Le Model Context Protocol (MCP), lancé fin 2024 par Anthropic, standardise l’intégration des grands modèles de langage (LLMs) avec des sources de données et outils externes. Ce protocole client-serveur universel simplifie les connexions, remplaçant les intégrations spécifiques coûteuses par une interface unique, comparable à un « USB-C pour l’IA ». Adopté rapidement par des acteurs majeurs comme OpenAI, Microsoft, et Google, le MCP améliore la sécurité, réduit la dette technique et permet aux LLMs d’accéder à des données actualisées et d’agir sur leur environnement sans réentraînement. Il représente une avancée clé pour l’IA en entreprise, facilitant automatisation et innovation.

L'intelligence artificielle est aujourd'hui au cœur de nombreuses transformations technologiques, économiques et sociales. Si elle offre des opportunités considérables, elle soulève également des préoccupations majeures, notamment en matière de désinformation. Ce phénomène, qui consiste à diffuser intentionnellement des informations fausses ou trompeuses, a pris une ampleur nouvelle avec l'essor des technologies d'IA. Dans cet article, nous explorons les mécanismes de désinformation à l'ère de l'IA, les risques qu'elle présente, ainsi que les solutions mises en place au sein de ChatGPT pour y faire face. Cet article est basé sur l’échange de Paul Mochkovitch, co-fondateur et Tech Lead de Molia, avec Florent Joly, expert en intelligence artificielle et sécurité chez OpenAI.

Dans un monde où les données prolifèrent à une vitesse vertigineuse, la question de l'interaction avec ces informations, en particulier les données non structurées, devient cruciale. Qu'il s'agisse d'images, de vidéos, de textes ou d'enregistrements audio, ces données sans format prédéfini représentent un défi majeur pour l'analyse informatique. C'est ici que le GraphRAG entre en scène, combinant les forces de la génération augmentée par la recherche (Retrieval Augmented Generation, RAG) avec celles des graphes de connaissances. Mais concrètement, de quoi parle-t-on lorsqu’on mobilise ces concepts ?

Au cœur des mutations qui redéfinissent le secteur bancaire, l'intelligence artificielle générative (IA Gen) émerge comme un puissant catalyseur de transformation. Cependant, son adoption dans un environnement aussi réglementé que la banque pose des défis uniques. Sous la direction d'Adrien Chenailler, Head of Data Science, la banque a mis en place une structure solide pour identifier, sélectionner et déployer les projets IA ayant le plus de valeur ajoutée. Cet article explore les critères et la méthodologie utilisés par OCBC pour choisir les cas d’usage en IA, tout en s’attardant sur les résultats attendus et les enseignements tirés.

La qualité des données est la pierre angulaire de l'entraînement des modèles de Machine Learning. Alors comment l'optimiser ? Dans ce troisième épisode de Paroles d'IA, Paul Mochkovitch reçoit Edouard D’Archimbaud, expert en IA et co-fondateur de Kili Technology.

L’implémentation des modèles de langage à grande échelle (LLMs) ouvre des perspectives inédites dans le domaine de l’IA générative. Toutefois, leur déploiement industriel présente des défis techniques et stratégiques considérables, exigeant une approche rigoureuse et réfléchie. Cet article explore les retours d’expérience d’experts, offrant des clés pour réussir la transition de ces technologies vers des usages concrets en entreprise.