Paris, le 01 février 2025

‍

L'intelligence artificielle (IA) révolutionne le monde des affaires et du digital. Parmi les applications les plus marquantes, les agents conversationnels basés sur des modèles de langage (LLM) sont devenus incontournables. Dans cet article, nous expliquons comment fonctionnent ces technologies, comment les intégrer dans un business. Plus important encore, nous allons nous intéresser à l'actualité bouillonnante suite à la sortie du nouvel agent conversationnel chinois en Open Source (DeepSeek) qui a provoqué, entre autres, la chute du cours de l'action NVIDIA : nous analyserons ainsiles différences entre ChatGPT et DeepSeek tout en mettant en lumière les enjeux liés à la censure dans le modèle open source chinois.

‍

Intelligence Artificielle et Agents Conversationnels : Fonctionnement, Utilisation et Enjeux

‍

I. Comment fonctionne l'IA et un LLM ?

L’intelligence artificielle repose sur des algorithmes capables de traiter et d’analyser de grandes quantités de données pour produire des prédictions ou des réponses. Un Large Language Model (LLM) est une IA spécialisée dans la compréhension et la génération de texte.

L'intelligence Artificielle se divise en plusieurs sous-domaines, dont le Machine Learning (ML) et le Deep Learning (DL), qui sont essentiels à la conception des Large Language Models (LLM).

Machine Learning et Deep Learning

• Machine Learning (ML) : Sous-domaine de l’IA qui permet aux machines d’apprendre à partir de données et d’améliorer leurs performances sans être explicitement programmées. Le ML se divise en plusieurs types :
  • Apprentissage supervisé : L’algorithme apprend à partir d’un ensemble de données étiquetées.
  • Apprentissage non supervisé : L’algorithme identifie des structures dans des données non étiquetées.
  • Apprentissage par renforcement : L’algorithme apprend par essais et erreurs en maximisant une récompense.
• Deep Learning (DL) : Branche avancée du ML qui utilise des réseaux de neurones artificiels inspirés du cerveau humain. Les modèles de DL, tels que les Transformers, sont à la base des LLM comme ChatGPT et DeepSeek.

‍

Les LLM, tels que ChatGPT ou Bard, sont entraînés sur des milliards de textes provenant d’Internet. Ils fonctionnent grâce aux réseaux de neurones profonds et à l’apprentissage supervisé ou non supervisé. Voici les principales étapes de leur fonctionnement :

• Pré-entraînement : ingestion de textes massifs pour apprendre la structure de la langue.
• Fine-tuning : ajustement du modèle sur des corpus spécifiques pour l’adapter à des cas d’usage.
• Interaction : génération de réponses en fonction des requêtes de l’utilisateur.

‍

II. Qu'est-ce qu'un agent conversationnel et comment l’intégrer dans son business ?

Un agent conversationnel est une IA capable de converser avec des utilisateurs en langage naturel. Il peut être utilisé pour automatiser le service client, améliorer l’engagement utilisateur ou encore optimiser des processus métier.

1. Comment l’intégrer dans une interface business ?

Pour rendre un agent conversationnel utile, voici les étapes clés :

1. Choisir un modèle adapté : Opter pour un LLM comme ChatGPT ou DeepSeek en fonction des besoins.
2. Créer une API personnalisée : Connecter l’agent conversationnel via une API à une interface (site web, application mobile, CRM).
3. Entraînement spécifique : Adapter le chatbot à l’entreprise en lui fournissant des bases de données propres (FAQ, historique clients).
4. Déploiement et tests : Intégration dans l’environnement métier et ajustements selon les retours des utilisateurs.

2. Un exemple concret : entrainer un chatbot pour une agence de voyage

Une agence de voyage comme Evaneos pourrait intégrer un chatbot intelligent pour aider les voyageurs à organiser des voyages ultra personnalisés.

