# 🇫🇷 AI-pulse **Date de l'événement :** 07/11/2024 * Publié le 07/11/2024 **Vidéos :** [Vidéo 1](https://www.youtube.com/watch?v=Fm-4NL-Rw2M) [Vidéo 2](https://www.youtube.com/watch?v=8iXNaQfXJQw) ### Galerie d'image ![Screenshot 2024-11-02 at 21.44.01.png](https://firebasestorage.googleapis.com/v0/b/memory-ai.appspot.com/o/prod%2FrKxsdSTpqCfzIFY8Y2hg%2FprojectsMedias%2FeiBaRdXhr7bYLLBwlvlc%2Fthumbs%2FScreenshot%202024-11-02%20at%2021.44.01_1600x900.png?alt=media&token=88156298-f0f9-4d7b-af99-d99a97d80a1a) ## Description Join leaders and engineers for a one-day technical conference dedicated to AI breakthroughs, research & demonstrations. 1,500 Attendees, 50 Speakers, 8 Stages **Lien :** [https://www.ai-pulse.eu/](https://www.ai-pulse.eu/) ### Date 07/11/2024 ## Ville Paris ### Nature de l'évènement `#Conférence` ### Langue(s) `#Anglais` ### Continent `#Europe` ### Pays `#France` **Lien de la publication :** [https://www.ai-pulse.eu/](https://www.ai-pulse.eu/) **Ne ratez rien et retrouvez tous les évènements :** [https://ai-memory.io/page/HSUDnwIUar7o08uTo1qf](https://ai-memory.io/page/HSUDnwIUar7o08uTo1qf) **Médias associés :** [Média 1](https://80954c1d.sibforms.com/serve/MUIFABojU8UBbDiX_TdcGa7Wv5VMoVB_nBZ92mkLkGlS1pJLpP7s-pVJusyN-7cG9KPrSuv3fv7TmXwuw_AoyNUShR8jZhmNDgUbZPJO2V5xYXlNz4YXOTjSb8X7Lj7PRIPzgzEWlLbA4f4uw_F8RM51EUsjSfQQko0qaby98GHMdYJVWLIXd5JzzaXBGmqN2CcYOFuqnbnaYEnw) --- ### Média externe associé : https://www.youtube.com/watch?v=8iXNaQfXJQw #### Résumé du média Ce débat portant sur l'IA générative appliquée à la vidéo et à l'image met en lumière les défis de performance et de fiabilité auxquels sont confrontés les créateurs d'applications grand public et les solutions B2B. **Tendances:** * **Exigences de rapidité**: Les utilisateurs, qu'ils soient B2C ou B2B, s'attendent à des résultats quasi instantanés, en particulier sur mobile où le seuil de tolérance est inférieur à la seconde. * **Lutte contre les hallucinations**: La génération de contenu visuel par l'IA pose un risque important d'hallucinations, c'est-à-dire de résultats incohérents ou inappropriés. * **Contrôle de la qualité**: Le manque de méthodologies de test éprouvées pour l'IA générative oblige les développeurs à s'appuyer sur des indicateurs indirects, comme le taux d'exportation d'une image, et sur les retours utilisateurs. * **Importance du contexte**: La performance d'un modèle d'IA générative ne se mesure pas uniquement à sa précision technique, mais aussi à sa capacité à produire des résultats adaptés au contexte et aux attentes spécifiques des utilisateurs. **Expérimentations:** * **PhotoRoom** a développé son propre modèle d'IA pour le détourage d'images, en investissant massivement dans des infrastructures de calcul. Cette démarche leur permet de mieux contrôler la qualité des résultats, notamment en matière de nudité, et d'optimiser la vitesse de traitement. Ils utilisent l'A/B testing pour comparer les performances des différentes versions de leur modèle et s'appuient sur les retours de leur communauté d'utilisateurs pour identifier les points faibles. * **Mojo** utilise une combinaison de modèles open source et de modèles propriétaires pour générer des vidéos. Ils misent sur la vitesse d'itération pour permettre aux utilisateurs de tester rapidement plusieurs options et s'appuient sur les données d'utilisation et le support client pour identifier les problèmes d'hallucinations. * **AV** se concentre sur la post-production vidéo pour les entreprises. Leur solution repose sur une convergence de modèles d'analyse d'images, de vidéos et d'audio, combinant open source et algorithmes propriétaires. Ils privilégient des modèles fiables et déterministes pour garantir la qualité et la précision des résultats, essentielles pour leurs clients exigeants. **Conclusion:** L'IA générative dans le domaine de la vidéo et de l'image est en pleine évolution. Si des progrès significatifs ont été réalisés, notamment en termes de vitesse de traitement, la fiabilité et le contrôle des hallucinations