ChatGPT ne veut plus seulement répondre aux questions des citoyens, il veut aussi s’inviter dans les couloirs du pouvoir. OpenAI vient de dévoiler ChatGPT Gov, une version spéciale de son chatbot, taillée sur mesure pour les agences gouvernementales. 

 L’entreprise assure que cet outil offrira aux gouvernements américains un accès sécurisé à ses modèles d’IA les plus avancés, dont GPT-4o. Sécurité, confidentialité… et influence potentielle ? Le débat est lancé.

OpenAI et le gouvernement : une collaboration renforcée avec ChatGPT Gov

« En mettant nos produits à la disposition du gouvernement américain, nous souhaitons garantir que l’IA serve l’intérêt national et le bien public, conformément aux valeurs démocratiques. Et ce, tout en permettant aux décideurs politiques d’intégrer de manière responsable ces capacités pour offrir de meilleurs services au peuple américain. » 

C’est ce qu’à déclarer OpenAI dans son annonce. À noter qu’actuellement, OpenAI collabore aussi avec le gouvernement britannique pour déployer un chatbot IA sur le site officiel UK.gov.

Les agences gouvernementales pourront donc installer ChatGPT Gov sur leur propre cloud Microsoft Azure. Il offrira à ces dernières des outils similaires à ChatGPT Enterprise. 

Les utilisateurs pourront enregistrer et partager leurs conversations dans un espace de travail commun. Ils pourront créer leurs propres versions personnalisées du chatbot et gérer facilement les accès grâce à une console dédiée aux équipes informatiques. 

D’un côté, cela leur permettra de mieux gérer la sécurité et la confidentialité de leurs données. D’un autre, ce lancement encourage l’usage des outils d’OpenAI pour analyser des informations sensibles qui ne sont pas accessibles au public.

L’IA infiltre les gouvernements à vitesse grand V

Ce qu’il faut savoir c’est que, dès son entrée en fonction le 20 janvier, Donald Trump a supprimé le décret signé par Joe Biden pour encadrer l’IA aux États-Unis. 

Dans la foulée, il est apparu aux côtés de Sam Altman (OpenAI), Masayoshi Son (SoftBank) et Larry Ellison (Oracle) pour annoncer Stargate. Il s’agit d’un gigantesque projet de 500 milliards de dollars visant à construire des centres de données dédiés à l’IA.

Ce projet a fait l’objet d’une controverse d’ailleurs. Puisqu’Elon Musk n’a pas été choisi par le président, il a fait des siens. Mais là n’est pas le sujet !

En 2024, alors que le décret était encore en place, son adoption au sein des administrations publiques américaines a déjà accéléré.

D’après OpenAI, plus de 90 000 fonctionnaires issus de 3 500 agences américaines, allant des administrations locales aux instances fédérales, ont déjà envoyé plus de 18 millions de messages via ChatGPT. 

Parmi les utilisateurs, on retrouve notamment l’Air Force Research Laboratory, l’État de Pennsylvanie et le service de traduction officiel du Minnesota.

Alors, imaginez ce qu’il en sera maintenant qu’il n’y a plus de régulation. À votre avis, que deviendra le respect de la vie privée, celle des américains surtout ?

Partagez-nous vos craintes dans le commentaire !

Cet article OpenAI lance un ChatGPT pour les gouvernements : un danger d’ingérence ? a été publié sur LEBIGDATA.FR.

Ces subventions serviront à engager des spécialistes de l’IA dans des médias, dont le Seattle Times et le Minnesota Star Tribune. Le but étant d’avoir des experts de la technologie afin qu’ils puissent effectuer une analyse, un engagement, etc.

Une subvention de 10 millions de dollars pour les médias

Selon Microsoft et OpenAI, la subvention qu’elles prévoient de donner aux sociétés de médias sera répartie entre les bénéficiaires. Plus précisément, 2,5 millions de dollars en espèces et 2,5 millions de dollars de « crédits logiciels et d’entreprise » de chacun.

Cette nouvelle intervient alors que ces deux géants de la technologie font toujours face à une série de poursuites en matière de droits d’auteur, particulièrement de la part du New York, de The Intercept, d’AlterNet, de Raw Story, du Center for Investigative Reporting et du New York Daily News, du Chicago Tribune, propriété d’Alden Global Capital.

Malgré les accords de licence conclus avec plusieurs médias, dont Vox Media, la société mère de The Verge, ces poursuites se poursuivent toujours.

Une subvention pour un groupe restreint de médias ?

Les 100 millions de dollars seront destinés à Newsday, au Minnesota Star Tribune, au Philadelphia Inquirer, à Chicago Public Media et au Seattle Times. Selon l’annonce, bien que ces 5 médias bénéficient de cette bourse pour la première vague, Microsoft et OpenAI prévoient d’accorder plus tard des subventions à trois autres organisations médiatiques.

La somme servira à embaucher un chercheur de deux ans. Sa principale mission consistera à développer et à mettre en œuvre des outils d’IA grâce à des crédits Microsoft Azure et OpenAI. Rappelons que ce projet fait partie d’une collaboration entre ces deux géants et de Lenfest Institute for Journalism. L’objectif est de promouvoir les médias locaux.

Durant cette période, ces organisations de presse devront collaborer entre elles et avec l’écosystème plus large du secteur pour « partager les apprentissages, les développements de produits, les études de cas et les informations techniques nécessaires pour aider à reproduire leur travail dans d’autres salles de presse ».

Today we're announcing a new partnership with @OpenAI and @Microsoft to launch The Lenfest Institute AI Collaborative & Fellowship to help local news orgs use artificial intelligence to drive business sustainability and innovation https://t.co/tUxOOxFHxk

— The Lenfest Institute for Journalism (@lenfestinst) October 22, 2024

L’IA menace-t-elle les métiers des journalistes ?

Dans le cadre de cette phase de test, ces organisations auront à explorer certaines applications d’IA qui permettront d’exploiter la technologie pour la transcription, la création d’un outil de recherche « conversationnel » pour les archives ou encore pour les résumés de contenu.

Bien que cette innovation soit intéressante, cela suscite la fameuse question : le secteur du journalisme est-il menacé par l’intelligence artificielle ?

« Bien que rien ne remplacera le rôle central des journalistes, nous pensons que la technologie de l’IA peut aider à la recherche, à l’enquête, à la distribution et à la monétisation du journalisme important », a déclaré Tom Rubin, responsable de la propriété intellectuelle et du contenu chez OpenAI, dans le communiqué de presse.

Et vous ? êtes-vous du même avis ? N’hésitez pas à partager vos avis dans les commentaires !

Cet article Microsoft et OpenAI lâchent 10 M$ : Les médias vont-ils enfin adopter l’IA a été publié sur LEBIGDATA.FR.

Devoteam a dévoilé son nouveau plan stratégique « AMPLIFY », une initiative ambitieuse pour renforcer sa position dans le domaine de l’intelligence artificielle (IA). Ce plan s’étend jusqu’à 2028. Il vise à doubler le chiffre d’affaires de l’entreprise pour atteindre 2 milliards d’euros, dont 50 % seront générés par des projets liés à l’IA. Devoteam prévoit également de former l’intégralité de ses employés à l’IA générative.

Un plan pour doubler le chiffre d’affaires

Le 10 octobre 2024, Devoteam a annoncé son plan « AMPLIFY », un projet à long terme qui s’étendra jusqu’en 2028. L’objectif de cette initiative est donc de renforcer la position de l’entreprise en tant que leader des technologies guidées par l’IA. « Nous avons construit une position en EMEA de leader du Cloud, de la Data et de la Cybersécurité.« , a déclaré Stanislas de Bentzmann, co-fondateur et Président de Devoteam.

