Que sont les modèles d'action de grandes tailles (LAM) ?

Je pense que les modèles d'action de grandes tailles (LAM) représentent un changement aussi important dans le développement de l'IA que tout ce que nous avons vu au cours de la décennie précédente. Tout comme les LLM ont permis d'automatiser la génération de textes et, sous leurs formes multimodales, d'un large éventail de médias, les LAM pourraient bientôt permettre d'automatiser des processus entiers. Et parce qu'ils maîtrisent naturellement le langage, ils interagissent intelligemment avec le monde : en communiquant avec les gens, en s'adaptant aux changements de circonstances et même en interagissant avec d'autres LAM.

Ces derniers mois ont vu l'émergence d'une nouvelle tendance majeure dans laquelle de grands modèles de langage sont augmentés pour devenir des « agents », c-à-d. des entités logicielles capables d'effectuer des tâches par elles-mêmes, au service d'un objectif final, plutôt que de simplement répondre à des requêtes d'utilisateurs humains. En combinant la maîtrise linguistique d'un LLM avec la capacité d'accomplir des tâches et de prendre des décisions de manière autonome, l'IA générative passe du statut d'outil passif, aussi puissant soit-il, à celui de partenaire actif dans l'accomplissement du travail en temps réel. Ce changement peut sembler simple, mais il ouvre tout un univers de nouvelles possibilités. Chez Salesforce AI, le potentiel de ces agents puissants fait l'objet d'une recherche➚ et d'un développement actifs depuis un certain temps.

En termes simples, un modèle d'action de grande taille (LAM) est un type d'intelligence artificielle générative capable d'effectuer des actions spécifiques sur la base de requêtes de l'utilisateur. Ces modèles ne se contentent pas d'analyser les données, ils sont conçus pour prendre des mesures sur la base des résultats obtenus. Considérez-les comme les cousins des modèles de langue de grande taille (LLM). Un LLM pourrait générer du texte en réponse à une requête, tandis qu'un LAM prend des mesures , par exemple en aidant un acheteur à effectuer un retour.

Je pense qu'une mission importante de l'IA est la recherche d'une automatisation qui renforce les capacités humaines, plutôt que d'essayer de les remplacer. Dans cette optique, les LAM devraient prendre en charge les tâches répétitives et autres tâches fastidieuses, le genre de choses que la plupart d'entre nous ne veulent pas faire en premier lieu, qui entravent les activités significatives et de grande valeur pour lesquelles nous sommes les plus doués. Discutons donc du potentiel incroyable que les LAM fournissent à deux niveaux : pour les individus et pour les entreprises. Ce faisant, imaginons comment les LAM peuvent être appliqués aujourd'hui et comment leur rôle dans notre travail et notre vie pourrait évoluer dans les années à venir.

Depuis des générations, les assistants personnels sont un luxe réservé aux personnes aisées, même si l'industrie technologique promet des alternatives virtuelles pour le grand public depuis des décennies. Les LAM, avec leur étonnante fluidité et leur capacité à généraliser naturellement dans pratiquement tous les domaines de la vie, pourraient être le tournant que nous attendions : une technologie qui peut vraiment nous assister, avec la même prévoyance et la même perspicacité que celles que nous attendons d'un collègue humain. Envisagez ce qui suit :

L'impact des LLM sur les flux de travail marketing a fait l'objet d'une grande médiatisation ces derniers temps, leur capacité à générer des textes, des images et même des maquettes de sites web étant considérée comme un changement radical dans ce domaine. La situation est toutefois plus compliquée dans la pratique, car un effort manuel important est nécessaire pour intégrer les résultats d'un LLM dans le processus complet, pour la conception d'une nouvelle campagne et de diffusion des résultats, par exemple. Actuellement, même la meilleure IA générative n'automatise véritablement que certaines parties de ce processus.

Nous pensons toutefois que les agents d'IA pour le marketing adopteront une approche plus large et plus proche des LAM pour fournir des résultats aux équipes de marketing, en utilisant une interface de LLM pour connecter des données, des outils et des agents spécifiques à un domaine dans la recherche d'une tâche de haut niveau. Imaginez, par exemple, une demande comme la suivante :

« Envoyer un e-mail de marketing pour souligner la valeur de notre nouveau chocolat Chocho. Offrir un bon de réduction pour les frais de port aux 100 premières personnes qui achètent. Veiller à ce que chaque destinataire reçoive un message personnalisé ».