restent des défis majeurs. Les entreprises doivent faire preuve d'humilité et adopter une approche itérative, en s'appuyant sur les retours utilisateurs pour améliorer leurs modèles et proposer des solutions toujours plus performantes et sécurisées. #### Mots-clés du média `IA` `Intelligence Artificielle` `Génération d'images` `Génération vidéo` `Performances` `Délais de réponse` `Applications mobiles` `B2B` `B2C` `Hallucinations` `Test` `Modèles personnalisés` `Open Source` `Ethique` `Sécurité` #### Chapitres du média - **L'IA générative en temps réel pour la vidéo et les photos : défis techniques** (13.262599999999999 - 45.88391): Introduction des intervenants et du thème de la session : l'IA générative en temps réel pour la vidéo et les photos, et les défis techniques rencontrés. - (13.262599999999999): L'IA générative en temps réel pour la vidéo et la photo est un domaine prometteur. - (13.262599999999999): Des défis techniques seront abordés. - (13.262599999999999): Elliot, Andres (CTO de Photorum), Francesco Santoni (CEO et co-fondateur de Mojo) et Olivier Reynaud (co-fondateur et CEO d'AV) interviendront. - (13.262599999999999): La session sera animée par Dunia Zouin, co-fondatrice de MuffApp. - **Présentation des entreprises et de leurs défis** (57.34 - 308.1422): Présentation des entreprises représentées par les intervenants et de leurs défis spécifiques en matière d'IA générative, notamment en termes de performance, de qualité et de temps de réponse pour les applications mobiles et B2B. - (57.34): Dunia Zouin, co-fondatrice de MEF, un réseau social dédié aux femmes, et ancienne responsable IA et données dans des entreprises de médias, anime le panel. - (57.34): Francesco, co-fondateur et PDG de Mojo, une application de création vidéo basée sur l'IA, souligne l'importance de rendre la création de contenu accessible aux non-techniciens. - (57.34): Olivier Reynaud, co-fondateur et PDG d'AV, une entreprise qui automatise la post-production vidéo, met en avant les défis de la création de contenu de haute qualité à grande échelle. - (57.34): Elliot Andres, co-fondateur et CTO de Photorome, une plateforme d'édition d'images spécialisée dans les photos de produits, explique comment l'IA aide les entreprises à créer des visuels qui augmentent les ventes. - (57.34): Le panel se concentre sur les défis liés à la performance et à la qualité de l'IA générative dans des contextes professionnels exigeants, où les temps de réponse rapides sont essentiels. - (57.34): La discussion met en évidence l'importance de trouver un équilibre entre la performance de l'IA, la qualité du rendu et les temps de réponse pour répondre aux attentes des utilisateurs. - **Trouver le juste équilibre entre performance et qualité** (308.76262 - 492.42156): Discussion sur les compromis entre performance et qualité dans l'IA générative, et sur l'importance de la vitesse de réponse pour les applications mobiles. Exemples concrets de PhotoRoom et Mojo. - (308.76262): Il existe une différence importante entre le texte, les photos et les vidéos, ainsi qu'entre les plateformes mobiles et Web, et entre les cas d'utilisation B2C, prosommateurs et B2B. - (308.76262): Les utilisateurs mobiles s'attendent à des résultats rapides, avec une norme inférieure à une seconde. - (308.76262): Atteindre une vitesse inférieure à la seconde est impossible pour le traitement vidéo aujourd'hui. - (308.76262): Des solutions telles que les widgets d'écran d'accueil iOS peuvent être utilisées pour gérer les temps d'attente. - (308.76262): La qualité et la vitesse des modèles d'IA doivent être compromises, la vidéo étant encore lente et parfois peu convaincante. - (308.76262): Le traitement des photos est plus mature pour trouver un équilibre entre qualité et vitesse. - (308.76262): Un exemple concret montre qu'une fonctionnalité de génération d'IA avec un temps d'attente d'une minute n'a pas été utilisée, tandis qu'une version optimisée à quelques secondes a été adoptée avec succès. - (308.76262): Le temps d'itération