Jaxon AI s'associe à IBM watsonx pour lutter contre les défis des hallucinations en intelligence artificielle.

Lorsque un système d'IA génère un contenu inexact — souvent qualifié de « hallucination » — les résultats ne sont pas toujours catastrophiques. Toutefois, si un système d'IA utilisé dans la technologie militaire fait preuve d'hallucination, les conséquences peuvent être beaucoup plus graves.

Jaxon AI a commencé à développer des systèmes d'IA pour l'US Air Force, en mettant l'accent sur la fiabilité et l'exactitude. Aujourd'hui, l'entreprise s'engage sur le marché des entreprises avec son langage d'IA spécifique à un domaine (DSAIL), visant à résoudre les problèmes critiques d'hallucinations et d'inexactitudes dans les modèles de langage large (LLMs). Cette technologie intègre les modèles fondamentaux watsonx d'IBM, représentant une approche novatrice pour créer des solutions d'IA plus fiables.

Comment DSAIL Réduit les Risques d'Hallucination de l'IA

L'hallucination se produit lorsque l'IA génère des réponses inexactes, souvent en raison de données d'entraînement incomplètes ou d'un manque de vérification. Le cadre DSAIL atténue ce risque en transformant les entrées en langage naturel en un format binaire. Ce format subit une série de contrôles — comme un satisfaisant booléen — pour garantir que la réponse de l'IA respecte toutes les contraintes avant d'être fournie, renforçant ainsi sa fiabilité pour des applications pratiques.

Une stratégie courante pour réduire les hallucinations est la Génération Augmentée par Récupération (RAG). Dans ce modèle, le LLM accède à une base de connaissances pour fournir des réponses précises. Cohen a noté que bien que RAG fasse partie de la méthodologie de DSAIL, les résultats doivent encore passer par des vérifications supplémentaires avant leur finalisation, réduisant d'autant plus le risque d'hallucination.

Le Rôle d'IBM watsonx dans les Systèmes d'IA de Jaxon

Jaxon s'appuie sur les modèles de la bibliothèque watsonx d'IBM comme éléments clés de ses systèmes d'IA. En particulier, le modèle IBM StarCoder facilite la génération de code en produisant automatiquement un code initial pour les projets d'IA basé sur les spécifications de conception recueillies durant le processus.

StarCoder, une initiative open source lancée en mai avec le soutien de ServiceNow et Hugging Face, est l'un des nombreux outils de génération de code de la bibliothèque watsonx d'IBM. Savio Rodrigues, VP de l'ingénierie écosystémique et de l'engagement des développeurs chez IBM, a confirmé qu'IBM était un contributeur fondateur au projet StarCoder et a souligné sa collaboration avec Hugging Face pour améliorer l'accès des entreprises aux modèles ouverts.

Bien que StarCoder démontre une large gamme de capacités, IBM propose également des modèles de génération de code spécialisés adaptés à des applications spécifiques, telles que la migration COBOL et le développement en informatique quantique.

La Position Stratégique d'IBM sur le Marché de l'IA Générative

Le paysage de l'IA générative et des LLM est concurrentiel, avec des acteurs majeurs tels qu'OpenAI, Microsoft, Google et AWS. IBM cherche à obtenir sa part de ce marché en soutenant les développeurs et les éditeurs de logiciels indépendants (ISVs) comme Jaxon AI à travers son programme IBM Build.

IBM Build offre aux partenaires un accès à watsonx, un support technique et une assistance pour la mise sur le marché. L'objectif est de fournir des modèles de fondation d'IA fiables, caractérisés par une tarification, une performance et une fiabilité cohérentes. « Nos clients font confiance à l'approche d'IBM en matière d'IA, notamment en ce qui concerne l'entraînement des modèles et les contrôles juridiques que nous mettons en place », a souligné Rodrigues.