SHA enrichit les capacités de sa plateforme INTRA avec l’introduction du fine-tuning supervisé des LLMs (Large Language Models). Cette nouvelle fonctionnalité vient compléter le fine-tuning non supervisé déjà existant, offrant ainsi une approche duale pour optimiser les performances de l’IA et améliorer la Gestion de Connaissances de l’entreprise.
Cette approche duale renforce la capacité d’INTRA à :
- Fournir des réponses précises basées sur la connaissance interne de l’entreprise.
- S’adapter à des domaines sectoriels spécifiques.
- S’améliorer en continu grâce à l’apprentissage supervisé guidé par les utilisateurs.
Avec le fine-tuning non supervisé, INTRA adaptait déjà les modèles ouverts à partir du corpus propriétaire du client, auquel pouvait être ajoutés des domaines spécifiques liés à la nature de son activité. Ainsi, les modèles assimilaient la terminologie, la documentation et les processus internes propres à chaque organisation.
Désormais, grâce au fine-tuning supervisé, INTRA va encore plus loin : le système apprend directement des questions posées par les utilisateurs et des réponses générées par les LLMs. Ce processus d’apprentissage itératif affine progressivement le modèle, augmentant la précision et la pertinence lors des interactions réelles.
« En combinant le fine-tuning supervisé et non supervisé, INTRA permet aux organisations de construire une IA véritablement adaptative : formée sur leur corpus propriétaire et perfectionnée grâce aux interactions réelles des utilisateurs, » a déclaré José Luis Caaveiro, CEO de SHA.
Pour plus d’informations, veuillez contacter : mc@sha-saas.com
