Intégration de l’IA Générative dans les Applications Web et Mobiles – Séminaire ISEP Paris

Présentation complète des architectures et des compétences nécessaires pour intégrer l’intelligence artificielle générative dans les applications web et mobiles, donnée aux étudiants en dernière année de Bachelor à l’ISEP Paris en 2024. Le séminaire a couvert les concepts fondamentaux de l’IA Générative et des grands modèles linguistiques (LLM), ainsi que les différentes approches d’intégration, de l’utilisation de LLM via API au développement de modèles personnalisés.

• Définition et explication de l’IA Générative et de son fonctionnement (création de contenu, apprentissage de patterns).
• Détails sur les LLM : leur nature, leur fonctionnement basé sur le Deep Learning et les réseaux neuronaux, et leur entraînement sur des ensembles de données massifs.
• Exploration de l’intégration de LLM via API (Foundation LLM) : avantages (facilité d’implémentation, coût-efficacité) et inconvénients (contexte limité, confidentialité des données).
• Présentation de l’hébergement de LLM auto-géré (Self-hosted LLM) : avantages (personnalisation, confidentialité) et inconvénients (gestion d’infrastructure, coûts GPU).
• Démonstration du Retrielval Augmented Generation (RAG) : optimisation de la sortie des LLM par l’utilisation d’une base de connaissances externe, avec ses avantages (contexte amélioré, informations à jour) et inconvénients (gestion de bases de données vectorielles).
• Explication du Fine-tuning de LLM : amélioration des performances sur des tâches spécifiques et des temps de réponse, malgré la nécessité de données labellisées de haute qualité.
• Approfondissement sur l’entraînement de modèles sur des données personnalisées et la création d’algorithmes sur mesure, offrant un contrôle total mais nécessitant des ressources et une expertise importantes.
• Identification des facteurs clés de la révolution de l’IA Générative (innovations architecturales, Big Data, avancées matérielles, cloud computing, open source).
• Analyse des défis futurs pour l’IA Générative : éthique, confidentialité des données, propriété intellectuelle, impact environnemental, évolutivité, transparence des modèles et réglementations.
• Compétences techniques clés abordées pour chaque architecture : développement web et mobile (Angular, React, Flutter, Swift, Kotlin), backend (Node JS, Java, Go), Prompt Engineering, UI/UX, DevOps, Q&A, et gestion de projet.