Amazon Web Services (AWS), longtemps perçu comme à la traîne face à ses concurrents Microsoft Azure et Google Cloud en matière d'intelligence artificielle générative, change la donne. Lors de la récente conférence AWS Re:Invent, Amazon a montré son engagement à dominer le secteur de l'IA générative pour les entreprises avec une série d'annonces stratégiques.
Points Clés de la Conférence :
1. Choix Élargis de LLM : AWS a amélioré son service Bedrock pour prendre en charge davantage de modèles, notamment Claude 2.1 d'Anthropic, offrant une fenêtre de contexte impressionnante de 200K tokens et des taux de hallucination réduits. Cela souligne l'engagement d'AWS à proposer divers Modèles de Langage de Grande Taille (LLM), contrairement à la dépendance de Microsoft envers OpenAI.
2. Intégrations Multi-Modalités : Sivasubramanian a présenté Titan Multi-modal Embeddings, permettant aux utilisateurs de rechercher et de récupérer des produits via du texte et des images. Cette fonctionnalité aide les détaillants, comme les magasins de meubles, à améliorer l'expérience client grâce à la recherche visuelle.
3. Nouveaux Modèles de Génération de Texte : AWS a lancé Titan TextLite et Titan TextExpress. TextLite se distingue par ses capacités de résumé et de rédaction, tandis que TextExpress se concentre sur la génération de texte ouverte, répondant à des besoins d'entreprise variés.
4. Générateur d'Images Titan : En mode prévisualisation, cet outil génère des images réalistes à partir de requêtes simples, avec des filigranes invisibles pour l'authenticité. Ses capacités avancées, démontrées lors du discours d'ouverture, incluent des fonctionnalités d'édition d'image, telles que le « outpainting », transformant les arrière-plans en toute fluidité.
5. Génération Augmentée par Récupération Simplifiée (RAG) : L'introduction de KnowledgeBase pour Amazon Bedrock facilite les processus RAG en permettant aux utilisateurs de pointer leurs LLM directement vers les emplacements de données, réduisant considérablement la complexité de la configuration.
6. Outils d'Évaluation de Modèle : AWS propose désormais une prévisualisation de l'Évaluation de Modèles sur Amazon Bedrock, permettant aux entreprises de comparer et de choisir les modèles de base adaptés à leurs besoins.
7. Application Agent DIY (RAG DIY) : Cette application innovante permet aux utilisateurs de réaliser des projets en utilisant des requêtes en langage naturel. Sivasubramanian a démontré comment elle aide les utilisateurs à élaborer des plans de projet et des listes de produits détaillées.
8. Centre d'Innovation Gen AI : AWS renforce son soutien aux entreprises en offrant des conseils d'experts pour la création de modèles sur mesure, en particulier autour des modèles Claude d'Anthropic.
9. Sagemaker Hyperpod : Maintenant disponible, Hyperpod rationalise le processus d'entraînement des modèles, réduisant le temps d'exécution jusqu'à 40 % et facilitant la gestion des clusters, permettant aux entreprises de se concentrer sur leurs initiatives IA sans charges techniques.
10. Améliorations de l'Intégration des Bases de Données : AWS supprime les silos au sein de ses bases de données cloud, permettant un accès fluide pour les LLM. De nouvelles intégrations avec Amazon OpenSearch et Amazon S3 permettent une analyse de données complète sans besoin de pipelines ETL.
11. Recherche Vectorielle pour DB en Mémoire sur Redis (Prévisualisation) : Cette fonctionnalité s'adresse aux secteurs nécessitant des recherches vectorielles rapides, notamment le secteur financier.
12. Intégration Neptune Analytics : Cette intégration combine l'analyse vectorielle et graphique, aidant les entreprises à découvrir des insights plus profonds à partir de leurs données interconnectées jusqu'à 80 fois plus rapidement.
13. Salles Propres pour Modèles ML Partagés (Prévisualisation) : AWS permettra aux clients de partager des données de manière sécurisée dans des salles propres, facilitant l'apprentissage automatique tiers pour des analyses prédictives.
14. Amazon Q pour SQL Génératif : Un assistant IA conçu pour les entreprises, Amazon Q peut désormais traduire des requêtes en langage naturel en requêtes SQL, maximisant l'efficacité de l'analyse des données dans Amazon Redshift.
Ces annonces soulignent l'engagement d'AWS envers l'innovation dans l'IA générative, le positionnant comme un concurrent redoutable sur le marché du cloud et offrant aux entreprises une infrastructure solide pour leurs projets d'IA.
Classement