Devoteam vise à doubler son chiffre d’affaires en quatre ans pour atteindre 2 milliards d’euros en 2028. Parmi cet objectif, 50 % du revenu devrait provenir de projets liés à l’IA. En 2023, seulement 5 % des services de l’entreprise étaient liés à l’IA. Ce pourcentage devrait atteindre 20 % en 2024 et 50 % en 2028. Cet objectif sera atteint grâce à une combinaison de croissance organique et d’acquisitions stratégiques.

La formation, un pilier du plan AMPLIFY

L’une des priorités du plan « AMPLIFY » est la formation. Devoteam s’engage à former 100 % de ses 11 000 collaborateurs à l’IA générative. Cet effort de formation a pour but de renforcer l’adoption des nouvelles technologies par l’entreprise. Devoteam peut ainsi conserver son leadership en matière de transformation technologique.

Cette démarche s’inscrit dans la vision de Devoteam de devenir une « learning company« . Dans ce cas de figure, les employés sont en constante formation et certification. « L’IA ne doit pas seulement être performante, elle doit être déployée de manière éthique« , souligne Devoteam. Elle met un point d’honneur à garantir la transparence et la responsabilité dans ses projets IA.

Des partenariats stratégiques pour soutenir la transformation IA

Pour renforcer son expertise, Devoteam s’appuie sur des partenariats avec les géants de la technologie. Citons entre autres AWS, Google Cloud, Microsoft Azure et NVIDIA. Ces collaborations permettent à l’entreprise de rester à l’avant-garde de l’IA et d’accompagner ses clients dans leurs projets de transformation numérique.

Ces partenariats stratégiques sont renforcés par des projets concrets. Il y a, par exemple, celui réalisé pour La Poste portugaise, avec le premier chatbot transactionnel sur Azure. Il y a aussi la chaîne hôtelière européenne Strawberry, où un assistant a été développé pour 20 000 employés. Ces exemples montrent l’étendue des capacités de Devoteam à intégrer l’IA dans des secteurs variés.

Article basé sur un communiqué de presse reçu par la rédaction.

Cet article Devoteam mise sur l’IA pour atteindre 2 milliards d’euros en 2028 a été publié sur LEBIGDATA.FR.

Il est désormais possible de booster la qualité des données de l'IA grâce aux outils de modélisation et d'intelligence des données améliorés de Quest Software.

Quest Softarware, l'ancienne unité commerciale de Dell Technologies Inc. spécialisée dans la gestion et la sécurité des données d'entreprise vient de mettre à jour ses outils phares : erwin Data Intelligence et erwin Data Modeler. Cela permet notamment d'améliorer la qualité des données de l'IA. Voici tous les détails sur la mise à jour !

Pourquoi Quest Software a-t-elle décidé de mettre à jour ses outils ?

Aujourd'hui, il est de plus en plus important pour les organisations modernes d'avoir la capacité à gérer de manière efficace leurs données. Pourquoi ? Pour devenir leader dans le domaine et surtout pour rester compétitives.

Alors que les organisations se ruent dans des stratégies permettant de mettre en œuvre des technologies d'IA et des analyses avancées, il est devenu essentiel de toujours pouvoir accéder à des données à la fois fiables et de haute qualité.

Quest Software announces enhanced data intelligence and modeling tools to boost AI data quality https://t.co/7XUAUrTDTP

— SiliconANGLE (@SiliconANGLE) August 27, 2024

D'où le remaniement de ses offres. Cela permet aux entreprises de choisir une approche plus vaste de la gestion, de l'utilisation des données ainsi que la gouvernance afin d'alimenter leurs ambitions en termes d'IA.

Néanmoins, cette entreprise pense que la visibilité et la qualité des données demeurent d'importants défis pour les entreprises. Quest s'appuie sur son rapport 2024 State of Data Intelligence pour les prouver.

Ce rapport révèle que le suivi de la qualité des données reste l'un des trois principaux défis concernant l'intelligence des données pour les organisations actuelles. L'absence de données de qualité rendra encore plus difficile la mise en œuvre de l'Intelligence artificielle.

Qu'est-ce qui différencie ses outils remaniés ?

Quest Software tente de résoudre ces principaux problèmes en effectuant cette mise à jour. Les outils de data intelligence et de modélisation des données repensées ont été développés pour combiner l'observabilité des données multi plateformes ainsi que la gestion avancée de la qualité des données. De cette manière, les organisations pourront toujours avoir des informations fiables et pertinentes pour leurs initiatives d'IA.

Read more in @SiliconANGLE about our next-gen #DataIntelligence and modeling features demanded by #AI applications that are now available in erwin Data Intelligence and erwin Data Modeler by Quest.👉https://t.co/fBRJYlPX0b

— Quest Software (@Quest) August 28, 2024

Selon Quest Erwin Data Intelligence 14 jouit désormais d'une meilleure qualité et d'observabilité des données, alimenté par l'IA et l'apprentissage automatique. Ainsi, elle pourra effectuer une surveillance continue de la santé des données sur n'importe quel système.

Cet outil embarque également de nouvelles fonctionnalités comme la détection avancée des anomalies et les capacités d'autoapprentissage. Cette nouvelle version élargit aussi les possibilités de déploiement pour les clients, car erwin Data Intelligence Cloud est hébergée sur Microsoft Azure.

Pour ce qui est d'erwin Data Modeler 14, il dispose de fonctionnalités optimisées permettant de rationaliser les processus de modélisation des données. Cela s'applique surtout à l'intégration simplifiée avec des plateformes de données modernes comme Snowflake et Databricks.

Par ailleurs, il renforce aussi la prise en charge des bases de données NoSQL, en joignant des outils de rétro-ingénierie. Cela pourrait faciliter la conception, la gestion et surtout l'amélioration des architectures de données des clients. Enfin, il propose une meilleure intégration pour des plateformes comme Google, BigQuery et PostgreSQL.

Alors, comment trouvez-vous cette nouvelle mise à jour ? Peut-elle réellement apporter des changements sur la qualité des données IA ? Partagez dans les commentaires votre avis.

Cet article Quest Software dévoile un outil pour booster la qualité des données IA ! a été publié sur LEBIGDATA.FR.

Basée sur une technologie IA brevetée, SoulMachines plateforme propose des solutions pour humaniser les interactions digitales. Je vous convie à me suivre pour un analyser en détail ses fonctionnalités majeures, ses caractéristiques distinctives ainsi que sa position sur le marché comparée à ses concurrents.

Partenaire des plus grandes entreprises au monde, SoulMachines s'est fixé pour mission de créer des personnages digitaux animés pouvant se substituer à l'homme. Ces avatars de dernière génération sont conçus pour interagir avec de vraies personnes. Ils imitent les nuances de la communication humaine aussi fidèlement que possible. Ces personnages 100 % virtuels sont capables d'exprimer des émotions, de réagir aux intonations. Fait rare, ils sont même capables d'apprendre au fil du temps grâce à un apprentissage approfondi. Ce qui fait de SoulMachines, l'un des outils IA génératifs les plus prisés pour générer des avatars.

De nombreuses raisons d'adopter SoulMachines

Les fonctionnalités principales de SoulMachines incluent la capacité de fournir un service client amélioré. Au sein de nombreuses entreprises, ses avatars personnalisent les interactions et gèrent simultanément plusieurs demandes sans difficulté. L'IA de SoulMachines utilise également des algorithmes complexes pour analyser les données reçues lors des échanges. Ils permettent d'optimiser les futures interactions. Cette technologie baptisée Biological AI peut être intégrée dans des secteurs variés. Elle fait ses preuves dans le divertissement, la santé et la finance. Ce qui rend son application extrêmement versatile.