1. Connexion à l'API d’un LLM : Evaneos choisirait un modèle comme ChatGPT et l’intégrerait via son API dans son environnement technique.
2. Préparation des données : Les équipes tech collecteraient et structureraient des tables de données pertinentes telles que les destinations, préférences des clients, hôtels et activités issues de la data Business
3. Fine-tuning du modèle : Il faudrait alors entraîner le chatbot sur des corpus spécifiques, notamment les échanges clients, les FAQ, afin de pouvoir pousser des recommandations de voyages sur mesure.
4. Intégration d'un moteur de recommandations : En front-end, l le charbot pourrait proposer des itinéraires en fonction des préférences des clients et de leurs historiques de recherche.
5. Amélioration continue via le feedback : L'analyse des interactions utilisateurs en continu permettrait d'optimiser le chatbot et le rendre plus performant au fil du temps.
6. Tests et déploiement : Les équipes product travailleraient directement avec un échantillon des clients pilotes avant un déploiement à grande échelle pour s'assurer de la pertinence des recommandations

‍

III. Différences entre les LLM existants sur le marché : focus sur ChatGPT vs. DeepSeek

1. Une actualité secouée par l'émergence de nouveaux LLM moins coûteux

Récemment, le monde de l'intelligence artificielle a été secoué par l'émergence de DeepSeek, une start-up chinoise qui a rapidement gagné en notoriété. Fondée par Liang Wenfeng, DeepSeek a développé un modèle d'IA open source, le "R1 AI", lancé en janvier 2025. Ce modèle s'est distingué par son coût de développement relativement bas, estimé à environ 5,6 millions de dollars, contrastant fortement avec les investissements massifs de géants américains comme OpenAI et Meta, qui ont dépensé entre 100 millions et 1 milliard de dollars pour leurs outils d'IA.

Cette avancée a eu des répercussions notables sur le marché boursier. Par exemple, Nvidia, leader dans la fabrication de puces pour l'IA, a subi une baisse significative de son action, perdant près de 17 % en une journée, soit une diminution de sa capitalisation boursière de 590 milliards de dollars.

Cette chute est attribuée aux inquiétudes des investisseurs face à la montée en puissance de solutions d'IA moins coûteuses, comme celle proposée par DeepSeek, qui pourraient réduire la demande pour le matériel haut de gamme de Nvidia.

En revanche, des entreprises comme Meta Platforms ont bénéficié de cette dynamique. L'approche open source de DeepSeek a renforcé la confiance des investisseurs dans des modèles similaires, entraînant une augmentation de 6,4 % de l'action de Meta. Ces événements illustrent les bouleversements rapides dans le secteur de l'IA et soulignent l'importance pour les entreprises de s'adapter aux innovations émergentes.

‍

2. Quelles différences entre ces LLM concrètement ?

Concrètement, l’expérience utilisateur et les cas d’usage varient considérablement entre ces deux modèles. ChatGPT, développé par OpenAI, bénéficie d’un entraînement sur des données diversifiées et d’une accessibilité optimisée pour le grand public et les entreprises occidentales. En revanche, DeepSeek, bien que prometteur, présenterait des limitations en raison de la censure de certains sujets liés à la Chine.

Pour un usage commercial, ChatGPT est demeure privilégié pour son efficacité en service client, en rédaction de contenu et en automatisation de tâches. DeepSeek, de son côté, peut séduire des entreprises souhaitant un contrôle plus approfondi sur leur modèle et disposant de plus de ressources pour l'adapter à leurs besoins.

‍

3. DeepSeek : un modèle open source, mais sous surveillance

DeepSeek a fait grand bruit en proposant une alternative open source aux LLM fermés. Toutefois, malgré son ouverture, des critiques pointent une censure appliquée aux informations sensibles pour le gouvernement chinois.

