L’IA à l’assaut des équipes tech : Apprivoiser les LLM pour booster la productivité

La gestion des équipes technologiques devrait être simple : définir des attentes claires, fournir les bons outils et environnement, puis mesurer les résultats. Pourtant, quand il s'agit d'intelligence artificielle, beaucoup de fondateurs et dirigeants semblent encore patauger. Comment exploiter efficacement ces technologies émergentes et en tirer le meilleur pour booster la productivité de ses équipes ?

C'est la question à laquelle Dwayne Forde, cofondateur et CTO de Mantle, tente de répondre. Sa startup développe une plateforme de gestion d'equity de nouvelle génération destinée aux fondateurs, opérateurs et cabinets d'avocats modernes. Au cœur de leurs échanges quotidiens avec les dirigeants d'entreprises : le potentiel des IA, et en particulier des grands modèles de langage (LLM).

Le défi : apprivoiser les LLM pour en tirer le meilleur

Malgré l'engouement, Dwayne Forde constate que de nombreux responsables tech peinent encore à gérer efficacement l'utilisation de cette technologie par leurs propres équipes internes. Les LLM restent une boîte noire complexe à apprivoiser.

«Parfois, on a l'impression qu'il n'y a pas de retour clair ou de sentiment de progrès lorsqu'on travaille avec cette nouvelle technologie en évolution», explique-t-il.

– Dwayne Forde, CTO et cofondateur de Mantle

Pour y remédier, cet ingénieur chevronné, qui a travaillé pour des entreprises comme VMware et Xtreme Labs, a décidé de partager son expérience. Sur le blog de Mantle, il propose ainsi un guide détaillé destiné à former les équipes tech à l'utilisation des LLM étape par étape.

Un guide pratique en plusieurs parties

La première partie, intitulée «Travailler avec l'IA : comprendre l'art du prompt», se concentre sur les fondamentaux :

• Le rôle et le calibrage des différents paramètres des LLM
• Comment ajuster finement ces réglages en fonction des tâches
• Les bonnes pratiques pour obtenir des résultats pertinents et de qualité

L'objectif : permettre aux équipes de startups de gagner en productivité et en efficacité grâce à une utilisation optimisée des IA. Un sujet sur lequel Dwayne Forde a accumulé des années d'expérience, lui permettant d'identifier des schémas fiables.

«J'ai synthétisé mes connaissances actuelles sur la construction de systèmes de production avec l'aide des LLM et je les ai distillées pour la communauté», résume-t-il.

L'IA, un levier pour accélérer les cycles de développement

L'une des questions centrales abordées : comment utiliser l'IA pour réduire les délais et les ressources nécessaires sur un projet. Plutôt que de systématiquement étoffer leurs équipes d'ingénieurs lorsqu'une nouvelle tâche se profile, Dwayne Forde encourage les startups à envisager l'apport des LLM.

«Nous devons commencer à réfléchir à la façon dont nous pouvons utiliser l'IA pour augmenter ces tâches», insiste-t-il.

Pourtant, d'après une étude de PWC, seul 1 Canadien sur 10 utilise quotidiennement ou hebdomadairement l'IA. La moitié ne l'a même jamais utilisée ! Du côté des employeurs, 48% estiment que leurs employés ne sont pas du tout préparés. Des chiffres qui traduisent une certaine inertie, souvent par crainte de devoir passer par une longue phase d'apprentissage.

Comprendre les paramètres avant de se lancer

C'est justement cette appréhension que le guide de Dwayne Forde entend démystifier, en proposant une approche progressive et concrète. Avant même de commencer à interagir avec un LLM via des questions ou des prompts, il invite les équipes à prendre du recul et à en comprendre les paramètres de base :

• Temperature : détermine le degré de créativité/d'aléatoire dans les réponses
• Top P : fixe le nombre de choix de mots considérés à chaque étape
• Top K : définit le nombre d'options analysées pour chaque choix

En ajustant ces curseurs, il devient possible d'influencer le style et la précision des réponses générées par l'IA, un peu comme on règlerait les graves et les aigus sur une chaîne hi-fi. Une température basse de 0 donnera des interprétations plus littérales, là où un réglage à 2 produira des résumés plus verbeux.

Apprivoiser les LLM plutôt que les dresser

Une fois ces mécaniques assimilées, les équipes peuvent véritablement tirer parti de la puissance des LLM sans perdre de temps à essayer de les entraîner. C'est ce que Dwayne Forde appelle «apprivoiser» plutôt que «dresser» ces modèles.

«Les LLM et les couches de technologies qui les entourent deviennent plus puissants de jour en jour. Tout le monde devrait réfléchir à la manière de les intégrer dans ses flux de travail.»

Un apprentissage qui vaut la peine d'être mené, au vu du potentiel de ces IA pour augmenter la productivité et accélérer les cycles de développement des startups. Une nécessité pour rester compétitif à l'heure où cette technologie s'impose comme un standard sur le marché. Les retardataires sont prévenus : il est temps de se mettre au pas !