En soi, un LLM serait bien en peine de répondre à cette exigence. Un ensemble d'outils, d'agents et de sources de données, tel que l'accès aux documents marketing précédents, les données sur les clients que l'entreprise a choisi de partager avec le LAM et, bien sûr, les LLM eux-mêmes, pourrait générer le texte (« Envoyer un e-mail marketing »), puiser dans la documentation soulignant les derniers développements de produits (« la valeur de notre nouveau chocolat Choco »), décomposer la logique de la demande (« Offrir un bon de réduction aux 100 premiers acheteurs») et gérer facilement les personnalisations spécifiques aux clients (« S'assurer que chaque destinataire reçoive un message personnalisé »).

Mais les assistants personnels sont censés aider tout au long de la vie, et pas seulement au travail. Imaginons donc comment ils pourraient aider à prendre une décision d'achat importante mais personnelle, comme celle d'une voiture. Pour beaucoup, le processus d'achat d'un véhicule peut s'avérer plus compliqué qu'excitant, et la phase de recherche en particulier peut être accablante. Avec un LAM, cependant, cela pourrait bientôt ne nécessiter qu'une simple réplique, comme celle qui suit :

Je suis à la recherche d'une berline avec une bonne cote de sécurité et beaucoup d'espace, idéalement d'une couleur foncée. Ne datant pas d'avant 2014, mais pas plus cher que 28 000 dollars. Et un kilométrage inférieur à 90 000.

La première étape, tant pour un humain que pour un LAM, consisterait à parcourir les sites d'achat de voitures afin de dresser une première liste d'options. Les puissantes capacités de compréhension de texte d'un LLM permettent à l'agent de consommer d'énormes quantités d'avis sur les voitures, provenant de sources professionnelles ou générées par les utilisateurs, et d'identifier rapidement les candidats qui satisfont les paramètres de l'utilisateur. En outre, le LAM peut détecter des signaux d'alerte, par exemple en remarquant qu'une année particulière d'un modèle de voiture par ailleurs convenable est connue pour ses transmissions défectueuses ou ses problèmes électriques, et en la retirant de la liste (ou, au moins, en l'annotant d'une clause de non-responsabilité).

Dans une prochaine étape, le LAM pourrait même entamer des conversations avec des vendeurs privés et des revendeurs locaux, en utilisant des canaux tels que les e-mails ou même les SMS. Bien qu'un bon LAM annoncerait probablement qu'il s'agit d'une IA, afin que les humains ne soient jamais induits en erreur, il communiquerait toujours dans un langage clair, fluide et naturel, avec des salutations, des phrases complètes et une demande ou une déclaration claire dans chaque message. La banque de l'utilisateur peut même être avertie, afin de lui faire savoir qu'un prêt doit être mis en place. Lorsque la conversation se rapproche du moment de la prise de décision, l'utilisateur peut être invité à donner son accord final.

En fin de compte, l'IA de Salesforce s'engage à utiliser la puissance de la technologie pour améliorer la façon dont les entreprises fonctionnent à toutes les échelles, et les LAM sont un excellent exemple de ce à quoi cela pourrait ressembler dans les années à venir. Je suis convaincu que cette vision s'étendra à tous les aspects des opérations, du back-office aux premières lignes du marketing ; y compris des applications que nous ne pouvons même pas encore imaginer, mais il n'y a probablement pas de meilleur exemple que l'interaction avec les clients.

Imaginez un agent d'une compagnie d'assurance, par exemple. Une grande partie de la journée de l'agent consistera à rencontrer des clients, existants ou potentiels, pour discuter de leurs besoins et développer la relation. Le cœur de ce processus est le contact humain que seul un agent en chair et en os peut apporter, mais il est entouré de tâches répétitives qu'un LAM pourrait accélérer de façon spectaculaire. Considérons le flux suivant, augmenté d'une étape à l'autre par l'IA générative :