La rivale chinoise de ChatGPT, disponible depuis le 20 janvier, a relayé la position de Pékin dans 60% de ses réponses à des questions sur des fausses informations, selon l'entreprise américaine Open AI. (source : francinfo)

Selon un audit réalisé par NewsGuard (un service américain qui évalue les sites d'information en fonction de leur fiabilité) et publié le 30 janvier 2025, le chatbot de DeepSeek présenterait des taux de précision préoccupants. L'étude a révélé que le chatbot n'a fourni des réponses précises que dans 17 % des cas, a répété des informations fausses 30 % du temps et a donné des réponses vagues ou inutiles dans 53 % des situations, aboutissant à un taux d'échec global de 83 %. Ce taux est supérieur à la moyenne de 62 % observée chez ses concurrents occidentaux, tels que ChatGPT d'OpenAI et Gemini de Google.

De plus, l'audit a révélé que le chatbot de DeepSeek tend à refléter les positions du gouvernement chinois, même en réponse à des questions non liées à la Chine. Par exemple, lorsqu'on l'a interrogé sur le crash du vol 8243 d'Azerbaijan Airlines, une fausse affirmation propagée par la Russie, le chatbot a répondu en alignant sa réponse sur la position officielle chinoise.

Ces conclusions soulignent les défis posés par l'intégration de modèles d'IA open source développés dans des environnements soumis à des restrictions gouvernementales. Les entreprises doivent être conscientes des risques potentiels liés à la désinformation et aux biais idéologiques lors de l'adoption de telles technologies.

Voici en somme un résumé des dangers potentiels d'un modèle open source placé sous la coupe d'intérêts supérieurs :

• Biais idéologiques : filtrage de certaines données, comme cela aurait pu être effectué par la Chine le cas échéant.
• Sécurité des données : risque d’ingérence si utilisé dans des contextes sensibles.
• Fiabilité des informations : des réponses parfois biaisées selon les sujets abordés.

‍

Conclusion

L’IA et les agents conversationnels sont des atouts majeurs pour les entreprises. Toutefois, le choix d’un modèle doit être basé sur des critères de performance, de confidentialité et d’adaptabilité. Si ChatGPT et DeepSeek sont parmi les plus connus, d'autres LLM tels que Gemini de Google ou Claude d'Anthropic viennent compléter l’écosystème en offrant des spécificités propres.

Par exemple, ChatGPT est apprécié pour sa robustesse et sa facilité d'intégration dans de nombreux outils professionnels. DeepSeek, bien que prometteur dans un cadre open-source, soulève des questions sur la censure et la qualité des informations générées. Gemini de Google se distingue par sa capacité à traiter du texte, des images et des vidéos de manière plus intégrée, tandis que Claude d’Anthropic met en avant une approche plus axée sur la sécurité et la réduction des biais.

L’étude de NewsGuard souligne par ailleurs que les taux d’exactitude et la capacité à éviter la désinformation varient d’un modèle à l’autre, rendant cruciale l’évaluation de leur pertinence selon le secteur d’activité. Nvidia, acteur clé dans le développement de ces technologies grâce à ses puces dédiées à l’IA, voit d’ailleurs ses performances boursières fluctuer en fonction des innovations et des investissements liés aux LLM.

Finalement, les entreprises doivent privilégier une approche pragmatique en combinant plusieurs LLM ou en entraînant des modèles spécifiques pour répondre précisément à leurs besoins. Le choix d’un agent conversationnel doit ainsi s’inscrire dans une réflexion stratégique plus large, tenant compte des enjeux de performance, d'éthique et de conformité réglementaire.

Pour aller plus loin et mieux comprendre comment intégrer efficacement l’IA dans tes projets et la création de ton entreprise, Delta Business School t'invite à participer à son événement exclusif : "L’IA : comment l’utiliser efficacement dans ses projets et la création de son entreprise". Une occasion unique d’échanger avec des experts et d’obtenir des conseils concrets pour optimiser ton usage de l’intelligence artificielle.

‍

‍