Le principal avantage de SoulMachines réside dans son pouvoir à enrichir l'expérience utilisateur. Ces personnages assurent un service clientèle personnalisé et empathique 24/7. Ce type d'interaction améliore le taux de satisfaction client et renforce la fidélité. SoulMachines contribue aussi à réduire les coûts opérationnels liés au personnel tout en maintenant un haut niveau de service. Chaque avatar apprend continuellement des interactions passées. Ce qui booste sa capacité à résoudre des problèmes complexes à l'avenir.

Comparaison avec d'autres outils IA

Lorsqu'on compare SoulMachines à d'autres acteurs du domaine de l'IA comme IBM Watson, Google DeepMind, OpenAI GPT, Microsoft Azure AI et Amazon Alexa AI, certaines distinctions claires émergent. Par exemple, IBM Watson et Google DeepMind sont excellents pour traiter et analyser de grandes quantités de données et offrir des solutions basées sur ces analyses, mais ils ne se concentrent pas autant sur les interactions quasi-humaines. D'autre part, OpenAI GPT excelle dans l'interprétation du langage naturel toutefois son applicabilité dans l'interaction face-à-face n'est toujours pas aussi raffinée que celle de SoulMachines.

Microsoft Azure AI et Amazon Alexa AI offrent tous deux de solides performances dans les dialogues automatisés via des commandes vocales. Néanmoins, ils ne possèdent pas encore la capacité d'afficher des « digital humans ». Ce sont les seuls à exprimer des émotions et réagir visuellement, point sur lequel SoulMachines se démarque nettement.

À lire également : HeyGen : découvrez l'IA qui vous permet de parler toutes les langues !

Cet article SoulMachines, une révolution à suivre dans l’univers IA a été publié sur LEBIGDATA.FR.

Python est le langage de programmation le plus utilisé dans le domaine du Machine Learning, du Big Data et de la Data Science. Découvrez tout ce que vous savoir à son sujet : définition, avantages, cas d'usage…

Créé en 1991, le langage de programmation Python apparu à l'époque comme une façon d'automatiser les éléments les plus ennuyeux de l'écriture de scripts ou de réaliser rapidement des prototypes d'applications.

Depuis quelques années, toutefois, ce langage de programmation s'est hissé parmi les plus utilisés dans le domaine du développement de logiciels, de gestion d'infrastructure et d'analyse de données. Il s'agit d'un élément moteur de l'explosion du Big Data.

Langage Python : qu'est-ce que c'est ?

Python est un langage de programmation open source créé par le programmeur Guido van Rossum en 1991. Il tire son nom de l'émission Monty Python's Flying Circus. Il s'agit d'un langage de programmation interprété, qui ne nécessite pas d'être compilé pour fonctionner.

En tant que langage de programmation de haut niveau, Python permet aux programmeurs de se focaliser sur ce qu'ils font plutôt que sur la façon dont ils le font. Ainsi, écrire des progammes prend moins de temps que dans un autre langage. Il s'agit d'un langage idéal pour les débutants.

Python : ses origines

Vers le milieu des années 80, un Néerlandais nommé Guido van Rossum travaillait sur un projet éducatif. Celui-ci consistait à créer un langage pour les nouveaux codeurs, appelé ABC. Au cours de sa participation à cette initiative, Guido s'est intéressé à la conception des langages. Il a alors commencé à travailler sur Python.

Par ailleurs, il a pris des décisions inhabituelles qui ont permis à ce langage de se démarquer de l'esprit du temps de l'époque. A cet effet, il a décidé de rendre l'indentation significative. Certains critiques pensent que cela rendrait le langage difficile à utiliser. Mais cette caractéristique explique en partie pourquoi Python est à la fois lisible et populaire. Le style et la lisibilité du code sont améliorés grâce à la façon dont le langage peut être écrit.

Une grande partie de sa conception consiste à encourager les développeurs à prendre de bonnes décisions. Si l'indentation fait partie intégrante de Python, beaucoup d'autres choses ne le sont pas. Pour écrire un bon code, il faut donc être un codeur responsable. Contrairement à Java, Python veille à ce que le code ne soit pas réprimandé si une variable ou une fonction porte un nom particulier. En outre, inutile de définir un type.

Les concepts de base sur Python

Points-virgules

Premièrement, Python n'utilise pas de point-virgule pour terminer les lignes, contrairement à la plupart des langages de programmation. Une nouvelle ligne est suffisante pour que l'interpréteur détecte une nouvelle commande.

Indentation

La plupart des langages utilisent des accolades pour définir la portée d'un bloc de code, mais l'interpréteur de Python le détermine simplement par une indentation. Cela signifie qu'il faut être particulièrement prudent avec les espaces blancs dans le code, ce qui peut interrompre le fonctionnement de l'application. 

Commentaires

Pour commenter quelque chose dans votre code, il suffit d'utiliser le dièse #. 

Variables

Avec python, il est possible de stocker et de manipuler des données dans un programme. Une variable stocke une donnée telle qu'un nombre, un nom d'utilisateur, un mot de passe, etc. Pour créer (déclarer) une variable, il suffit d'utiliser le symbole =.

Types

Pour stocker des données en Python, il faut utiliser des variables. Or, avec chaque variable, il y aura un type de données. Les chaînes de caractères, les entiers, les booléens et les listes sont des exemples de types de données.

• Un type booléen ne peut contenir que la valeur Vrai ou Faux.
• Un nombre entier fait partie des trois types numériques, y compris les flottants et les complexes. Un nombre entier est un nombre entier positif ou négatif.
• Une chaîne de caractères est l'un des types de données les plus courants.

Opérateurs

Les opérateurs sont des symboles qui peuvent être utilisés dans les valeurs et les variables pour effectuer des comparaisons et des opérations mathématiques.

Opérateurs de comparaison :

• == : égal ! = : non égal
• < : inférieur à
• <= : inférieur ou égal à Opérateurs arithmétiques :
• + : addition
• — : soustraction
• * : multiplication
• / : division
• ** : exponentiation
• % : modulus, donne le reste d'une division.

Langage Python : quels sont les principaux avantages ?

Le langage Python doit sa popularité à plusieurs avantages qui profitent aussi bien aux débutants qu'aux experts.

Simple à utiliser et à comprendre

Pour les nouveaux arrivants, Python est simple à comprendre et à utiliser. Il s'agit d'un langage de programmation très développé dont la syntaxe est proche de l'anglais. Grâce à ces facteurs, le langage est simple à adapter. En raison de sa simplicité, les principes fondamentaux de Python peuvent être mis en œuvre plus rapidement que ceux d'autres langages de programmation.

Gratuit et Open-Source

Python est distribué sous une licence open-source approuvée par l'Open-Source Initiative (OSI). Par conséquent, les utilisateurs peuvent travailler dessus et le distribuer. Les utilisateurs peuvent télécharger le code source, le modifier et même distribuer leur version de Python. Les entreprises qui souhaitent modifier un comportement spécifique et construire leur version en bénéficieront.

Langage interprété

Il s'agit d'un langage interprété, ce qui signifie que le code est implémenté ligne par ligne. C'est l'une des caractéristiques qui le rendent simple à utiliser. En cas d'erreur, il arrête le processus et signale le problème. Python n'affiche qu'une seule erreur, même si le programme en comporte plusieurs. Cela facilite le débogage.

Bibliothèque étendue

Python comprend un grand nombre de bibliothèques que l'utilisateur peut utiliser. La bibliothèque standard de Python est immense et comprend presque toutes les fonctions imaginables. Des communautés importantes et solidaires, ainsi que le parrainage d'entreprises, y ont contribué. Lorsqu'ils travaillent avec Python, les utilisateurs n'ont pas besoin d'utiliser des bibliothèques externes.

