What is generative AI?

Generative AI is a type of artificial intelligence (AI) that uses machine learning (ML) and deep learning algorithms to produce new content such as text, images, video, music, and computer code in response to users’ prompts and questions. It has the potential to dramatically transform the way humans create original content for personal, business, and artistic purposes. Generative AI is different from retrieval augmented generation (RAG) AI in that it is a subset of RAG. RAG combines the strengths of both generative AI and retrieval AI. Generative AI is also different from cognitive AI, which mimics the way the human brain works to get its results.

How does generative AI work?

Before it can create new content, a generative AI system must first be trained. Vast quantities of information—in the form of words, images, music, or other content—are fed into a deep learning system. From there, an AI neural network, which is a subset of ML that teaches computers to process data by mimicking the human brain, sifts through the data, helping the system “learn.” For example, the popular ChatGPT chatbot was trained on massive datasets and more than 300 billion words gathered from the internet, books, magazines, songs, plays, movies, and other publicly available data sources. ChatGPT studies and learns from all this data to discern patterns and structures. Once the generative AI model has assimilated enough knowledge, it can begin creating. Based on the patterns it extrapolates from the data it was trained on, it can now generate new content based on directives or questions from users. For example, if it was trained on the novels of a particular author, it could write text in the style and use the subject matter found in that author’s novels if prompted to do so by a user. If someone wants a new image, they can enter some characteristics and generative AI can produce a drawing. Because it is trained to be continuously learning, generative AI produces multiple versions of content and chooses the best one to proceed with at the time. This process of refinement is what makes generative AI systems capable of constantly improving the quality of their output.

What are the benefits of generative AI?

There are many potential benefits of generative AI, including the following: Accelerate content creation Enhance efficiency of human workers Increase organizational productivity Cut costs Improve the customer experience Accelerate new product development Enhance training and education Support better decision-making

What are some risks and limitations of generative AI?

Although generative AI has numerous benefits, it also comes with certain risks and limitations if not managed appropriately and used responsibly. The following are some of them: Sub-standard quality Uniformity and conformity rather than creativity Unintentional revealing of private, proprietary, or sensitive information Ethical misuse Biased, flawed, or downright false results Social disruption Uncertain legal terrain For all these reasons, businesses will need to be careful to use generative AI responsibly and ethically.

How is generative AI used?

Generative AI is already being used across many professions and industries: Creative Services / Marketing — Businesses and agencies alike are using generative AI to develop targeted advertisements, write marketing content, plan campaigns, measure campaign performance, and create websites. Retail — For some time, retail has been using AI to give customers purchasing recommendations based on their surfing or buying behaviors. Generative AI can also predict which products will be in high demand, at what time, and where to optimize inventory in warehouses and stores. Healthcare — Generative AI tools can help doctors offer personalized patient care based on a patient’s health history, including lab test results and images such as x-rays or CT scans. These tools can also help doctors detect diseases earlier due to the vast amounts of clinical and diagnostic data fed into such systems with powerful pattern-matching capabilities. AI can also eliminate manual tasks such as taking appointment notes, prescribing medications, and keeping records updated. Logistics, shipping, and transportation — These industries that rely heavily on location services can use generative AI to transform satellite images into map views, assisting human workers and systems alike to plan routes and get goods to destinations more efficiently. Manufacturing — Unplanned downtime can be financially detrimental to manufacturers of all sizes. With generative AI, manufacturers can eliminate unplanned downtime with predictive maintenance. They also can produce and test multiple product designs at once to determine which ones they should pursue for the highest profits. Finance — Generative AI can enhance the customer experience in retail banking by automating real-time transactions like deposits and withdrawals. Education — In higher education as well as primary and secondary schools, generative AI can assist teachers in creating lesson plans and tests, tracking grades and attendance, and eliminating many of the repetitive tasks of running a classroom. Hospitality — Hotels, restaurants, and other hospitality businesses can use generative AI to personalize guest experiences. Many tedious and repetitive tasks like booking reservations, or checking room or table availability can easily be handled by generative AI chatbots.

Qu'est-ce que l'IA générative ? | Glossaire

Qu’est-ce que l’IA générative ?

L’IA générative est un type d’intelligence artificielle (IA) qui utilise des algorithmes de machine learning (ML) et de deep learning pour produire du contenu (notamment du texte, des images, de la vidéo, de la musique, ou du code informatique) en réponse aux invites et aux questions des utilisateurs. Elle a le potentiel de transformer radicalement la façon dont les humains créent du contenu original pour leurs besoins personnels, professionnels et artistiques.

