Florian Barbaro

Le but, c'est de créer des modèles qui soient les plus légers possibles, mais qui ont les mêmes capacités que de gros, gros modèles et qui permettent justement d'être capables de détecter si un texte, une image, un audio ou une vidéo soient générés par l'intelligence artificielle.

Et par exemple, si on prend un texte généré par une intelligence artificielle, pour qu'il soit généré, le modèle va maximiser certaines probabilités et donc ça va inclure une linéarité dans le texte généré.

En fait, ça va être des patterns comme ça qu'on va être capable de détecter pour savoir si c'est humain ou plus probablement généré par une intelligence artificielle.

Oui, le but, c'est qu'on a commencé à travailler.

On a été parmi les premiers à détecter ce type de technologie il y a maintenant plus de trois ans.

Et au moment où, justement, en novembre 2022, GPT est sorti et en 2023, on a vraiment développé nos premiers modèles.

Et le but, en fait, c'est de prendre ce que j'ai pu apprendre durant mon doctorat.

pour développer des modèles qui soient légers, basés sur des modèles mathématiques et qui puissent être robustes justement aux nouveaux modèles qui sortent sur le marché ?

Est-ce que ça marche, sincèrement, aujourd'hui ?

En étant transparent, on a vraiment des bons résultats chez les clients.

Notamment, par exemple, on travaille avec un assureur, on arrive à avoir vraiment des bons taux de précision.

Mais c'est quoi les bons taux de précision ?

Donc là, par exemple, l'assureur en question, on est arrivé aux alentours de 93-95% de taux de détection.

C'est des taux qui sont vraiment bien.

Et après, il faut savoir aussi que, par exemple, la détection est très difficile.

Et donc, en fait, il faut l'adapter au use case du client et surtout à sa chaîne d'information.

Parce que ce qu'on voit, c'est que, par exemple, quand on parle avec des assureurs,

ou avec des banques ou d'autres grandes entreprises.

Chaque entreprise va avoir son système d'information avec son traitement des différents contenus.

Et donc, en adaptant aux différents types de traitement des contenus, on va être capable d'adapter les modèles pour avoir des meilleures précisions.