L'importance de l'Open Source pour l'avenir de l'IA

Le concept d'intelligence artificielle (IA) n'est pas nouveau, mais ses avancées récentes l'ont fait passer d'une réalité hypothétique à un outil utilisé au quotidien. La croissance et prolifération de l'IA suscitent de l'enthousiasme, mais également de l'inquiétude. En effet, la base de nombreux systèmes d'IA sont des « boîtes noires » détenues et contrôlées par un petit nombre d’entreprises puissantes.

Chez Red Hat, nous défendons l’idée que chacun devrait avoir la possibilité de contribuer à l’IA. L'innovation en matière d'IA ne doit pas se limiter aux entreprises qui peuvent se permettre d'énormes puissances de traitement et aux spécialistes des données requis pour entraîner ces grands modèles de langage (LLM) dont la taille ne cesse de croître

Téléchargez le livre numérique : Se lancer avec l'IA en entreprise : guide pour les débutants

C’est pourquoi nous appliquons nos décennies d'expérience dans le domaine de l'Open Source pour développer des outils et des frameworks d'IA qui permettront à chacun de contribuer à l'IA et d'en tirer des bénéfices, en plus de contribuer à façonner son avenir et son évolution. Nous sommes convaincus que l'approche Open Source est l’une des meilleures façons d'exploiter pleinement le potentiel de l'IA, en la rendant sûre, accessible et démocratisée.

L'Open Source, qu'est-ce que c'est ?

À l'origine, le terme « Open Source » faisait référence à une méthode de développement logiciel, mais il s'est depuis développé pour désigner une méthode de travail plus générale, ouverte, décentralisée et profondément collaborative. Le modèle Open Source s'étend désormais bien au-delà du monde des logiciels : celui-ci a été adopté de manière collaborative à travers le monde, notamment dans les domaines de la science, de l'enseignement, des services publics, de l'industrie et de la santé.

La culture Open Source repose sur des principes et valeurs fondamentaux qui en font un outil efficace et influent. En voici quelques exemples :

• Participation collaborative
• Responsabilité partagée
• Échange libre
• Méritocratie et inclusion
• Développement communautaire
• Collaboration ouverte
• Auto-organisation
• Respect et réciprocité

L'histoire nous a démontré que des réalisations incroyables sont possibles lorsque des projets collaboratifs appliquent les principes de l'Open Source. On peut citer des exemples clés qui vont du développement et de la large diffusion de Linux, qui s'est imposé comme un système d'exploitation d'une grande puissance et d'une omniprésence mondiale, à l'émergence et à la croissance de Kubernetes et des conteneurs, en passant par le développement et l'expansion d'Internet lui-même.

Open Source et IA

Le modèle Open Source est-il pertinent dans cette nouvelle ère de l'IA ?

Pour nous, la réponse est un « oui » catégorique. Intéressons-nous à ce sujet et voyons pourquoi nous pensons ainsi.

Six avantages de l'Open Source à l'ère de l'IA

Il existe bien d'autres avantages dont nous pourrions parler ici, mais nous allons commencer par celui que nous estimons essentiel.

1. Accélération de l'innovation

Contrairement aux entreprises fermées et aux solutions propriétaires, lorsque la technologie est développée de manière collaborative et ouverte, l'innovation et les découvertes peuvent s'opérer à un rythme considérablement accéléré.

Lorsque le travail est partagé de manière ouverte et que d'autres ont la possibilité de l'exploiter, les équipes réalisent un gain considérable de temps et d'efforts, car elles n'ont pas à repartir des principes fondamentaux pour chaque nouveau projet. De nouvelles idées peuvent s'appuyer sur les projets précédents. Cette approche permet non seulement de gagner du temps et de l'argent, mais aussi d'améliorer les résultats lorsque de plus en plus de personnes travaillent ensemble pour résoudre les problèmes, partager les informations et examiner le travail des autres.