L’IA générative est différente de l’IA de génération augmentée de recherche (RAG) : elle en est un sous-ensemble. Le modèle RAG combine les forces de l’IA générative et de l’IA d’extraction. L’IA générative est également différente de l’IA cognitive, qui imite le fonctionnement du cerveau humain pour obtenir ses résultats.

Comment fonctionne l’IA générative ?

Un système d’IA générative doit d’abord être formé avant de pouvoir créer de nouveaux contenus. Un système de deep learning est alimenté par de vastes quantités d’informations (des mots, des images, de la musique ou d’autres contenus).

Un réseau neuronal d’IA (sous-ensemble du ML qui apprend aux ordinateurs à traiter des données en imitant le cerveau humain) passe ensuite les données au crible pour permettre au système « d’apprendre ». Par exemple, le célèbre chatbot ChatGPT a été formé sur des jeux de données massifs et plus de 300 milliards de mots recueillis sur Internet, dans des livres, des magazines, des chansons, des pièces de théâtre, des films et d’autres sources de données accessibles au grand public. ChatGPT étudie toutes ces données pour apprendre à discerner des modèles et des structures.

Une fois que le modèle d’IA générative a assimilé suffisamment de connaissances, il peut commencer à créer. Les modèles qu’il extrapole à partir des données sur lesquelles il a été formé lui permettent désormais de générer de nouveaux contenus en fonction des directives ou des questions des utilisateurs. Par exemple, s’il a été formé aux romans d’un auteur particulier, il pourra rédiger des textes dans le même style que cet auteur et utiliser les mêmes sujets de roman si l’utilisateur le lui demande. Si une personne veut une nouvelle image, elle peut entrer certaines caractéristiques pour que l’IA générative produise un dessin.

Comme elle est formée à apprendre en permanence, l’IA générative produit plusieurs versions du contenu et choisit celle qui convient le mieux à ce moment-là. C’est ce processus de perfectionnement qui permet aux systèmes d’IA générative d’améliorer constamment la qualité de leurs résultats.

Quels sont les avantages de l’IA générative ?

L’IA générative a de nombreux avantages potentiels, notamment :

Accélérer la création de contenu : que ce soit pour faire de la conception graphique, produire une vidéo de formation, écrire un article, composer une chanson ou déboguer du code, l’un des avantages les plus populaires de l’IA générative est de pouvoir générer rapidement du contenu en utilisant les entrées utilisateur appropriées (questions, instructions, images visuelles ou notes). Selon Gartner, 30 % des messages marketing sortants seront créés par une IA générative d’ici 2025, contre seulement 2 % en 2022.
Améliorer l’efficacité des employés humains : même lorsque le résultat initial d’un modèle d’IA générative ne satisfait pas aux normes de qualité, les humains peuvent utiliser le contenu brut et le retravailler à leur convenance beaucoup plus rapidement que s’ils partaient de zéro.
Augmenter la productivité de l’entreprise : les modèles d’IA générative peuvent travailler 24 h/24 et 7 j/7, ne se fatiguent jamais, ne tombent jamais malades et n’ont jamais besoin de pauses. Il est donc possible de réaliser en permanence davantage de tâches, et ainsi de stimuler la productivité globale.
Réduire les coûts : certaines entreprises utilisent l’IA générative pour remplacer des fonctions professionnelles et donc réduire les dépenses, mais beaucoup d’autres s’en servent pour permettre à leurs employés actuels d’en faire plus.
Améliorer l’expérience client : les chatbots de service client à IA générative, qui fournissent des réponses plus chaleureuses, plus personnalisées et plus humaines aux questions des clients et aux problèmes d’assistance, permettent d’améliorer le parcours client.
Accélérer le développement de nouveaux produits : l’IA générative peut accélérer le développement et la découverte de nouveaux médicaments, simplifier le codage des applications d’entreprise, favoriser l’innovation et lancer de nouvelles idées de produits.
Améliorer la formation et l’éducation : grâce aux tests personnalisés et à l’affectation dynamique du matériel de formation et d’apprentissage, l’IA générative peut personnaliser les expériences des étudiants et des employés afin de leur permettre d’apprendre plus rapidement et plus efficacement.
Améliorer la prise de décision : grâce à sa capacité à ingérer de grandes quantités de données et à repérer les schémas et les tendances, l’IA générative permet aux cadres humains d’obtenir des informations qu’ils auraient peut-être ratées sans elle, et ainsi de prendre de meilleures décisions ou de formuler des stratégies plus efficaces.

