{"id":22790,"date":"2023-10-25T10:34:07","date_gmt":"2023-10-25T08:34:07","guid":{"rendered":"https:\/\/golem.ai\/?p=22790"},"modified":"2026-02-17T16:47:08","modified_gmt":"2026-02-17T15:47:08","slug":"avanatge-analytique-vs-llm","status":"publish","type":"post","link":"https:\/\/miralia.ai\/fr\/blog\/avanatge-analytique-vs-llm","title":{"rendered":"\u00c9viter les hallucinations du LLM gr\u00e2ce \u00e0 l\u2019IA analytique,\u00a0c\u2019est\u00a0possible ?"},"content":{"rendered":"\n

Introduction<\/h2>\n\n\n\n

Le succ\u00e8s de ChatGPT a suscit\u00e9 un int\u00e9r\u00eat massif pour l’IA g\u00e9n\u00e9rative dans le language. Les mod\u00e8les LLM s’am\u00e9liorent rapidement et les initiatives d’utilisation au sein des entreprises se multiplient.<\/p>\n\n\n\n

Pour le support client, l\u2019automatisation du traitement des demandes entrantes est un sujet de pr\u00e9dilection. Par exemple, la g\u00e9n\u00e9ration automatique de brouillons de r\u00e9ponse peut pr\u00e9senter plusieurs avantages : gain de temps de traitement des demandes et coh\u00e9rence des r\u00e9ponses entre les agents.<\/p>\n\n\n\n

Cependant, l’IA g\u00e9n\u00e9rative peut produire de fausses informations, qu\u2019on appelle hallucinations, qui peuvent avoir des cons\u00e9quences critiques. La diffusion d’informations incorrectes peut entrainer l’insatisfaction des clients et ainsi impacter la r\u00e9putation de l’entreprise.<\/p>\n\n\n\n

En revanche, l’IA analytique, telle que celle que nous avons d\u00e9velopp\u00e9e pour notre produit InboxCare<\/a>, ne souffre d\u2019aucune hallucination. Le traitement de la donn\u00e9e textuelle est pr\u00e9dictible et explicable, se synchronise avec les CRM et propose un brouillon de r\u00e9ponse dynamique.<\/p>\n\n\n\n

Ce brouillon de r\u00e9ponse est g\u00e9n\u00e9r\u00e9 sous forme de \u201ctemplate\u201d : En fonction de la cat\u00e9gorie que nous d\u00e9tectons dans un message, nous allons s\u00e9lectionner le template correspondant.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

InboxCare peut bien s\u00fbr d\u00e9tecter le nom du client et ainsi personnaliser la r\u00e9ponse, mais il peut \u00e9galement utiliser les informations d\u00e9tect\u00e9es dans un message pour consolider sa r\u00e9ponse. Par exemple, la d\u00e9tection d\u2019un num\u00e9ro de commande permet d\u2019aller chercher dans une base de donn\u00e9es le statut correspondant, et ainsi enrichir le brouillon de r\u00e9ponse :<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n

Les template, par d\u00e9finition, disposent d\u2019une cr\u00e9ativit\u00e9 limit\u00e9e. Il est possible de personnaliser la r\u00e9ponse dynamiquement en fonction de quelques informations extraites (telles que le nom du client ou le statut de commande), mais le ton ne peut \u00eatre chang\u00e9.<\/p>\n\n\n\n

Afin d\u2019illustrer ces diff\u00e9rences, imaginons donc un graphique \u00e0 deux axes, l\u2019hallucination d\u2019une part et de l\u2019autre la cr\u00e9ativit\u00e9 la r\u00e9ponse. Pla\u00e7ons sur ce graphique les approches LLM et par template :<\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"<\/figure>\n\n\n\n
<\/div>\n\n\n\n

Comme mentionn\u00e9 pr\u00e9c\u00e9demment, le LLM se trouve dans le coin sup\u00e9rieur droit : il peut \u00eatre tr\u00e8s cr\u00e9atif, mais souffre souvent d’hallucinations. Les templates, en revanche, se trouvent en bas, plus pr\u00e8s du centre : ils permettent moins de cr\u00e9ativit\u00e9, mais ne souffrent pas d’hallucinations.<\/p>\n\n\n\n

Avec cette \u00e9tude, notre objectif est de tirer le meilleur parti des deux mondes : Utiliser les informations de notre IA analytique afin de limiter les hallucinations d\u2019un LLM, tout en b\u00e9n\u00e9ficiant de sa cr\u00e9ativit\u00e9 de r\u00e9ponses :<\/strong><\/p>\n\n\n\n

<\/div>\n\n\n\n
\"\"<\/figure>\n\n\n\n

<\/p>\n\n\n\n

Cadre de notre \u00e9tude<\/h2>\n\n\n\n

Pour tester notre th\u00e9orie, nous avons donc cr\u00e9\u00e9 quelques faux e-mails adress\u00e9s aux clients d’une entreprise appel\u00e9e \u00ab\u00a0ACME\u00a0\u00bb, sp\u00e9cialis\u00e9e dans le mobilier d’int\u00e9rieur, sur les sujets suivants :<\/p>\n\n\n\n