• L'agent rencontre le client sur Zoom et discute avec lui de ses besoins, de ses idées et des étapes suivantes possibles.
• Une transcription de l'appel est automatiquement enregistrée et organisée avec d'autres informations de CRM pertinentes.
• Après l'appel, le LAM examine la transcription, résume les moments les plus importants et envoie le résultat à l'agent pour qu'il puisse le consulter ultérieurement.
• En outre, le LAM identifiera les prochaines étapes à suivre, telles que la fourniture d'informations supplémentaires mentionnées lors de l'appel. Cette compréhension est utilisée pour rédiger automatiquement un e-mail de suivi, suivi d'une recherche dans la documentation de l'entreprise pour tout document pertinent pouvant être inclus en tant que pièce jointe. L'agent est ensuite informé que les étapes suivantes sont prêtes à être exécutées, ce qui lui permet d'obtenir une confirmation finale et de procéder à une relecture rapide avant de passer à l'action.
• Enfin, la compréhension des processus de l'agence par le LAM lui permet de suggérer des étapes supplémentaires pour aider l'agent à rester productif et concentré, qu'il s'agisse d'une opportunité de vente incitative basée sur une décision antérieure du client ou simplement d'un rendez-vous ultérieur avec un ordre du jour automatiquement suggéré pour faire avancer la conversation.
• En cours de route, le LAM peut être attentif aux signes indiquant que d'autres parties prenantes pourraient avoir besoin d'être impliquées. Par exemple, un client montrant des signes de frustration ou d'hésitation peut être considéré comme un compte « à risque » et être orienté vers un spécialiste du service client qui se concentre spécifiquement sur le maintien de la satisfaction.

Je pense qu'il s'agit là d'une vision convaincante de l'autonomisation individuelle, mais la véritable transformation est due à l'évolutivité des LAM. Imaginez qu'une entreprise entière dote son personnel d'outils aussi sophistiqués, et combien de temps et de dépenses peuvent être économisés dans l'ensemble, sans parler de la façon dont les suggestions des LAM peuvent aider à prévenir les erreurs, recommander des stratégies fructueuses, et plus encore. Il s'agit d'une technologie qui peut réellement apporter de la valeur à n'importe quelle échelle de déploiement.

Jusqu'à présent, nous avons parlé des LAM qui servent les utilisateurs individuels, mais cette technologie est susceptible de prendre de très nombreuses autres formes. Il est tout aussi facile d'imaginer des LAM au service de groupes ou même d'organisations entières. Et si tous les LAM bénéficieront de leur flexibilité, je m'attends à une gamme variée de possibilités allant du très général (analogue aux concepts d'« assistant de direction » décrits ci-dessus) à des agents hautement personnalisés, spécifiques à un domaine, qui s'attaquent à des problèmes de niche. Et de nombreux LAM, tous, en fin de compte, seront conçus pour apprendre de leurs expériences, qu'il s'agisse d'acquérir de plus en plus d'expertise pour résoudre un problème organisationnel, ou de devenir de plus en plus personnalisés en fonction des besoins et des préférences des utilisateurs individuels.

Et pourquoi les LAM fonctionneraient-ils individuellement ? On peut tout aussi bien imaginer plusieurs LAM travaillant ensemble, chacun optimisé pour un ensemble d'objectifs différents, avec un autre LAM dédié à la tâche d'orchestrer leurs efforts et de communiquer avec leur(s) utilisateur(s), qu'il s'agisse d'un individu, d'une équipe ou même de toute une entreprise. En d'autres termes, il s'agirait de passer d'un simple assistant personnel à une équipe entière, le tout unifié par un « chef d'équipe » qui rendrait compte à l'humain responsable.

Les possibilités deviennent encore plus intéressantes lorsque nous considérons des LAM créés dans le seul but d'interagir avec d'autres LAM ou équipes de LAM ; imaginons, par exemple, un agent déployé par l'un des concessionnaires automobiles dans l'exemple ci-dessus, qui se spécialise dans le traitement des demandes entrantes provenant des LAM personnels représentant des clients potentiels, ou dans l'itération avec les LAM représentant les constructeurs automobiles eux-mêmes. Ils conserveraient la transparence et l'application générale qui font la valeur de tous les LAM, en particulier lorsqu'il s'agit d'évaluer leur comportement a posteriori, mais ils fonctionneraient à des vitesses et avec des efficacités beaucoup plus élevées grâce à la communication de machine à machine.