Une communauté plus vaste et collaborative est en mesure d'accomplir davantage. Ainsi, un nombre accru d'individus travaillant ensemble pour résoudre des problèmes complexes peuvent innover avec une rapidité et une efficacité accrues par rapport à de petits groupes cloisonnés travaillant isolément.

Parcours de formation : RHEL AI : Testez les grands modèles de langage en toute simplicité

2. Démocratisation des accès

L'Open Source a également démocratisé l'accès à ces nouvelles technologies émergentes d'IA. Le partage des recherches, codes et outils permet d'éliminer certains des obstacles qui limitent généralement l'accès aux innovations de pointe.

Le projet InstructLab en est un exemple parfait. InstructLab est un projet d'IA Open Source indépendant des modèles qui simplifie l'apport de compétences et de connaissances aux grands modèles de langage. L'objectif du projet est de permettre à quiconque de contribuer au développement de l'IA générative, y compris des personnes qui ne possèdent ni les compétences ni formations en science des données habituellement requises. Ainsi, davantage d'individus et d'entreprises peuvent contribuer de manière fiable à l'entraînement et au peaufinage des grands modèles de langage, ce qui conduit à…

3. Amélioration de la sûreté, de la sécurité et de la confidentialité

Puisque les projets Open Source réduisent les barrières à l'entrée, un groupe étendu et diversifié de contributeurs peut aider à identifier et à résoudre les problèmes potentiels de sûreté et de biais dans les modèles d'IA au fur et à mesure de leur développement.

Les données et les méthodes utilisées pour entraîner et ajuster les modèles d'IA fermés sont propriétaires et bien protégées. Il est rare que des personnes extérieures puissent obtenir des éclaircissements sur le fonctionnement de ces modèles et déterminer s'ils recèlent des données potentiellement dangereuses ou des biais inhérents.

Toutefois, si un modèle et les données utilisées pour l'entraîner sont ouverts, toute personne intéressée peut les examiner, ce qui permet de réduire les risques et les biais. En outre, les contributeurs Open Source peuvent créer des outils et des processus pour suivre et auditer le développement futur des modèles et des applications, afin d'améliorer et de maintenir leur sûreté au fil du temps.

Cette ouverture et cette transparence permettent également d'établir un lien de confiance et de donner aux utilisateurs la possibilité de voir directement comment leurs données sont utilisées et traitées, afin de vérifier que leur confidentialité et leur souveraineté sont respectées.

Enfin, les entreprises peuvent protéger leurs données privées, sensibles ou propriétaires à l'aide de projets Open Source tels qu'InstructLab qui leur permettent de créer leurs propres modèles affinés sur lesquels elles conservent un contrôle strict.

4. Flexibilité et liberté de choix

Même si les LLM monolithiques, propriétaires et de type « boîte noire » sont ce que la plupart des gens perçoivent et envisagent en matière d'IA générative, nous observons une tendance croissante vers des modèles d'IA plus compacts, indépendants et conçus à des fins spécifiques.

Ces petits modèles de langage (SLM) sont généralement entraînés sur des ensembles de données considérablement réduits pour leur conférer leurs fonctionnalités de base, puis adaptés à des cas d'utilisation spécifiques à l'aide de données et de connaissances propres à un domaine.

Ces SLM présentent une efficacité nettement supérieure à celle de leurs homologues de grande taille, et il a été démontré qu'ils offrent des performances équivalentes (voire supérieures) lorsqu'ils sont utilisés pour leur objectif initial. Ils s'entraînent et se déploient avec une rapidité et une efficacité accrues, et peuvent être personnalisés et adaptés selon les besoins.

Et c'est en grande partie ce que le projet InstructLab est conçu pour permettre. Vous pouvez ainsi utiliser un modèle d'IA ouverte de petite taille, par exemple l'un des modèles Open Source Granite d'IBM, et l'enrichir en utilisant des données supplémentaires et des formations de votre choix.

