Du prompt engineering au context engineering : la revanche des ingénieurs
Assistants et agents IA seront d'autant plus pertinents que nous saurons leur apporter le bon contexte d'informations - ni trop, ni trop peu.
Dans la famille des déclinaisons des LLM, voici venir les LAM : Large Action Models. L’idée est d’aller au-delà d’assistants “passifs”, qui répondent à des requêtes, pour créer de véritables agents “actifs”, opérant des actions.
Il n’est toujours pas question de remplacer l’humain, mais bien de l’augmenter, en lui fournissant un assistant capable de réaliser à sa place une suite de tâches répétitives, sans valeur ajoutée ; c’est en quelque sorte une revisite de la promesse du RDA (Robotic Desktop Automation) rendue possible par l’IA générative.
Le RDA automatisait une suite de tâches précises (ouvrir telle application, créer un utilisateur, noter son ID, ouvrir une 2e application, y entrer cet ID, etc.) à partir d’un input prédéfini. Grâce aux capacités de traitement du langage naturel, l’objectif des LAM est de permettre à l’utilisateur de définir un objectif final et de laisser l’agent déterminer l’enchaînement des actions à accomplir pour y parvenir.
Le tout récent Rabbit r1 en donne un premier exemple (perfectible) dans la sphère personnelle : son ambition est de remplacer le besoin d’interagir manuellement avec les apps d’un smartphone par des commandes vocales en langage naturel (par exemple, réserve-moi un VTC pour aller à telle heure à tel endroit).
Dans le monde professionnel, le LAM viendra automatiser et orchestrer des actions impliquant plusieurs assistants LLM. La priorité est donc à l’industrialisation des assistants, mais il faut avoir en tête cette évolution !
Pour recevoir l'intégrale des Tendances Tech 2024 en PDF, c'est par ici.