IA multimodale
Une IA utilisant plusieurs types d’information, comme texte, image ou son, en entrée ou sortie.
Qu’est-ce que l’IA multimodale ?
L’IA multimodale traite ou génère plusieurs types d’information : texte, images ou son, par exemple. Un modèle peut considérer plusieurs entrées ensemble et ne produire que du texte. Les combinaisons dépendent du modèle et de son intégration. Le terme ne promet pas de comprendre toute entrée ni de produire toute sortie.
Dans un cas de service fictif, le modèle reçoit une photo d’équipement et une note écrite. Les deux sources doivent aider ensemble l’évaluation. Si la plaque signalétique est illisible, le parcours doit prévoir une clarification plutôt qu’un identifiant non étayé. L’équipe vérifie que les contenus réels de l’image et du texte soutiennent les résultats. Des entrées supplémentaires apportent du contexte sans remplacer ce contrôle.
Sources
Termes associés
- Réseau de neuronesUn modèle de nœuds de calcul reliés avec des paramètres ajustables.
- Grand modèle de langageUn grand modèle de langage traite la langue à partir de motifs appris. Un texte fluide ne prouve ni son exactitude ni l’accès aux données à jour.
- Transcription automatique de la paroleTransformer la parole présente dans un enregistrement audio en texte.
- Synthèse vocaleProduire une parole synthétique à partir de texte écrit.
- Reconnaissance optique de caractèresLa reconnaissance optique de caractères rend exploitable le texte d’une image. Lire un montant ne constitue pas une vérification métier de la facture.
- Fiche de modèleUne fiche de modèle documente l’objectif, les bases, les conditions d’évaluation et les limites connues d’une version donnée d’un modèle d’IA.
Articles sur le sujet
IA & automatisation avec ASES
Assistants IA et processus automatisés