Portabilité

De nombreux autres langages, y compris C/C++, exigent que l'utilisateur modifie son code pour s'exécuter sur différentes plates-formes. Python, au contraire, n'est pas équivalent aux autres langages de programmation. Il ne doit être écrit qu'une seule fois et peut ensuite être exécuté partout. Cependant, l'utilisateur doit éviter d'impliquer des fonctionnalités dépendantes du système.

Communauté de soutien

Python est un langage de programmation créé il y a de nombreuses années et dispose d'une grande communauté qui peut aider les programmeurs de tous niveaux d'expérience, des débutants aux spécialistes. La communauté de Python a contribué à sa croissance rapide par rapport à d'autres langages. Le langage de programmation Python est fourni avec de nombreux guides, des vidéos d'instruction et une documentation très compréhensible pour aider les développeurs à apprendre le langage plus rapidement et plus efficacement.

Inconvénients de Python

Bien que les avantages du langage de programmation Python soient plus importants, il existe quelques inconvénients qu'il convient de connaître. 

Faible vitesse

Les points forts peuvent parfois déboucher sur des points faibles. En voici un exemple. Il parait que Python fait partie des langages interprétés avec un typage dynamique. Cependant, cela signifie que le code s'exécute ligne par ligne, ce qui le rend plus lent. La nature dynamique de Python explique principalement sa lenteur, car un travail supplémentaire doit être effectué pendant le processus d'exécution. Il s'agit d'une des raisons pour lesquelles Python n'est pas utilisé lorsque la vitesse est un aspect important d'un programme donné.

Consommation de mémoire inefficace

Pour offrir une certaine simplicité aux programmeurs et aux développeurs, Python doit faire quelques compromis. Ce langage utilise une quantité énorme de mémoire, ce qui constitue un inconvénient surtout lorsqu'il faut développer une application en privilégiant l'optimisation de la mémoire.

Peu efficace dans la programmation pour les appareils mobiles

Les développeurs utilisent généralement Python pour la programmation côté serveur, et non pour les applications mobiles ou la programmation côté client. Cela s'explique par le fait que Python a une puissance de traitement lente et une efficacité limitée en termes de mémoire par rapport à d'autres langages de programmation.

Formation et outils Python

Python est un langage facile à apprendre, grâce à un fort soutien communautaire et à une syntaxe qui privilégie la lisibilité. Certains cours en ligne proposent d'enseigner la programmation Python aux utilisateurs en six semaines.

Python propose également des outils et des modules d'apprentissage. Les utilisateurs pourront se familiariser avec la version actuelle, notamment :

• Python 3.0, qui date de 2008, reste la dernière version. Contrairement aux mises à jour précédentes, Python 3 présentait une compatibilité avancée et des changements de style de codage. 
• Integrated Development and Learning Environment (IDLE) représente l'environnement de développement standard de Python. Il permet d'accéder au mode interactif de Python par le biais de la fenêtre du shell Python. 
• Python Launcher permet aux développeurs d'exécuter des scripts Python depuis le bureau. 
• Anaconda est une distribution open source de premier plan pour les langages de programmation Python et R. Elle comprend plus de 300 bibliothèques intégrées développées par les développeurs.

Python 2 vs Python 3 : les différences

Il existe deux versions de Python : Python 2 et Python 3. Il existe de nombreuses différences entre ces deux versions. Python 2 représente l'ancienne version, qui continuera à être supportée et donc à recevoir des mises à jour officielles jusqu'en 2020. Après cette date, elle continuera probablement à exister de manière non-officielle.

Python 3 est la version actuelle du langage. Elle apporte de nombreuses nouvelles fonctionnalités très utiles, comme un meilleur contrôle de la concurrence et un interpréteur plus efficace. Cependant, l'adoption de Python 3 a longtemps été ralentie par le manque de bibliothèques tierces supportées. Beaucoup d'entre elles n'étaient compatibles qu'avec Python 2, ce qui rendait la transition compliquée. Toutefois, ce problème a été presque résolu et il existe peu de raisons valables de continuer à utiliser Python 2.

Le langage Python pour le Big Data et le Machine Learning

Python sert principalement à la création de scripts et à l'automatisation. En effet, ce langage permet d'automatiser les interactions avec les navigateurs web ou les interfaces graphiques d'applications.

Cependant, le scripting et l'automatisation sont loin d'être les seules utilisations de ce langage. Il permet également la programmation d'applications, la création de services web ou d'API REST, ou encore la métaprogrammation et la génération de code.

Par ailleurs, ce langage peut également être utilisé dans le domaine de la science des données et du Machine Learning. Avec l'essor de l'analyse des données dans toutes les industries, ce domaine devient l'un de ses principaux cas d'utilisation.

La grande majorité des bibliothèques utilisées pour la science des données ou le Machine Learning ont des interfaces Python. Ainsi, ce langage est devenu l'interface de commande de haut niveau la plus populaire pour les bibliothèques de Machine Learning et autres algorithmes numériques. De nombreux ouvrages d'initiation sont disponibles sur le Web.

Enfin, des entreprises spécialisées dans la robotique comme Aldebaran utilisent ce langage pour programmer leurs robots. La société rachetée par Softbank a choisi ce langage de programmation pour faciliter la conception d'applications par des sociétés tierces et des amateurs.

Python est-il adapté aux débutants ?

Python peut être considéré comme adapté aux débutants. En effet, ce langage de programmation privilégie la lisibilité, ce qui le rend plus facile à comprendre et à utiliser. Sa syntaxe présente des similitudes avec la langue anglaise. De ce fait, il permet aux programmeurs novices de se lancer facilement dans le monde du développement.

Python est également un langage flexible et dynamiquement typé. Cela signifie que les règles ne sont pas strictement définies, ce qui le rend plus intuitif. Il s'agit également d'un langage plus indulgent, capable de fonctionner avec un certain niveau d'erreurs.

En fait, la facilité d'utilisation était l'un des principes fondateurs de Python lors de sa création en 1989 par Guido van Rossum (et de sa publication ultérieure en 1991). L'objectif initial de Python était de faciliter la programmation, en mettant l'accent sur la lisibilité du code. Il peut fonctionner sur diverses plates-formes telles que Windows, Linux et Mac OS, et c'est un logiciel libre.

Un débutant aura besoin d'environ 6 à 8 semaines pour apprendre les bases de Python. Il faut ce temps pour apprendre à comprendre la plupart des lignes de code en Python. Il faudrait beaucoup plus de temps pour apprendre Python afin de lancer une nouvelle carrière de développeur Python.

Pourquoi les Data Scientists utilisent Python ?

Python est le langage le plus utilisé pour la Data Science. Pour cause, ce langage est simple, lisible, propre, flexible et compatible avec de nombreuses plateformes. Ses nombreuses bibliothèques, telles que TensorFlow, Scipy et Numpy permettent d'effectuer une large variété de tâches.

Ainsi, selon un sondage mené en 2013 par O'Reilly, 40% des Data Scientists utilisent Python au quotidien. Sa syntaxe très simple le rend utilisable par des personnes n'ayant pas forcément de background en ingénierie.

Il permet le prototypage rapide, et le code peut être exécuté n'importe où : Windows, macOS, UNIX, Linux… sa flexibilité permet de prendre en charge le développement de modèles de Machine Learning, le forage de données, la classification et bien d'autres tâches plus rapidement que les autres langage.

Des bibliothèques comme Scrapy et BeautifulSoup permettent d'extraire des données depuis internet, tandis que Seaborn et Matplotlib aident à la Data Visualization. De leur côté, Tensorflow, Keras et Theano permettent le développement de modèles de Deep Learning, et Scikit-Learn aide au développement d'algorithmes de Machine Learning.

