La dernière fois que votre IA s’est améliorée, votre équipe n’y était pour rien. Un labo a entraîné une nouvelle version selon son propre calendrier, et tous ceux qui utilisent ce modèle ont reçu la même mise à niveau le même jour.
Pendant ce temps, les personnes qui connaissent le mieux votre travail essaient chaque jour d’apprendre quelque chose à votre IA : le comptable qui sait quel fournisseur facture toujours en retard, l’ingénieur qui sait quelle alerte ignorer, le responsable support qui sait ce que vos clients veulent dire quand ils écrivent. C’est l’intelligence qui compte le plus pour votre entreprise, et jusqu’ici, le seul moyen d’en apprendre la moindre part à une IA était un entraînement.
ACI, Adaptive Continual Intelligence, change qui peut faire apprendre l’IA. Le comptable, l’ingénieur et le responsable support deviennent ses professeurs en travaillant, et ce qu’elle apprend vous appartient. L’apprentissage sort de quelques labos pour entrer dans la journée de travail de chacun.
Jusqu’ici, l’IA apprenait au labo, en longs entraînements, et tout le monde recevait le même modèle.
Faire apprendre l’IA était l’affaire des labos.
Pour faire apprendre un modèle, il fallait un pipeline d’entraînement, un cluster d’accélérateurs et une équipe pour les faire tourner. L’apprentissage se faisait donc dans les labos, et chaque client recevait le même modèle, qui savait les mêmes choses et rien du travail d’une entreprise en particulier.
Les entreprises qui voulaient davantage se sont tournées vers le fine-tuning, et y ont trouvé la même usine en miniature. Quelqu’un prépare les données, réserve les accélérateurs, lance l’entraînement et teste le résultat, et ce qui en sort est un autre modèle figé, dépassé dès le premier changement de règle. Alors le cycle recommence.
ACI fait de l’apprentissage une part du travail de tous les jours. Elle apprend de vos résultats pendant que le travail se fait, sans entraînement et sans GPU, si bien que l’apprentissage n’a besoin d’aucun labo autour de lui. Une personne seule, dans son propre assistant, dispose de la même ACI qu’une grande entreprise tout entière.
L’intelligence va là où se trouve le travail.
Apprendre votre travail à un modèle a toujours voulu dire apporter votre travail à l’entraînement : envoyer conversations et documents au service de fine-tuning d’un labo, ou à votre propre cluster. L’apprentissage se faisait là où se trouvaient les accélérateurs.
ACI renverse la logique. Elle apprend là où se fait votre travail, dans l’emplacement de votre choix : Vareon cloud, votre propre cloud ou pas de cloud du tout. Une petite équipe peut démarrer dans Vareon cloud. Une entreprise qui a son propre cloud fait tourner ACI dans son propre compte, et une grande entreprise qui ne veut rien laisser sortir de son réseau l’y fait tourner.
Où qu’elle tourne, vos données n’ont pas à sortir pour rendre votre IA plus intelligente. Ce qu’ACI y apprend reflète votre travail et celui de personne d’autre, et reste distinct de ce que possède tout autre client.
Elle fructifie.
L’apprentissage de chaque jour s’additionne. Chaque résultat que votre équipe confirme rend la prochaine requête du même genre plus rapide, moins chère et plus précise. Plus ACI tourne longtemps, plus la part de votre travail qu’elle peut prendre en charge grandit, et plus le temps de votre modèle va à ce qui est nouveau.
Vous pouvez le voir se produire en une seule exécution. Sur un flux de 3,000 décisions où les règles ont changé cinq fois, Duplex, qui est bâti sur ACI, est passé de 85.0% de précision à 94.6% au fil de l’exécution, tandis que le coût de chaque décision baissait d’environ deux tiers.
C’est ce qui fait passer l’IA du statut de coût à celui d’actif. N’importe qui peut louer le même modèle que vous demain, au même prix. Personne ne peut louer ce que votre travail a appris à ACI, et chaque mois où elle tourne, l’écart entre votre IA et la leur se creuse.
Le modèle devient votre choix, à chaque fois.
Les modèles ne cessent de progresser, et le meilleur pour votre travail ne cesse de changer : une nouvelle version, un meilleur prix, un modèle qui convient mieux à une équipe qu’à une autre. Quand ce que votre IA a appris vit à l’intérieur d’un seul modèle, chaque changement oblige à tout recommencer.
ACI apprend aux côtés du modèle plutôt qu’en lui, si bien qu’un changement de modèle laisse intact ce qu’elle a appris. Changez pour le prix, pour la qualité ou pour les besoins d’une équipe, et l’intelligence que votre travail a construite vous suit. Lors de tests sur deux familles de modèles, Duplex est passé de l’une à l’autre sans aucun réentraînement.
Cela change le rapport de force. Les labos rivalisent pour construire le meilleur modèle, et vous pouvez prendre chacun à sa sortie. La valeur durable de votre IA passe du modèle que vous louez à l’intelligence que vous possédez.
Où cela mène.
Un modèle s’améliore quand son créateur entraîne le suivant. Un agent doté d’ACI s’améliore chaque jour où il travaille, grâce à ses propres résultats : il agit, le résultat revient, ACI en apprend, et l’action suivante part de là.
Nous croyons que Les agents s’amélioreront avec une seconde intelligence à leurs côtés, dans une boucle récursive, à l’exécution. ACI est cette seconde intelligence. Chaque résultat améliore l’action suivante, et chaque action améliorée rapporte un meilleur résultat dont apprendre. La boucle tourne au cœur de votre travail, au rythme de votre travail, plutôt que dans un labo entre deux versions.
Multipliez cette boucle par chaque personne, chaque équipe et chaque entreprise. Chacune construit sa propre intelligence, à partir de son propre travail, dans l’emplacement de son choix, et la possède à mesure qu’elle grandit. Les modèles continueront de changer, et ce qu’ACI apprend continuera de grandir aux côtés du suivant, quel qu’il soit.
Les modèles les plus performants continueront d’être entraînés dans des labos. L’intelligence qui compte le plus pour vous s’apprendra là où se trouve le travail, chaque jour, auprès des personnes qui le font.