Quels sont les risques et les limites de l’IA générative ?

Bien que l’IA générative présente de nombreux avantages, elle s’accompagne également de certains risques et limites si elle n’est pas gérée de manière appropriée et utilisée de manière responsable. En voici quelques-uns :

Qualité inférieure à la norme : l’IA générative peut fournir du contenu rapidement, mais la qualité ne correspond pas toujours aux standards requis. Il faut vérifier méticuleusement les faits, surveiller et apporter des modifications pour s’assurer que les résultats sont corrects, pertinents et d’une qualité suffisante.
Uniformité et conformité plutôt que créativité : l’IA peut imiter les modèles qu’elle a appris en ingérant un large éventail de contenus, mais elle ne comprend pas vraiment ce qu’elle fait. La créativité humaine, et en particulier l’intuition et la capacité à faire des raccourcis logiques, limitera la profondeur et la résonance émotionnelle de ce que l’IA générative produit.
Révélation involontaire d’informations privées, exclusives ou sensibles : l’IA générative a besoin de grandes quantités de données pour former ses modèles. Les entreprises et les particuliers doivent donc être très attentifs aux sources de données utilisées pour former ces modèles afin de ne pas exposer par inadvertance des données à caractère personnel (DCP) ou privées, de ne pas divulguer d’informations sensibles ou de ne pas violer les réglementations en matière de confidentialité et de sécurité des données.
Mauvais usage éthique : l’IA risque également d’être utilisée à des fins malveillantes ou criminelles, par exemple pour créer des « deep fakes » (de fausses vidéos qui semblent réelles), diffuser des « fake news » ou plagier des contenus protégés par le droit d’auteur.
Résultats biaisés, insuffisants ou carrément faux : les premiers modèles d’IA l’ont démontré, le contenu produit par l’IA générative dépend fortement des données qui l’alimentent et qu’elle utilise pour générer ses résultats. Si ces données sont de mauvaise qualité, restrictives, biaisées ou tout simplement erronées, alors les résultats obtenus par le système d’IA le seront également.
Perturbations sociales : comme pour toute forme d’automatisation, certains pensent que l’IA générative pourrait remplacer davantage d’emplois et potentiellement affecter un groupe de professions beaucoup plus large que ne l’ont fait les générations précédentes de technologies automatisées. L’histoire a montré que ces types de révolutions industrielles sont susceptibles de créer des fractures sociales et des tensions entre les anciennes et les nouvelles générations.
Terrain juridique incertain : le contenu généré par l’IA peut poser des problèmes juridiques, notamment la violation des droits d’auteur ou la responsabilité en cas de publication d’un contenu exclusif, préjudiciable ou mensonger.

Toutes ces raisons font que les entreprises devront veiller à utiliser l’IA générative de manière responsable et éthique.

Comment l’IA générative est-elle utilisée ?

L’IA générative est déjà utilisée dans de nombreuses professions et industries :