Python et Big Data : top des meilleures bibliothèques et packages

Si le Python s'est érigé comme le meilleur langage de programmation pour le Big Data, c'est grâce à ses différents packages et bibliothèques de science des données. Voici les plus populaires.

Pandas

Pandas fait partie des bibliothèques de science des données les plus populaires. Elle a été développée par des data scientists habitués à R et Python. Désormais, il est utilisé par un grand nombre de scientifiques et d'analystes.

Pandas offre de nombreuses fonctionnalités natives utiles. En particulier, elle permet de lire des données provenant de nombreuses sources, de créer de grands cadres de données à partir de ces sources. Sans oublier qu'elle offre la possibilité d'effectuer des analyses agrégées en fonction des questions auxquelles vous souhaitez répondre.

Des fonctions de visualisation vous permettent également de générer des graphiques à partir des résultats des analyses, ou de les exporter vers Excel. Il peut également être utilisé pour manipuler des tableaux numériques et des séries chronologiques.

Agate

Plus récente que Pandas, Agate est également une bibliothèque Python conçue pour résoudre des problèmes d'analyse de données. Elle propose notamment des fonctionnalités d'analyse et de comparaison de tableaux Excel, ou encore d'effectuer des calculs statistiques sur une base de données.

Dans l'ensemble, il est plus facile d'apprendre à maîtriser Agate que Pandas. De pluus, ses fonctionnalités de visualisation de données permettent de visualiser facilement et rapidement les résultats des analyses.

Bokeh

Bokeh est un outil idéal pour créer des visualisations d'ensembles de données. Il peut être utilisé en conjonction avec Agate, Pandas et d'autres bibliothèques d'analyse de données.

Il peut aussi s'utiliser avec Pyton pur. Cet outil vous permet de créer d'excellents graphiques et visualisations sans avoir à coder de manière intensive.

NumPy

NumPy fait partie des packages utilisés pour les calculs scientifiques en Python. Il convient parfaitement aux opérations liées à l'algèbre linéaire, aux transformées de Fourier ou au calcul de nombres aléatoires.

Il peut être utilisé comme un conteneur de données générique multidimensionnel. De plus, il s'intègre facilement à de nombreuses bases de données différentes.

Scipy

Scipy est une bibliothèque pour les calculs techniques et scientifiques. Elle regroupe des modules pour les tâches de science des données et d'ingénierie telles que l'algèbre, l'interpolation, le FFT, ou le traitement de signaux et d'images.

Scikit-learn

Scikit-learn est très utile pour les algorithmes de classification, de régression ou de clustering tels que les forêts d'arbres décisionnels, le gradient boosting, ou encore les k-moyennes.

Cette bibliothèque de Machine Learning pour Python se révèle complémentaire pour les autres bibliothèques telles que NumPy et SciPy.

PyBrain

PyBrain est en réalité l'acronyme de Python-Based Reinforcement Learning, Artificial Intelligence, and Neural Network Library. Comme son nom le suggère, il s'agit donc d'une bibliothèque offrant des algorithmes simples mais puissants pour les tâches de Machine Learning.

On peut aussi l'utiliser pour tester et comparer des algorithmes en utilisant une variété d'environnements prédéfinis.

TensorFlow

Développé par Google Brain, TensorFlow est une bibliothèque de Machine Learning. Ses graphiques de data flow et son architecture flexible permettent d'effectuer des opérations et des calculs de données à l'aide d'une API unique sur de multiples CPU ou GPU depuis un PC, un serveur ou même un appareil mobile.

Parmi les autres bibliothèques Python, on peut aussi citer Cython qui permet de convertir du code pour l'exécuter dans un environnement C afin de réduire le runtime. De même, PyMySQL permet de connecter une base de données MySQL, d'extraire des données et d'exécuter des requêtes. BeautifulSoup permet de lire des données XML et HTML. Enfin, le notebook iPython permet la programmation interactive.

Apprendre le Python avec OpenClassrooms

Si vous souhaitez apprendre le langage Python progressivement et gratuitement, une solution adaptée aux débutants est le cours d'initiation proposé par OpenClassrooms.

Ce cours se décompose en cinq parties. Après une introduction complète sur le Python, vous apprendrez à maîtriser la programmation orientée objet côté utilisateur, puis côté développeur. Vous découvrirez ensuite la bibliothèque standard, puis le cours se conclus par quelques annexes additionnelles.

L'avantage de la solution OpenClassrooms est qu'elle est gratuite, accessible aux débutants, et qu'elle permet de progresser à son rythme. De plus, une fois la formation achevée, vous pourrez recevoir une certification reconnue par les professionnels à condition de réussir les exercices de test.

Quelques ressources pour apprendre le langage python tout seul

Plusieurs personnes ont mis en ligne des PDF ou des vidéos d'apprentissage de Python pour les débutants. Si vous êtes plutôt du genre autodidacte, ces ressources sont peut-être faites pour vous.  Pour celles et ceux qui apprécient le format vidéo, Dominique Liard a publié sur YouTube une série de vidéo pour apprendre Python.

Apple M1 : Python compatible nativement avec macOS 11

En décembre 2020, les développeurs de Core Python ont relaxé la version 3.9.1 du langage Python. Il s'agit de la première version nativement compatible avec macOS 11 Big Sur, sur la nouvelle puce M1 d'Apple basée sur Arm.

Les équipes de Core Python ont mis au point un installeur expérimental appelé macos11.0. Grâce à Xcode 11, il est possible de créer des binaires Universal 2 fonctionnant sur les puces Apple Silicon.

Les binaires peuvent être développées sur des versions actuelles de macOS, et déployées sur d'anciennes versions du systèmes d'exploitation. C'est donc un soulagement pour les Data Scientists, suite à la décision d'Apple de changer d'architecture.

Google Atheris : un outil open source pour trouver les bugs de Python

Les experts en sécurité de Google ont  » open-sourcé  » l'outil Atheris. Celui-ci permet de trouver des bugs de sécurité et des vulnérabilités dans le code Python afin de les corriger avant qu'il ne soit trop tard.

Cet outil repose sur la technique du  » fuzzing « . Ce concept consiste à nourrir une application à l'aide d'une large quantité de données aléatoires, et d'analyser le résultat pour détecter d'éventuels crashes ou anomalies. Les développeurs peuvent alors rechercher les bugs dans le code de l'application.

Ce nouvel outil rejoint la liste des différents  » fuzzers  » déployés par Google en open-source depuis 2013 : OSS-Fuzz, Syzkaller, ClusterFuzz, Fuzzilli ou encore BrokenType. Toutefois, ces précédentes solutions permettaient de découvrir des bugs dans les applications en C ou C++.

Alors que Python est désormais le 3ème langage le plus utilisé selon l'index TIOBE, Google répond à une demande de plus en plus importante avec Atheris. L'outil, initialement développé lors d'un hackaton interne en octobre 2020, permet le fuzzing du code en Python 2.7 et 3.3+ ou des extensions natives créées avec CPython. .

Il est toutefois conseillé de l'utiliser avec le code en Python 3.8 ou supérieur, car les nouvelles fonctionnalités du langage permettent à Atheris de trouver davantage de bugs. Le code Atheris est disponible sur GitHub ou PyPi.

Python reste le langage de programmation le plus populaire

Les langages de programmation se multiplient. Par conséquent, il devient difficile pour les développeurs de choisir celui qu'ils doivent apprendre pour faire évoluer leur carrière.

À travers son rapport « Where Programming, Ops, AI, and the Cloud are Headed in 2021 », O'Reilly révèle les langages les plus populaires à l'aube de 2021. Les analystes ont dressé leurs bilans à partir des données issues des formations en ligne, des formations partenaires et des événements virtuels d'O'Reilly.