Bien que de nombreux obstacles techniques se dressent devant nous pour faire de la pleine puissance des LAM une réalité, le défi principal est simple à formuler : le monde n'est pas statique, et tout agent censé interagir avec lui doit être suffisamment souple pour s'adapter de manière fluide à des circonstances changeantes. Dans le cas de notre exemple d'achat de voiture, il s'agit de suivre les pistes et de se rendre compte qu'une voiture souhaitée a été vendue avant que l'utilisateur n'ait eu l'occasion de faire une offre, voire de mettre à jour ses suggestions dans le cas où un rappel est effectué au milieu du processus de recherche. Dans le cas de notre agence d'assurance, la connaissance de l'actualité, en particulier de l'actualité locale, sera essentielle pour fournir des informations utiles et actualisées, qu'il s'agisse de changements dans la réglementation du secteur ou d'événements météorologiques extrêmes.

Dans tous les cas, un bon LAM se définit par sa compréhension du moment où il doit avertir l'utilisateur humain ou demander des éclaircissements. Si vous le faites trop souvent, vous serez ennuyé et perturbé, et vous risquez même d'annuler les avantages d'un LAM. En revanche, si l'on ne le fait que trop rarement, on est pratiquement assuré de voir apparaître des effets secondaires indésirables potentiellement graves, allant de la suppression d'un e-mail important à la demande d'un prêt non désiré auprès de la banque de l'utilisateur. Comme un bon assistant personnel, un LAM devra avoir un bon instinct pour trouver le bon équilibre.

Il s'agit également d'exploiter l'une des caractéristiques les plus puissantes des LAM, à savoir leur capacité d'apprentissage. Au fur et à mesure que les LAM acquièrent de l'expérience dans le monde réel en travaillant à nos côtés, le retour d'information humain peut être utilisé pour affiner leur comportement. En outre, les LAM peuvent extraire des interprétations précieuses des flux et des processus en examinant des données allant des transcriptions du service client aux journaux d'événements, en reconstituant les étapes idéales qui relient un point de départ donné au résultat le plus souhaitable.

Pour être clair, le travail d'un LAM ne consiste pas seulement à transformer une demande en une série d'étapes, mais aussi à comprendre la logique qui les relie et les entoure. Cela signifie qu'il faut comprendre pourquoi une étape doit se dérouler avant ou après une autre, et savoir quand il est temps de modifier le plan pour s'adapter aux changements de circonstances. C'est une capacité dont nous faisons preuve en permanence dans la vie de tous les jours. Par exemple, lorsque nous n'avons pas assez d'œufs pour faire une omelette, nous savons que la première étape n'est pas de cuisiner, mais de se rendre à l'épicerie la plus proche. Il est temps de mettre au point une technologie capable de faire la même chose.

Il ne fait aucun doute que les LAM deviendront très doués dans le genre de fluidité et de communication que la plupart des exemples ci-dessus exigeraient. Mais il n'est toujours pas acquis que l'on puisse leur faire confiance pour se comporter de manière prévisible et efficace, avec la cohérence nécessaire à une utilisation régulière dans le monde réel.

Bien entendu, si la confiance est déjà un défi lorsqu'il s'agit de générer du texte et des images — et c'est certainement le cas — elle l'est encore plus lorsqu'il s'agit de passer à l'action. Et le fardeau de la sécurité et de la fiabilité ne fait que croître lorsque plusieurs LAM travaillent ensemble. C'est pourquoi je pense qu'il est essentiel que, même lorsqu'ils sont les plus indépendants, les LAM soient conçus de manière à ce que les humains restent dans la boucle avant que des mesures critiques ne soient prises. Quel que soit le degré d'avancement de cette technologie, je la considère comme un outil (même s'il est exceptionnellement intelligent) que les humains sont toujours libres de contrôler comme ils l'entendent.

Après une décennie de développements de l'IA qui ont été tout simplement historiques, le fait que nous soyons si nombreux dans le monde de la recherche à avoir le sentiment que les plus grandes transformations ne font que commencer, témoigne du potentiel des LAM. Avec les bons conseils et un engagement en faveur de l'autonomisation humaine, je pense que les LAM peuvent nous faire entrer dans une nouvelle ère de productivité, de facilité et de clarté, en nous rendant meilleurs dans les tâches qui nous intéressent le plus tout en nous libérant de celles qui ne nous intéressent pas. Et avec ses décennies d'histoire dans le monde de l'entreprise, je ne peux pas imaginer un meilleur endroit que Salesforce pour poursuivre cette vision.

Nous remercions tout particulièrement Alex Michael, Peter Schwartz et l'équipe de Salesforce Futures pour leur contribution à la rédaction de cet article.