Chaire sur l’utilisation fiable et de confiance des grands modèles de langage (LLMs)

Objet de la chaire et missions

L’émergence des grands modèles de langage (LLMs) représente une étape de rupture dans le domaine de l’intelligence artificielle, avec des applications allant du traitement du langage naturel à la génération de contenu et aux systèmes d’aide à la décision dans de nombreux domaines tels que le développement logiciel, la santé, la gestion d’entreprise, l’éducation, etc. Alors que ces modèles s’intègrent de plus en plus dans des domaines critiques tels que la santé et l’industrie, leur fiabilité et la confiance avec laquelle ils sont utilisés deviennent des enjeux majeurs.

La Chaire sur l’utilisation fiable et de confiance des LLMs aborde ces défis à travers une recherche multidisciplinaire visant à évaluer et renforcer la fiabilité des LLMs dans des contextes réels.

En intégrant l’expertise issue du milieu académique et de l’industrie, la chaire vise à faire progresser les connaissances et à développer des solutions liées à l’utilisation de grands modèles de langage (LLM) et des modèles de langage restreint (SLM) dans les domaines de la recherche, de l’éducation et de l’industrie.

La chaire est structurée sous forme d’Axes de recherche. Les deux premiers axes qui sont actuellement proposés sont : Informatique et Génie Logiciel, Gestion durable des entreprises et des organisations publiques. D’autres axes pourraient être construits à l’avenir, tel que qu’un axe concernant la Biologie et le Raisonnement.

Afin d’assurer la cohérence de la chaire et de favoriser les collaborations entre les participants de différentes disciplines, tous les axes sont conçus pour utiliser et étudier les approches suivantes :

• Conception et ingénierie de prompts : utilisation de techniques d’ingénierie de prompts, par exemple chain of thought, développement de moteurs de raisonnement, génération de bases de prompts génériques ;
• Évaluation de la confiance et de la fiabilité des LLMs : définition de métriques spécifiques au contexte pour évaluer les réponses des grands modèles de langage (LLMs) ou des petits modèles de langage (SLMs) avec des techniques de Retrieval-Augmented Generation (RAG);
• LLM/SLM en tant que service : utilisation de SLMs avec RAG et déploiement local d’un réseau de SLMs.

Équipe

Laboratoire d’Informatique, de Modélisation et d’Optimisation des Systèmes

Partenaires et mécènes

Adresse email :

sebastien.salva@uca.fr