Par exemple, vous pouvez utiliser InstructLab pour créer un chatbot d'assistance client hautement optimisé et conçu à des fins spécifiques, entraîné sur la base de vos connaissances internes et de vos meilleures pratiques. Cela vous permet d'offrir une expérience de service clientèle d'excellence à chacun, partout et en tout temps.

De plus, cet élément clé vous permet d'éviter toute dépendance vis-à-vis d'un fournisseur et offre une flexibilité quant au lieu et à la manière de déployer votre modèle d'IA et les applications qui en découlent.

5. Permet un écosystème dynamique

Chez Red Hat, nous sommes convaincus que « personne n'innove seul » ; nous y sommes fidèles depuis le lancement de Red Hat Enterprise Linux (RHEL). Cette conviction repose en grande partie sur l'incroyable valeur que nos partenaires apportent non seulement à Red Hat, mais aussi à nos clients.

Ce sera encore le cas à l'ère de l'IA : alors que nous proposons toute une gamme d'outils et de frameworks Open Source sous la forme de Red Hat AI, nos partenaires s'en serviront pour apporter davantage de valeur à nos clients. Tout cela est possible, car nous travaillons de manière ouverte et en collaboration avec nos projets en amont ainsi que d'autres chercheurs, entreprises et partenaires du monde entier.

Aucun fournisseur ne peut à lui seul offrir tout ce dont une entreprise a besoin, ni même espérer suivre le rythme de l'évolution technologique. Les principes et les pratiques de l'Open Source accélèrent l'innovation et permettent de développer un écosystème dynamique en favorisant les partenariats et les opportunités de collaboration entre les projets et les secteurs d'activité.

6. Réduction des coûts

Début 2025, on estimait que le salaire de base moyen d'un data scientist aux États-Unis dépassait les US$125 000, et que les data scientists avec une expérience grandissante pouvait prétendre à des rémunérations bien supérieures.

De toute évidence, la demande de data scientists est massive et croissante à mesure que l'IA voit sa puissance et sa popularité exploser. Cependant, peu d'entreprises ont de grandes chances d'attirer et de retenir les talents spécialisés dont elles ont besoin.

D'ailleurs, les grands modèles de langage de très grande taille sont extrêmement coûteux à créer, entraîner, entretenir et déployer. Ils nécessitent en effet des entrepôts entiers remplis d'équipements informatiques hautement optimisés (et très coûteux), ainsi que d'énormes capacités de stockage.

Les modèles ouverts, de taille plus modeste et conçus à des fins spécifiques, ainsi que les applications d'IA présentent une efficacité nettement supérieure pour leur création, leur entraînement et leur déploiement. Non seulement ils nécessitent une fraction de la puissance de calcul des LLM, mais des projets tels qu'InstructLab permettent à des individus sans compétences et expérience spécialisées de contribuer activement et efficacement à l'entraînement et au peaufinage des modèles d'IA.

À l'évidence, les économies et la flexibilité que procure l'Open Source en matière de développement de l'IA profitent aux petites et moyennes entreprises qui espèrent tirer parti de l'avantage compétitif des applications d'IA.

Résumé

Nous sommes convaincus qu'il est essentiel de développer l'IA en utilisant des principes ouverts et avec la même communauté qui est à l'origine du cloud computing, d'Internet, de Linux et de tant d'autres technologies ouvertes, puissantes et novatrices.

Telle est l'orientation de la stratégie de Red Hat en matière de produits d'IA. Nous avons toujours profité de la puissance de l'Open Source dans nos produits et projets, et nous faisons de même pour l'IA.

Tout le monde doit pouvoir bénéficier de l'IA, et chacun doit être en mesure d'aider à déterminer et à façonner sa trajectoire, et contribuer à son développement. L'Open Source et l'innovation collaborative sont essentiels à l'avenir de l'IA afin qu'elle reste accessible et bénéfique pour tous.