Python reste le langage le plus demandé même en 2022. En effet, l'intérêt des développeurs pour Python est en hausse de 27 % par rapport à l'année 2021. Cet engouement est dû en grande partie aux nombreux avantages de Python pour le Machine Learning. En effet, l'utilisation de la bibliothèque scikit-learn a connu une hausse de 11 %. Quant au framework PyTorch, utilisé pour le Deep Learning, a vu son adoption augmenter de 159 %.

D'autres langages gagnent en popularité

L'utilisation de JavaScript a grimpé de 40 %, tandis que celle du C a augmenté de 12 % et celle du C++ de 10 %. Certains langages moins utilisés connaissent également une croissance, tels que Go, Rust, Ruby et Dart.

En effet, Rust peut devenir le langage de choix pour la programmation de systèmes. En particulier pour la création de nouveaux systèmes d'exploitation et d'outils pour les opérations de cloud computing. De même, Go s'est imposé comme un langage clé pour la programmation concurrente.

Une autre tendance identifiée par O'Reilly concerne l'adoption de la programmation « low-code » ou « no-code ». Cette approche permet aux utilisateurs ne possédant pas de compétences en codage informatique de créer des applications à l'aide d'outils intuitifs et d'interfaces graphiques.

Néanmoins, les développeurs professionnels ne risquent pas de se retrouver au chômage. En fait, les nouveaux langages, bibliothèques et outils utilisés pour ce type de programmation vont toujours exiger des développeurs expérimentés.

Intelligence artificielle et machine learning

L'intérêt des développeurs pour l'IA a bondi de 64 %, contre 14 % pour le ML. Quant au traitement du langage naturel, il enregistre une hausse de 21 %. La plateforme la plus populaire pour le Machine Learning est TensorFlow, avec un gain d'intérêt de 6 % par rapport à 2022.

Cloud Computing

En outre, de plus en plus de développeurs souhaitent apprendre à utiliser le cloud computing. En une année, l'intérêt pour AWS a augmenté de 5 %. Certes, le cloud d'Amazon reste le plus populaire, mais l'augmentation de l'intérêt pour Microsoft Azure a explosé à 136 %.

Du côté de Google Cloud, l'augmentation atteint 84 %. Cette tendance montre que de plus en plus d'entreprises migrent leurs données et applications vers le Cloud. Enfin, l'adoption de la formation en ligne a augmenté de 96 %.

Python : deux vulnérabilités permettant l'exécution de code à distance corrigées par la PSF

Début 2021, l'on a découvert deux vulnérabilités affectant les versions actuelles de Python. La faille  » CVE-2021-3177 «  impactait le buffer et pouvait mener à l'exécution de code à distance dans les applications Python.

Fort heureusement, dans un billet publié sur son blog, la PSF précise que l'exécution de code à distance requiert de nombreuses conditions. Néanmoins, cette vulnérabilité permet de lancer des attaques de type DDoS. Un cyberattaquant pourrait submerger le buffer afin de faire crasher une application. La seconde vulnérabilité, CVE-2021-23336, permettait d'empoisonner le cache web.

Suite à la découverte de ces failles, la fondation Python a corrigé les deux bugs avec la relaxe de Python 3.8.8 et 3.9.2. Il est donc important de mettre à jour la version de Python que vous utilisez afin de supprimer cette menace de sécurité.

Python va dépasser Java et C dans le TIOBE Index pour la première fois

Chaque mois, TIOBE publie un classement des langages de programmation les plus utilisés. Au fil du temps, ce classement mensuel permet d'observer les tendances dans le domaine du coding.

Le système de notation, en pourcentage, se base notamment sur le volume de recherches effectuées sur Bing, Amazon, YouTube, Wikipedia, Google, Yahoo et Baidu pour chaque langage de programmation.

En juin 2021, le langage C occupe le sommet du classement avec une note de 12,54%. Toutefois, cette note représente une baisse de 4,65% par rapport à juin 2020.

Or, Python est en seconde position avec une note de 11,84%. L'écart entre ces deux langages n'est donc plus que de 0,7%. La note de Python a augmenté de 3,48% au cours des douze derniers mois.

On retrouve ensuite Java en troisième place avec une note de 11,54%, soit 4,56% de moins qu'en juin 2020. A l'époque, Java était en seconde position.

Selon Paul Jansen, CEO de TIOBE Software, Python atteindra très bientôt la première place du classement. Cette ascension pourrait survenir en juillet 2021, alors que l'index TIOBE lui-même fêtera ses 20 ans.

Pendant ces deux décennies, C et Java a accaparé la première place. Le dominance de Python représenterait donc un tournant historique dans l'histoire de l'informatique…

Le reste du classement reste inchangé depuis juin 2020 de la quatrième à la huitième place : C++, C#, Visual Basic, JavaScript et PHP. En neuvième position, Assembly reçoit une note de 2,05%. C'est une hausse à hauteur de 1,09% par rapport à juin 2020, lorsque ce langage était en 14ème place.

SQL clôture le top 10 avec une note de 1,88%. Ceci représente une augmentation de 0,15% par rapport à juin 2020.

En dehors du top 10, Classic Visual Basic a gagné huit place en un an. Le numéro 12, Groovy, a gagné 19 places et le numéro 17, Fortran, a pris 20 positions. En revanche, R et Swift ont perdu cinq places chacun et tombent en position 14 et 16 respectivement. MATLAB a clôturé le top 20 qui a perdu quatre places et Go qui en a perdu huit.

Parmi les langages prometteurs pour le futur, on compte Dart, Kotlin, Julia, Rust, TypeScript et Elixir. Pour l'heure, ces récents langages sont encore loin du sommet et n'ont pas vraiment bougé dans le classement au cours de l'année passée.

Python et JavaScript ont les plus grosses communautés de développeurs selon SlashData

Au fil des six premiers mois de 2021, la communauté mondiale des développeurs a profité d'une croissance effrénée. C'est ce que met en lumière un rapport publié par SlashData.

Selon cette étude, on dénombre à l'heure actuelle 24,3 millions de développeurs dans le monde au premier trimestre 2021. C'est une augmentation d'environ 14% par rapport aux 21,3 millions recensés en octobre 2020.

En six mois, JavaScript a attiré environ 1,4 million de nouveaux développeurs. Avec 13,8 millions de développeurs, ce langage jouit de la plus large communauté. Il a aussi profité de la plus forte croissance, avec 4,5 millions de développeurs supplémentaires entre le T4 2017 et le T1 2021. Même dans les secteurs où il ne s'agit pas du langage de prédilection, comme la Data Science, environ un quart des développeurs utilise JavaScript.

En seconde position, on retrouve Python avec une communauté de 10,1 millions de développeurs. Cette communauté se développe à un rythme de 20%, ce qui représente le taux de croissance le plus haut parmi tous les langages de programmation.

Selon le rapport, la popularité de Python est en grande partie liée à l'essor de la Data Science et du Machine Learning. En effet, près de 70% des Data Scientists et des développeurs en Machine Learning utilisent Python. En comparaison, seuls 17% utilisent R.

Au classement des plus grandes communautés, on retrouve ensuite Java avec 9,4 millions de développeurs, C/C++ à 7,3 millions, et C# à 6,5 millions. Le langage Kotlin d'Android dépasse iOS Swift de peu, avec respectivement 2,6 millions et 2,5 millions de développeurs.

Python 4.0 pourrait ne jamais voir le jour, selon son créateur

Selon Guido Van Rossum, le créateur de Python, la version 4 du langage pourrait ne jamais voir le jour. Ceci résulte principalement des nombreuses difficultés rencontrées lors de la migration de Python 2.0 à Python 3.0 en 2008.

