide à la vente dans une grande entreprise. Son travail consiste à veiller à ce que les vendeurs, les ingénieurs commerciaux et le personnel du soutien à la clientèle d’une entreprise de cybersécurité sous forme de plateforme-service soient bien formés et équipés.
Dmitry Shapiro: Il doit maintenir l’équipe de vente au meilleur niveau. Il a donc utilisé MindStudio [01:03:00] pour créer des formateurs avec lesquels les vendeurs interagissent. Une IA forme les vendeurs, une autre les ingénieurs commerciaux et une autre encore le personnel du soutien. Il a aussi construit plusieurs automatisations.
Dmitry Shapiro: Cette formation exigeait autrefois un humain, mais une IA peut maintenant potentiellement s’en charger. Il manque le contact visuel, le langage corporel et le ton, des signaux importants pour savoir si une personne comprend et où elle se situe. La compétence peut néanmoins être pratiquée.
Louis-François Bouchard: C’est fascinant. Je le dis dans plusieurs épisodes, mais je trouve incroyable que l’intelligence artificielle ait autrefois été perçue comme malveillante, par exemple en 2012. Les gens [01:04:00] supposaient que les grandes entreprises utiliseraient l’IA pour mieux contrôler la population et creuser l’écart entre riches et pauvres.
Louis-François Bouchard: J’ai plutôt l’impression du contraire. L’IA démocratise énormément de choses et permet à une personne ordinaire comme Michael d’accomplir beaucoup plus en exploitant cette technologie. Elle est très accessible et aide les gens disposant de moins de ressources à faire davantage. C’est l’opposé complet de nos attentes initiales.
Louis-François Bouchard: Je trouve cela incroyable et vraiment intéressant.
Dmitry Shapiro: Je crois toutefois que les deux réalités sont vraies. Les organisations qui possèdent des capacités d’IA plus sophistiquées que le consommateur moyen [01:05:00] pourront accomplir des ordres de grandeur supplémentaires et détenir un avantage concurrentiel, qu’elles l’utilisent pour le bien ou le mal.
Dmitry Shapiro: Ces outils donnent donc du pouvoir à la population, mais aussi aux puissants. Nous ne sommes pas encore tirés d’affaire. La démocratisation de l’exploitation de l’IA, qui décrit autrement la mission de MindStudio, demeure toutefois essentielle. Nous voulons démocratiser la création et l’accessibilité de l’IA.
Dmitry Shapiro: C’est extrêmement important, précisément parce que l’autre réalité existe aussi.
Louis-François Bouchard: C’est aussi exactement mon objectif : démocratiser l’IA, mais par l’éducation. Je trouve formidable que vous éliminiez la nécessité d’apprendre l’ingénierie de prompts et l’ajustement des modèles. Vous permettez ainsi [01:06:00] à quiconque de créer et de monétiser une application sans maîtriser le développement logiciel ni le processus de commercialisation. C’est déjà fascinant. Vous permettez aussi de bâtir des applications très spécialisées, bien conçues et bien guidées par des prompts, qu’une personne peut utiliser immédiatement pour accomplir une tâche ou demander un article, alors que l’application connaît déjà…
Louis-François Bouchard: L’adresse est YouAI.ai et la plateforme s’appelle MindStudio. Vous pouvez essayer les IA immédiatement, créer votre propre [01:07:00] IA et même la monétiser. Si vous souhaitez transmettre autre chose à l’audience, promouvoir un projet ou ajouter un dernier mot, c’est le moment.
Dmitry Shapiro: Tout dépend du moment où les gens écouteront. Demain, nous organisons un hackathon qui durera toute la fin de semaine. Si vous écoutez après le 4 novembre 2023, nous en aurons organisé d’autres. Demain marque toutefois notre premier hackathon. Vous pouvez y participer et créer des projets. Voilà une première annonce.
Dmitry Shapiro: Beaucoup de nouvelles capacités arrivent. Vous pouvez vous attendre à ce que nous élargissions très rapidement les fonctions de la plateforme, ce que plusieurs personnes commentent dans notre Discord. Si vous aimez les technologies à la fine pointe, venez nous regarder les développer [01:08:00], les essayer et nous donner votre avis.
Dmitry Shapiro: Si cette technologie vous enthousiasme et que vous commencez à créer, enregistrez des vidéos et des tutoriels, puis écrivez sur votre expérience. Les gens ont besoin d’aide pour la comprendre. Nous sommes tous des pionniers. Si vous choisissez de participer, nous vous invitons à rejoindre le mouvement que nous bâtissons.
Dmitry Shapiro: Rejoignez aussi notre Discord. Nous aimerions vous rencontrer. Merci pour votre temps.
Louis-François Bouchard: Excellent. Merci beaucoup pour ce que vous bâtissez et pour le temps consacré à cette discussion fascinante.
Dmitry Shapiro: Je me suis beaucoup amusé.
Louis-François Bouchard: Moi aussi. Merci.[01:09:00]
FAQ
Qu’est-ce que MindStudio ?
MindStudio est une plateforme qui permet d’assembler des applications et des workflows d’IA sans construire chaque intégration de modèle à partir de zéro.
Quels sujets l’entrevue avec Dmitry Shapiro aborde-t-elle ?
Elle porte sur MindStudio, le choix des modèles, les prompts, le RAG, les connaissances personnelles et la conception pratique d’applications d’IA.
Pourquoi faut-il choisir le modèle selon le cas d’usage ?
Les modèles diffèrent par leur qualité, leur contexte, leur latence, leur coût, leur confidentialité et leurs outils. Aucun ne domine donc tous les workflows.
Comment l’indexation des connaissances personnelles peut-elle améliorer l’usage de l’IA ?
Un contexte privé bien organisé permet à une application de retrouver les objectifs, les préférences et l’information pertinents au bon moment.
Que doit protéger une mémoire personnelle alimentée par l’IA ?
Elle exige un consentement explicite, des contrôles d’accès, la suppression des données, leur provenance et des limites rigoureuses pour l’information sensible.
Pourquoi créer des applications spécialisées autour de modèles de fondation généraux ?
La plupart des utilisateurs ne devraient pas avoir à choisir un modèle, régler ses paramètres ni rédiger un long prompt. Une interface ciblée peut intégrer ces décisions autour d’une tâche claire.
Que doit définir la personne qui bâtit une application d’IA spécialisée ?
Elle définit l’information fournie par les utilisateurs, la séquence des étapes du modèle, les paramètres du système et l’interface simple présentée à l’utilisateur final.
Comment une application d’IA peut-elle réduire les hallucinations ?
Décomposez la tâche en étapes vérifiables, appuyez les affirmations sur les données récupérées, réduisez l’aléatoire lorsque la cohérence compte et validez le résultat avant d’agir.
Pourquoi une application d’IA devrait-elle rester indépendante des modèles ?
Chaque étape peut exiger un compromis différent entre qualité, vitesse, contexte et coût. Maintenir l’application au-dessus de la couche de modèles d’un fournisseur réduit aussi la dépendance.