Le développement d’intelligence artificielle (IA) en open-source, tel que pratiqué par des organisations comme Hugging Face, offre plusieurs avantages par rapport aux modèles fermés. Ces avantages incluent la transparence, la flexibilité, l’innovation collaborative, et une meilleure identification des biais.
Transparence et confiance : Les modèles open-source, contrairement aux modèles fermés, partagent ouvertement leur code, leur architecture, et leurs données d’entraînement. Cette transparence permet une meilleure compréhension et explicabilité des modèles, ce qui favorise la confiance des utilisateurs et des décideurs. Les modèles fermés, bien qu’ils puissent être plus performants en raison d’une charge de travail réduite en matière de documentation et de publication, sont intrinsèquement moins explicables ;
Flexibilité et personnalisation : Les modèles open-source sont souvent plus abordables, personnalisables et flexibles. Ils peuvent être déployés sur site et même dans des environnements isolés, ce qui est avantageux pour la conformité et la sécurité de l’information. Ces modèles peuvent être adaptés à des cas d’utilisation spécifiques, rendant possible l’optimisation et l’application innovante du modèle
Innovation collaborative et évaluation par la communauté : L’innovation en open-source permet une évaluation approfondie par la communauté, contribuant à l’avancement de la mission et à la découverte et à la correction des problèmes. Les modèles open-source bénéficient de l’intelligence collective de la communauté AI, ce qui peut conduire à une innovation plus rapide et à des améliorations en termes de scalabilité
Identification des biais : Les modèles open-source divulguent leurs sources, permettant ainsi aux chercheurs de comprendre l’origine des biais et de participer à l’amélioration des données d’entraînement
Voici quelques exemples de modèles IA développés en open-source :
- LLaMA : Un modèle de génération de texte de Meta AI qui intègre des approches de sécurité et d’utilité pour optimiser les réponses, basé sur l’apprentissage par renforcement à partir de feedback humain
- BLOOM : Un modèle multilingue de Hugging Face capable de résoudre des problèmes mathématiques et de programmation, avec une architecture similaire à GPT-3 et prenant en charge 46 langues
- MPT-30B : Un modèle de MosaicML qui est un transformateur décodeur uniquement, efficace pour analyser des contrats longs et complexes et générer des réponses conversationnelles humaines
- Dall-E Mini : Un modèle text-to-image open-source également connu sous le nom de Craiyon, qui utilise un réseau de neurones transformateur pour générer des images uniques à partir de descriptions textuelles
- Stable Diffusion : Un modèle de Stability AI qui utilise un modèle de diffusion pour créer des images réalistes à partir de textes prompts.