Interrogé à ce sujet lors d'une interview accordée à Microsoft Reactor, M. Van Rossum a expliqué que ni lui ni l'équipe centrale de développeurs Python n'étaient motivés par la publication d'une version 4.0. Cela s'explique par les nombreux revers rencontrés lors de la précédente mise à jour majeure.

Puisque Python 3 n'est pas compatible avec Python, les développeurs qui ont créé des dépendances de bibliothèques logicielles basées sur Python 2 n'ont pas pu les mettre à niveau vers Python. Une longue période de migration s'en est suivie, qui a duré plusieurs années et a laissé un souvenir amer au créateur du langage. Pour rappel, le cycle de vie de Python 2 a pris fin en avril 2020 avec la version 2.7.18.

La seule raison pour laquelle Python 4.0 verrait le jour serait un changement majeur en termes de compatibilité avec le C. La mise à jour serait alors indispensable.

En dehors de cela, Python continuera à suivre un calendrier de sortie annuel strict. Les versions 3.x continueront jusqu'à 3.99, puis un autre chiffre sera ajouté après la virgule si nécessaire.

Python pourrait devenir 5 fois plus rapide d'ici 5 ans

Malgré ses nombreuses qualités, l'un des principaux points faibles de Python est sa lenteur. En comparaison avec C++ ou Java, ce langage interprété à haut niveau d'abstraction est nettement moins rapide.

Les choses pourraient toutefois changer au fil des prochaines versions. Lors du Python Language Summit, Guido Van Rossum, créateur du langage, a annoncé que la vitesse serait doublée avec la version 3.11 attendue pour octobre 2022.

Et ce n'est qu'un début. Une nouvelle version sera déployée chaque année, et la vitesse actuelle devrait être multipliée par cinq d'ici cinq ans.

Dans une présentation postée sur GitHub, Van Rossum explique comment il compte parvenir à cette prouesse. Un interpréteur adaptatif, une optimisation du frame stack, et une prise en charge d'exception  » zero overhead  » comptent parmi les pistes envisagées.

D'autres changements sont à prévoir, comme une ABI (Application Binary Interface) ou un générateur de code automatique pour continuer à accélérer Python. Ainsi, la vitesse semble désormais la priorité absolue pour les créateurs de Python.

Source : openclassrooms.com

Cet article Python : tout savoir sur le principal langage Big Data et Machine Learning a été publié sur LEBIGDATA.FR.

Meta hausse le ton dans la guerre de l'IA ! La firme de Mark Zuckerberg lance enfin Llama 3, sa nouvelle IA open source qui s'assoit à la table de OpenAI GPT-4 Turbo, Anthropic Claude 3 Opus et Google Gemini Ultra selon les premiers tests ! Découvrez tout ce qu'il faut savoir sur ce puissant LLM, et sur son chatbot Meta.ai !

Il y a quelques jours, Meta et OpenAI annonçaient chacun de leur côté le lancement imminent de leurs nouvelles IA, beaucoup plus puissantes et capables de raisonner.

C'est désormais chose faite pour l'entreprise de Zuckerberg : la nouvelle IA Llama 3 vient d'être lancée, un peu moins d'un an après la V2 sortie en juillet 2023.

Plus précisément, Llama 3 est une famille de modèles et les deux premiers sont disponibles. On ignore pour l'instant la date de lancement des autres…

Introducing Meta Llama 3: the most capable openly available LLM to date.

Today we're releasing 8B & 70B models that deliver on new capabilities such as improved reasoning and set a new state-of-the-art for models of their sizes.

Today's release includes the first two Llama 3… pic.twitter.com/Q80lVTeS7m

— AI at Meta (@AIatMeta) April 18, 2024

Le premier est Llama 3 8B, avec 8 milliards de paramètres, et Llama 3 70B, avec 70 milliards de paramètres. En comparaison avec Llama 2 8B et Llama 2 70B, Meta promet un bond dans les performances malgré le même nombre de paramètres.

Pour rappel, la quantité de paramètres d'un modèle IA détermine ses performances pour une tâche spécifique comme l'analyse ou la génération de texte.

Afin d'atteindre un tel niveau, la firme a entraîné ses nouveaux modèles sur deux clusters de 24 000 GPU construits spécialement pour l'occasion.

Et toujours d'après Meta, cette troisième génération ne se contente pas de surpasser la deuxième : elle rivalise avec les meilleures IA génératives disponibles à l'heure actuelle.

Que vaut Llama 3 face à Claude 3, GPT-4 et Gemini ?

Pour le prouver, elle souligne ses scores sur plusieurs benchmarks populaires comme MMLU pour mesurer la connaissance, ARC pour l'acquisition de compétences, et DROP pour le raisonnement sur du texte.

Ainsi, Llama 3 8B dépasse déjà d'autres modèles ouverts comme l'IA française Mistral 7B ou le Gemma 7B de Google sur au moins neuf benchmarks : MMLU, ARC, DROP, GPQA pour la science, HumanEval pour le code, GSM-8K et MATH pour les maths, AGIEval ou encore BIG-Bench Hard pour le sens commun.

Toutefois, il convient de noter que Mistral 7B et Gemma 7B datent déjà de la fin 2023. Néanmoins, Llama 3 70B quant à lui rivalise avec les meilleures IA comme Gemini 1.5 Pro : la dernière version de l'IA de Google.

Elle la surpasse même sur MMLU, HumanEval et GSM-8K. Et même si elle ne dépasse pas Claude 3 Opus, le meilleur modèle d'Anthropic, elle bat son petit frère Claude 3 Sonnet sur MMLU, GPQA, HumanEval, GSM8K et MATH.

Outre ces benchmarks, Meta a aussi développé ses propres tests pour différents cas d'usage comme le codage, l'écriture créative, ou encore le raisonnement.

Comme on peut s'en douter, Llama 3 70B surpasse Mistral Medium, OpenAI GPT-3.5 et Claude Sonnet sur ces tests…

Impressive results from Llama 3! pic.twitter.com/X85Wz3iol2

— Yann Dubois (@yanndubs) April 19, 2024

Un dataset d'entraînement 7 fois plus large que Llama 2 !

Dans le détail, Meta affirme que Llama 3 est plus facile à diriger que les précédentes versions, moins enclin à refuser de répondre, et plus précis sur les questions d'histoire ou de science.

Ceci s'explique notamment par son dataset beaucoup plus large avec 15 billions de tokens, soit environ 750 milliards de mots. C'est sept fois plus que le jeu de données de Llama 2.

Une question se pose toutefois : d'où proviennent ces données ? Meta se contente d'indiquer qu'il s'agit de sources publiquement disponibles, et qu'elles incluent quatre fois plus de code que celles de Llama 2 et 5% de données dans 30 langages autres que l'anglais.

Feeling the gap between the Llama-3-8B and Llama-3-70B models by @AIatMeta? Not sure how to use your extra vRAM? Look no further!

I am excited to introduce three new Llama-3 models in 11B, 13B, and 16B sizes!

Find all 3 models on @huggingface pic.twitter.com/4UuGmCnfOu

— Maziyar PANAHI (@MaziyarPanahi) April 19, 2024

Le but ? Améliorer ses performances dans les autres langues comme le français ! La firme a aussi utilisé des données synthétiques, générées par l'IA, pour créer des documents plus longs afin d'entraîner Llama 3 dessus.

Il n'est pas étonnant que Meta préfère garder une part de mystère sur les données d'entraînement, car il s'agit du nerf de la guerre de l'IA.

Toutefois, il peut aussi s'agir d'une façon de cacher l'utilisation de données protégées par les droits d'auteur. Une récente enquête a révélé que Meta s'est servi de e-books soumis au copyright pour entraîner ses précédentes IA et rattraper la concurrence…

Une pratique malheureusement très répandue dans l'industrie, profitant du manque de transparence des IA qui empêche de prouver avec quelles données elles ont été nourries.

https://youtu.be/2XO8RoU4XQQ

Une IA moins toxique et raciste que ses concurrentes ?

