Libérez la magie de l’IA grâce au RAG avec F5 et NetApp

Hunter SmitResponsable senior du marketing produit | F5

Alors que les entreprises cherchent à exploiter la puissance de l’IA, nombre d’entre elles se tournent vers les grands modèles de langage (LLM) afin d’améliorer leur prise de décision. Cependant, les LLM tels que ChatGPT sont entraînés sur d’immenses volumes de données publiques disponibles sur Internet, ce qui limite leur utilité pour les entreprises souhaitant utiliser l’IA afin de tirer des enseignements de leurs propres données internes. En outre, l’entraînement de ces modèles peut nécessiter plusieurs mois et engendrer des coûts considérables, ce qui rend pratiquement impossible de garantir que chaque réponse soit réellement pertinente et à jour.

La question est de savoir comment les entreprises peuvent tirer parti du traitement automatique du langage naturel pour obtenir, à partir de leurs propres données, des informations pertinentes et actualisées grâce à l’IA. Créer leur propre grand modèle de langage (LLM) est d’un coût prohibitif. Il en va de même pour l’ajustement d’un modèle existant à l’aide de données spécialisées.

Heureusement, la génération augmentée par récupération (RAG) s’est imposée comme un moyen pour les entreprises de surmonter ces limites. Grâce à cette technique d’IA avancée, elles peuvent associer un LLM préentraîné tel que ChatGPT à leurs propres données propriétaires afin d’obtenir des réponses précises et adaptées au contexte. Elles peuvent limiter les données utilisées en ne puisant que dans les sources les plus pertinentes, telles que les procédures et politiques approuvées de l’entreprise ou les informations sur les produits. Et comme la RAG récupère les informations en temps réel dans la base de données vectorielle de l’entreprise, celle-ci a l’assurance de toujours disposer des informations les plus récentes à mesure que de nouvelles données sont ajoutées.

Combiner les avantages d’un LLM avec les données de l’entreprise

La RAG combine efficacement la recherche de données et la génération de texte. Le module de recherche fonctionne comme un moteur de recherche qui récupère des données à partir de la requête d’un utilisateur, en s’appuyant sur des algorithmes sophistiqués pour ne recueillir que les informations les plus pertinentes. Le générateur est généralement un LLM tel que ChatGPT, qui exploite ces informations pour produire une réponse précise et éclairée. En intégrant ces deux composants, la RAG permet aux entreprises de créer des systèmes d’IA personnalisés qui leur confèrent un avantage concurrentiel.

La génération augmentée par récupération (RAG) intègre des données propriétaires et privées afin de compléter les grands modèles de langage (LLM) et de fournir des réponses précises et adaptées au contexte.

Les applications potentielles sont nombreuses. Les équipes commerciales et marketing peuvent rapidement croiser les informations issues des études de marché, des retours clients et des flux de réseaux sociaux afin d’identifier les tendances d’achat et les préférences des clients. Les équipes du service client peuvent renforcer la fidélité des clients grâce à des chatbots basés sur la RAG, qui utilisent les informations sur les produits, les profils clients et les historiques d’achat pour apporter des réponses personnalisées aux demandes des clients. Les équipes juridiques peuvent facilement exploiter les enseignements tirés par l’IA des contrats, des affaires juridiques et d’autres documents lorsqu’elles fournissent des conseils juridiques. En aidant les collaborateurs à accéder rapidement et précisément à des données structurées et non structurées pertinentes et à jour, stockées dans plusieurs bases de données, la RAG peut accroître la productivité de l’entreprise, améliorer l’expérience client et augmenter les bénéfices en réduisant les coûts de main-d’œuvre et en renforçant la fidélité des clients.

Cependant, si la RAG promet de transformer l’IA d’entreprise, certains obstacles subsistent. L’un des principaux défis consiste à récupérer et à intégrer les données au sein des environnements informatiques distribués dont disposent la plupart des entreprises. Aujourd’hui, la majorité des entreprises exécutent leurs applications dans un environnement hybride et multicloud extrêmement complexe. Or, comme les données sont généralement stockées à différents endroits — notamment dans des centres de données sur site et dans plusieurs clouds tels que Microsoft Azure, Google Cloud Platform et AWS —, l’intégration de toutes ces données cloisonnées à un LLM peut s’avérer difficile. En outre, en l’absence de protections adéquates, des informations confidentielles risquent d’être exposées.

Mettre en œuvre la RAG dans des environnements hybrides et multiclouds

F5 collabore avec l’entreprise d’infrastructure de données NetApp pour résoudre ces problèmes. En intégrant les capacités de mise en réseau multicloud sécurisées et hautes performances de F5 aux solutions robustes de gestion des données de NetApp, nous permettons de récupérer rapidement les données de l’entreprise, où qu’elles se trouvent, et de les associer en toute sécurité à un LLM.

Cloud Volumes ONTAP de NetApp et Azure NetApp Files optimisent les coûts et les performances du stockage cloud tout en renforçant la protection des données et la conformité. Associées à F5 Distributed Cloud Network Connect, les données peuvent être connectées et déplacées rapidement et en toute sécurité entre les zones et les régions, quel que soit leur emplacement de stockage.

Alors que les entreprises cherchent à déployer des applications basées sur de grands modèles de langage (LLM) pour soutenir leur activité, notre solution conjointe leur permet de gérer, de protéger et d’optimiser leurs données en toute simplicité, tout en réduisant leurs coûts. Les données de l’entreprise restent confidentielles. Les utilisateurs peuvent ainsi obtenir les informations précises, actualisées et adaptées au contexte dont ils ont besoin pour prospérer à l’ère du numérique.

Comme l’a déclaré Kunal Anand, directeur des technologies et de l’IA chez F5 : « Notre solution commune offre des performances inégalées et une sécurité à toute épreuve, permettant aux entreprises d’exploiter en toute confiance les capacités de l’IA dans leurs propres contextes métier. »

Exploiter tout le potentiel de l’IA d’entreprise

Ce partenariat s’appuie sur les précédentes collaborations entre F5 et NetApp afin d’aider les entreprises à interconnecter leurs environnements hybrides et multicloud. Et il est important de souligner que ce n’est qu’un début. Au cours des prochains mois, nous continuerons à travailler ensemble pour aider les entreprises à exploiter tout le potentiel de l’IA dans l’ensemble de leurs environnements informatiques distribués.

Pour en savoir plus, veuillez consulter notre communiqué de presse. Vous pouvez également consulter notre page web consacrée à F5 et NetApp.

À propos de l’auteur

Hunter SmitResponsable senior du marketing produit | F5

Hunter Smit est directeur principal du marketing produit pour les solutions et la stratégie chez F5. Il dirige le marketing des solutions pour l’ensemble du portefeuille de F5, notamment dans les domaines de l’infrastructure d’IA et de la sécurité des applications, et pilote l’entrée de F5 sur le marché émergent de la fourniture de données pour l’IA. Hunter est membre du conseil consultatif de l’École de commerce de l’université Whitworth et a enseigné le marketing produit en tant que chargé de cours vacataire. Il est titulaire d’un MBA et d’un Bachelor of Business Administration en management de l’université Whitworth.

Autres articles de Hunter Smit