Cette année a marqué une avancée significative dans l'émergence des technologies d'IA générative. Au départ, nous craignions que l'IA générative ne constitue une menace pour notre activité principale d'annotation de données.

Cependant, les mois écoulés ont confirmé ce dont nous étions certains depuis des années : nous avons rencontré de nombreux cas d'utilisation diversifiés et assisté à l'évolution continue des ensembles de données, ainsi qu'à un large éventail de besoins très spécifiques : L'expertise humaine joue un rôle crucial dans la prochaine ère de l'IA prête à l'emploi et dans le développement des LLM.

Notre approche de la labellisation combine l'IA et l'intelligence humaine, en équilibrant la technologie et les commentaires humains. Il est temps pour nous de vous montrer comment nous traitons l'IA générative et les LLM chez isahit !

Chez isahit, nous utilisons différents outils pour étiqueter vos données.
En plus de ces outils, nous intégrons également des outils d’IA générative dans certains projets clients afin de maximiser l’efficacité de nos efforts d’étiquetage humain.
Parmi ces outils, citons ChatGPT, Microsoft Azure OpenAI et Llama2. Ces outils sont utilisés pour améliorer les annotations fournies par nos étiqueteuses.

Ou l’inverse ! 🔃
Parfois, notre groupe de travail humain a besoin de contrôler le contenu généré, en particulier le contenu produit par nos modèles de langage (LLM) et GenAI. Voici un aperçu de la façon dont nous intégrons les LLM et GenAI chez isahit ?

• Nous collectons et pré-entraînons vos jeux de données :
  Partir de zéro, y compris la recherche de sources, l’évaluation et l’étiquetage des données brutes.
• Nous étiquetons vos données :
  Pour construire des LLM solides, vous devez obtenir les requêtes et les invites correctement étiquetées pour un meilleur dialogue entre les humains et les machines : classification, balisage, suggestions...
• Nous corrigeons les données générées :
  Nous utilisons RLHF et HITL pour évaluer de grands modèles de langage, garantissant ainsi des résultats précis. Cette expertise améliore la précision de vos modèles d’IA et d’apprentissage automatique grâce à la vérification, à l’évaluation et à la correction de vos invites et du contenu généré.

📣 Témoignage d’une humaine dans la boucle : Laetitia

​​​​​​
En discutant de l’importance de l’Human-in-the-Loop dans le processus d’étiquetage des données, il est essentiel pour nous de donner une voix à nos étiqueteurs. Ce mois-ci, nous vous encourageons à consulter le témoignage de Laetitia à Madagascar.