La toxicité et les biais discriminatoires sont aussi deux problèmes récurrents chez les modèles d'IA générative.

Toutefois, Meta affirme avoir créé de nouveaux pipelines de filtrage de données pour booster la qualité des données d'entraînement de ses modèles.

L'entreprise a aussi mis à jour ses outils de sécurité Llama Guard et CybersecEval, dans le but d'empêcher l'utilisation à mauvais escient et les générations de contenu indésirable. Ceci s'applique à Llama 3, et aux autres modèles.

Un tout nouvel outil, Code Shield, va aussi permettre de détecter le code qui pourrait introduire des vulnérabilités de sécurité. Il faudra toutefois patienter pour découvrir si les hackers et cybercriminels parviennent à contourner ces barrières de sécurité…

https://youtu.be/kh6Ii61uiQE

Bientôt une version encore plus puissante !

En ce moment même, Meta entraîne des modèles Llama 3 avec plus de 400 milliards de paramètres. Ils seront capables de discuter dans une multitude de langages, de prendre davantage de données et de comprendre les images ou les autres modalités.

Ainsi, cette future IA sera au même niveau que d'autres modèles open source comme Hugging Face Idefics2.

À l'avenir, Meta se fixe pour objectif de faire de Llama 3 une IA polyglotte et multimodale, avec une fenêtre de contexte plus longue, et de continuer à améliorer ses performances sur le raisonnement et le codage…

Comment utiliser Llama 3 en France dès aujourd'hui ?

Les modèles Llama 3 sont disponibles en téléchargement, et servent aussi de moteur au chatbot Meta AI qu'on retrouve sur Facebook, Instagram, WhatsApp et Messenger.

Il sera bientôt aussi proposé sous forme gérée sur différentes plateformes cloud dont AWS, Databricks, Google Cloud, Hugging Face, Kaggle, IBM WatsonX, Microsoft Azure, Nvidia NIM et Snowflake.

En outre, de futures versions optimisées pour le hardware AMD, AWS, Dell, Intel, Nvidia et Qualcomm seront prochainement disponibles.

Même si Meta vante l'ouverture de cette IA, notons qu'il est interdit de l'utiliser pour entraîner d'autres modèles d'IA générative. De plus, les développeurs d'applications avec plus de 700 millions d'utilisateurs mensuels doivent demander une licence spéciale à la firme américaine.

Pour la première fois, le chatbot basé sur Llama a aussi son propre site web, dans la lignée de ChatGPT, Mistral Le Chat ou Google Gemini. Il s'agit du site web meta.ai, qui permet de dialoguer directement avec l'IA.

Toutefois, pour le moment, ce site web n'est accessible que depuis les États-Unis. Si vous vous rendez sur le site meta.ai, un message vous indiquera qu'il n'est pas disponible dans votre pays.

Rassurez-vous ! Contrairement à Claude 3 qui vérifie votre véritable localisation, Meta.ai peut être très facilement trompé… à l'aide d'un simple VPN !

Consultez notre classement des meilleurs VPN en suivant ce lien, choisissez celui qui vous plaît, et utilisez-le pour simuler une connexion depuis les États-Unis.

Vous pouvez dès lors vous rendre sur le site web Meta.ai, et commencer à l'utiliser en tant qu'invité ou en vous connectant avec votre compte Facebook.

Dès lors, vous pouvez entrer votre prompt textuel comme sur ChatGPT, ou utiliser l'onglet « Imagine » pour créer des images comme avec MidJourney !

Alors, que pensez-vous de cette nouvelle IA ? Trouvez-vous qu'elle est meilleure que ChatGPT ? Partagez votre avis en commentaire !

Cet article Meta lance l’IA Llama 3 ! Découvrez sa puissance, et le secret pour l’utiliser en France ! a été publié sur LEBIGDATA.FR.

Ce dossier de présentation dessine les contours d'un potentiel usage militaire de DALL-E. Cela se ferait à travers l'infrastructure cloud de Microsoft.

OpenAI n'a sans doute jamais pensé à un usage militaire pour DALL-E, son intelligence artificielle de création d'images. Microsoft — dont l'infrastructure cloud, Azure, intègre le modèle de texte-à-image — veut proposer l'IA au département américain de la Défense (DoD). C'est ce que suggère un dossier de présentation dévoilé par The Intercept.

Rappelons que DALL-E est un modèle qui utilise des descriptions textuelles en langage naturel pour générer des images réalistes ou abstraites.

La création d'images s'effectue en associant des styles, des concepts et des attributs. De plus, le modèle peut s'inspirer des créations visuelles et des œuvres artistiques existantes.

Par ailleurs, le développement de DALL-E a pour but de pousser les limites de l'intelligence artificielle en termes de créativité et de compréhension du langage naturel.

Avec sa technologie, OpenAI a également ouvert au plus grand nombre la création d'images par des moyens numériques. Les compétences de graphiste ne sont plus obligatoires.

Microsoft a d'autres ambitions pour DALL-E

La stratégie de Microsoft en matière d'intelligence artificielle repose principalement sur OpenAI. Rappelons que le mastodonte américain des logiciels a massivement investi dans la start-up californienne. Ce sont 10 milliards de dollars de prévu pour cette collaboration.

Ce partenariat permet ainsi au géant de l'informatique de déployer les solutions d'OpenAI dans la majorité de ses services, notamment Microsoft Azure, sa plateforme cloud.

D'autre part, Microsoft collabore régulièrement avec l'armée américaine. La compagnie de Redmond fournit notamment des technologies de réalité mixte et des services cloud.

Ces efforts visent à améliorer les capacités opérationnelles et la préparation au combat des forces armées.

Ces efforts servent à la préparation au combat et à l'amélioration des capacités opérationnelles des forces armées. Ce serait pour renforcer ces efforts que Microsoft veut mettre en avant l'usage militaire de DALL-E.

OpenAI's ethics forgotten? Microsoft pitches DALL-E for US military use https://t.co/sj3mXvhG2z

— Interesting Engineering (@IntEngineering) April 11, 2024

OpenAI, favorable à l'usage militaire de DALL-E ?

La semaine dernière, The Intercept a ainsi dévoilé un document de plusieurs pages qui donne un aperçu de l'usage militaire de DALL-E. Le magazine croît savoir qu'il s'agirait d'un dossier de présentation de Microsoft adressé au département de la Défense des États-Unis.

Le document insiste sur le potentiel du modèle de texte-à-image à « créer des images pour entraîner les systèmes de gestion d'opérations militaires ».

Toujours selon les informations de The Intercept, la préparation de cette présentation remonterait en octobre dernier. Microsoft aurait cherché à tirer profit de l'intérêt grandissant du DoD pour les applications militaires de l'intelligence artificielle.

Il fut un temps où cette ambition du mastodonte de l'informatique ne correspondait pas à la vision d'OpenAI. Sa mission primordiale était notamment que « l'intelligence artificielle profite à l'ensemble de l'humanité ».

Par ailleurs, la start-up californienne avait une charte interdisant l'usage militaire de ses solutions. Notons que ce passage a été supprimé à la suite d'une mise en jour en janvier.

Ce changement suggère donc qu'OpenAI s'aligne avec la stratégie de Microsoft pour les applications militaires de l'intelligence artificielle. D'après vous, est-ce que DALL-E sera vraiment utile aux forces armées ?

Cet article Voici comment l’armée peut utiliser l’IA de création d’images, DALL-E, selon Microsoft a été publié sur LEBIGDATA.FR.