Services créatifs / Marketing : les entreprises et les agences utilisent l’IA générative pour élaborer des publicités ciblées, rédiger des contenus marketing, planifier des campagnes, mesurer les performances des campagnes et créer des sites web.
Commerce de détail : le commerce de détail utilise déjà l’IA depuis quelque temps pour faire des recommandations d’achat aux clients en fonction de leur navigation ou de leurs comportements d’achat. L’IA générative peut également prédire quels produits seront très demandés, à quel moment, et où optimiser les stocks dans les entrepôts et les magasins.
Santé : les outils d’IA générative peuvent permettre aux médecins d’offrir des soins personnalisés aux patients en fonction de leurs antécédents médicaux, notamment les résultats des tests de laboratoire et les images (radiographies ou scanners). Les médecins peuvent également détecter les maladies plus tôt grâce aux grandes quantités de données cliniques et diagnostiques qui alimentent ces systèmes dotés de puissantes capacités de filtrage par motif L’IA peut également éliminer les tâches manuelles telles que la prise de rendez-vous, la prescription de médicaments et la mise à jour des dossiers.
Logistique, expédition et transport : ces secteurs qui dépendent fortement des services de localisation peuvent utiliser l’IA générative pour transformer les images satellites en vues cartographiques, et ainsi permettre aux employés humains comme aux systèmes de planifier des itinéraires et d’acheminer plus efficacement les marchandises jusqu’à leur destination.
Fabrication : les temps d’arrêt non planifiés peuvent être financièrement préjudiciables aux fabricants de toutes tailles. Les fabricants peuvent utiliser l’IA générative et la maintenance prédictive pour éliminer les temps d’arrêt non planifiés. Ils peuvent également produire et tester simultanément plusieurs conceptions de produits afin de sélectionner celles qui seront les plus rentables.
Finance : l’IA générative peut améliorer l’expérience client dans la banque de détail en automatisant les transactions en temps réel comme les dépôts et les retraits.
Éducation : grâce à l’IA générative, les enseignants des cycles supérieur, secondaire et primaire peuvent créer des plans de cours et des examens, suivre les notes et la participation, et éliminer bon nombre de tâches répétitives liées à la gestion d’une salle de classe.
Hôtellerie : les hôtels, restaurants et autres entreprises du secteur peuvent utiliser l’IA générative pour personnaliser l’expérience de leurs clients. Les chatbots d’IA générative peuvent facilement prendre en charge de nombreuses tâches fastidieuses et répétitives, notamment les réservations ou la vérification de la disponibilité d’une chambre ou d’une table.

Cohesity et l’IA générative

Cohesity s’engage à utiliser l’intelligence artificielle (notamment l’IA générative) pour exploiter la puissance des données d’une entreprise afin de garder une longueur d’avance sur les menaces de sécurité.

Cohesity collabore avec Microsoft Azure OpenAI pour permettre aux entreprises de mieux gérer, sécuriser et protéger leurs données. L’IA permettant de plus en plus d’atténuer les menaces en fonction des profils de risque et du comportement des utilisateurs, Cohesity est la mieux placée pour comprendre l’IA générative, cognitive et augmentée de récupération afin d’arrêter les auteurs malveillants.

L’IA générative est importante pour le cœur de métier de Cohesity, à savoir la sécurisation et la gestion des données. Cohesity permet aux clients de sauvegarder l’ensemble de leur patrimoine de données et d’améliorer leur cyber-résilience grâce à l’isolation des données, à la détection des menaces et à la classification des données.

Cohesity fournit aux plus grandes entreprises du monde les informations et les analyses approfondies dont elles ont besoin pour améliorer leurs postures de sécurité. Cohesity Data Cloud est une plateforme moderne de sécurité et de gestion des données qui a la particularité d’être « IA-ready » (adaptée à l’IA). Elle est conçue de manière à être massivement évolutive et facilement consultable. Elle applique également des contrôles d’accès granulaires et met en œuvre des fonctionnalités de sécurité pour garantir les plus hauts niveaux de disponibilité et d’intégrité des données.

Par exemple, les capacités de recherche globale de Cohesity permettent aux utilisateurs d’effectuer facilement et rapidement des recherches dans plusieurs charges de travail et copies de données à partir d’une interface gérée de manière centralisée. Grâce à Cohesity Data Cloud, l’IA et les LLM (large language models) pourront répondre rapidement aux questions critiques des entreprises, tout en veillant à ce que seules les bonnes personnes voient les réponses relatives aux données auxquelles elles ont accès.

Les données protégées dans Cohesity Data Cloud sont indexées et contiennent les métadonnées spécifiques qui permettront d’utiliser ces données dans les LLM. Tout comme les données sont stockées et peuvent être explorées et analysées pour détecter des menaces, ces métadonnées sont également « IA-ready ». Ainsi, lorsqu’une personne pose des questions sur les données par l’intermédiaire d’un LLM ou d’autres modèles d’IA en langage évolué (notamment Azure OpenAI), le LLM fournira immédiatement des réponses lisibles par l’homme. En utilisant des sources de données fiables sauvegardées sur Cohesity, les entreprises obtiendront des réponses plus précises et exploitables aux requêtes des utilisateurs et des machines.

Les grandes entreprises, les organismes publics et les autres entités peuvent introduire l’IA en toute sécurité dans leurs stratégies de cybersécurité grâce à la puissance de la plateforme Data Cloud de Cohesity, qui fournit des données complètes, propres et contextuelles pour les initiatives d’IA, de sécurité, de conformité et d’analyse.

IA générative