rapide est crucial pour l'engagement des utilisateurs, permettant plusieurs tentatives et améliorant l'expérience utilisateur globale. - (308.76262): La vitesse du modèle est essentielle, en particulier dans les contextes B2B où le temps est également limité. - **Gérer les hallucinations et les résultats inattendus** (693.1873200000001 - 1176.51404): Discussion sur les risques d'hallucinations et de résultats inattendus avec l'IA générative. Stratégies pour y faire face, notamment la surveillance des commentaires des utilisateurs, l'utilisation de modèles personnalisés et la limitation de la génération de contenu inapproprié. - (693.1873200000001): L'importance de la vitesse de réponse d'un modèle d'IA générative pour minimiser l'impact des hallucinations. - (693.1873200000001): L'utilisation de métriques de haut niveau et de proxies pour surveiller la qualité des résultats de l'IA et détecter les problèmes potentiels. - (693.1873200000001): L'importance du retour utilisateur dans l'identification et la correction des hallucinations, en particulier dans un contexte de création de contenu. - (693.1873200000001): Le coût élevé associé à la création et à l'entraînement de modèles d'IA personnalisés, illustré par un exemple de cluster de 256 GPU H100. - (693.1873200000001): La nécessité de filtrer les données d'entraînement pour éviter la génération de contenu inapproprié, comme la nudité ou la violence. - (693.1873200000001): L'importance de la maîtrise de l'architecture et de l'entraînement des modèles d'IA pour obtenir les meilleurs résultats possibles. - (693.1873200000001): Un exemple concret illustrant les défis de la mise à jour de modèles d'IA, avec un cas impliquant des toiletteurs pour chiens et la suppression inattendue de la table de toilettage des photos. - **Tester et dé-risquer les projets d'IA générative** (1409.29314 - 1834.41977): Discussion sur les défis liés au test et à la réduction des risques dans les projets d'IA générative, en particulier dans le contexte de la difficulté à appliquer les méthodologies de test traditionnelles. Différentes approches sont présentées, notamment l'utilisation de données de production, le suivi des commentaires des clients et les tests A/B. - (1409.29314): Les méthodes de test traditionnelles de l'IA ne sont pas adaptées à l'IA générative car elle est imprévisible. - (1409.29314): L'écosystème de test de l'IA générative devient plus mature, notamment pour le texte et les LLM. - (1409.29314): Des outils comme Longchain permettent de suivre les versions de modèles et de comparer leurs performances. - (1409.29314): Les tests A/B sont utilisés pour comparer l'efficacité de différentes versions de modèles d'IA. - (1409.29314): L'analyse des données d'utilisation par catégorie permet d'identifier les faiblesses des modèles. - (1409.29314): La rétroaction des utilisateurs est essentielle pour évaluer et améliorer les modèles d'IA générative. - (1409.29314): L'utilisation de modèles open source et d'algorithmes propriétaires permet un contrôle total et une adaptation aux besoins spécifiques. - (1409.29314): Il est important de tester et d'adapter les modèles en permanence pour suivre l'évolution de la technologie. - **Conclusion** (1836.57604 - 1865.9918699999998): Conclusion de la session soulignant les défis et les opportunités de l'IA générative dans le domaine de la vidéo, et la nécessité de faire preuve d'humilité et de prudence dans son développement et son déploiement. - (1836.57604): L'IA générative dans la vidéo présente de nombreux défis pour de nombreuses industries. - (1836.57604): Il est important de faire preuve d'humilité et de reconnaître que tout n'est pas encore parfait dans le domaine de l'IA générative. - (1836.57604): Il existe encore beaucoup de risques et de tests à effectuer dans le domaine de l'IA générative. --- ### Navigation pour IA - [Index de tous les contenus](https://ai-memory.io/llms.txt) - [Plan du site (Sitemap)](https://ai-memory.io/sitemap.xml) - [Retour à l'accueil](https://ai-memory.io/)