Quantmetry - Part of Capgemini Invent

Nouveau guide : créez un chatbot qui accède à des données fiables et structurées ! 📚 Vous souhaitez rendre vos chatbots plus intelligents et capables de fournir des réponses précises à vos utilisateurs ? Découvrez notre guide pratique pour apprendre à vos chatbots à utiliser des bases de données fiables et à générer des requêtes SQL précises avec LangChain et GPT-4 d'OpenAI. 🤖 Notre nouvel article de blog, écrit en anglais par Lucas Iscovici et Oussama MOUSTAINE tous les deux data scientists, explique comment combiner la puissance des LLMs avec la précision des requêtes SQL. Vous y trouverez : 🧑💻 Des instructions détaillées sur la préparation et la description des bases de données 🔎 Des techniques pour générer des faits implicites et fournir des réponses explicables 🧠 Des astuces pour ajouter de la mémoire, prévenir les erreurs de syntaxe SQL, et améliorer le contexte et les insights En savoir plus 👉 https://lnkd.in/g4TnmYDT #OpenAI #GPT4 #LangChain #NLP #DataScience #SQL #LLM

Un nouvel article scientifique publié, et présenté à l’une des plus grandes conférences françaises du traitement du langage ⬇️     La semaine dernière, notre ancien Data Scientist Researcher Léandre Adam-Cuvillier était présent aux côtés de notre expert en NLP et Gen AI, Florian Arthur, à la conférence du Traitement Automatique des Langues Naturelles (TALN) à Toulouse. L'occasion de présenter notre papier scientifique rédigé en collaboration avec Pierre-Jean LARPIN, Lead Data Scientists NLP, et Antoine Simoulin, Research Scientist, sur un sujet d’actualité : "Les représentations contextuelles stéréotypées dans les modèles de langue français". 📚     Lors de cette conférence, nous avons présenté nos travaux qui permettent de mieux identifier comment les stéréotypes se reflètent dans les modèles de langue français. Pour cela, nous avons utilisé un ensemble de données nommé StereoSet, initialement créé pour l'anglais, et appliqué la même méthode d'analyse pour explorer ces phénomènes en français. Notre analyse révèle des similitudes avec les résultats pour l'anglais, en particulier la corrélation entre les capacités linguistiques des modèles et la présence de biais mesurables. 📐     Nous avons également mis en avant l'effet des différents types de réseaux neuronaux, qui ont été formés sur divers ensembles de textes. Nos observations démontrent combien les textes utilisés pour l'entraînement des modèles sont déterminants, influençant même les biais présents dans les systèmes de traitement de la langue française.    Pour en savoir plus ? Découvrez notre article au complet : https://lnkd.in/e2a5Xhig     #NLP #Conférence #IA #Data 

⚖ L’AI Act a ce matin été publiée au Journal Officiel, et entrera en vigueur le 1er août. Ce que cela veut dire pour les organisations ? La nouvelle réglementation européenne sur l’intelligence artificielle va connaître une entrée en application progressive jusqu’en 2030. Si cela vous semble loin, gardez en tête que les IA interdites devront avoir disparu dès février 2025… donc dans 8 mois! Le régime de sanctions débutera quant à lui mi-2025, et pour les grands groupes, les sanctions pourraient s’élever à 7% du CA global 💰 Les organisations - publiques et privées - n’ont que quelques mois pour, au minimum, recenser les solutions algorithmiques qu’elles développent ou déploient, et s’assurer qu’aucun de leur service ne met en œuvre une IA prohibée. Pour éviter les difficultés rencontrées pour le RGPD, il faut donc se mettre à l’œuvre dès maintenant ! 📖 Nous vous dévoilerons prochainement un guide pour vous accompagner dans la mise en conformité de l’AI Act. En attendant, n’hésitez pas à contacter Raphael Viné, Gauthier le Courtois du Manoir,  Isabelle Budor, experts sur l’IA de confiance et qui pourront vous aider dans cette étape vers une IA plus responsable. Découvrir l’AI Act 👉 https://lnkd.in/euGfjvqx #IA #ReliableAI #TrustAI #law #AIAct #JO Inès Bedar Etienne Grass

La semaine dernière, Alexandre HENRY, Guillaume Saës et Arthur Phan, nos spécialistes des données temporelles, ont participé à l'International Symposium on Forecasting (ISF), un événement organisé par l'International Institute of Forecasters à Dijon. ⏳ Ils ont révélé les résultats d’un benchmark réalisé en collaboration avec le Lab de Capgemini Invent, qui compare diverses méthodes d’imputation de données manquantes spécialement adaptées aux séries temporelles. L'objectif de cette comparaison étant de déterminer la méthode qui améliore le plus la performance des modèles prédictifs. Les modèles d'imputation comparés par nos experts – Nicolas Brunel et Julien Roussel compris - ont été obtenus via notre librairie open-source Qolmat, référence en la matière et qui est d’ailleurs Scikit-Learn Contrib (ce qui signifie qu'elle s'intègre aisément dans les pipelines de Machine Learning avec scikit-learn 😉). Intervenir dans des conférences, c’est toujours une très belle occasion de discuter des avancées scientifiques et technos, et de nous enrichir les uns les autres. 💬 Pour contribuer à notre librairie Qolmat : https://lnkd.in/edNrguqq #ISFconf2024 #forecasting #timeseries

Comment réduire l’impact environnemental de vos IA ? Découvrez le référentiel général sur l’IA frugale, auquel nous avons contribué aux côtés de Groupe AFNOR, de Ecolab - Greentech Innovation, et de nombreux autres experts. ☘ Les systèmes d'IA nécessitent des ressources numériques performantes et consommatrices, ce n’est plus une surprise. Ils posent des défis environnementaux importants, auxquels nous réfléchissons au quotidien. Dans le but de réduire globalement cet impact, nous nous sommes engagés dans un groupe de travail réunissant 150 experts du monde académique, industriel, associatif et public pour créer un référentiel accessible à tous sur l’IA frugale, l’un des piliers de l’AI Act. Grâce à ce guide, vous pourrez : ➡️ Mieux comprendre la terminologie de l’IA frugale ➡️ Établir une méthode fiable pour évaluer l'impact environnemental de l'IA. ➡️ Compiler et mettre en oeuvre les meilleures pratiques pour une IA plus respectueuse de l'environnement. ➡️ Fournir un cadre de référence pour valoriser les compétences en IA frugale. Vous souhaitez en savoir plus ? L'AFNOR et le Ministère de la Transition Écologique organisent un webinaire de présentation aujourd’hui à 13h. 👉 Découvrez le référentiel : https://lnkd.in/eu2AtMqg 👉 Résumé du référentiel : https://lnkd.in/e72X5yzp 👉 Inscrivez-vous à la présentation en ligne qui se déroulera tout à l'heure de 13h à 14h : https://lnkd.in/ehethMu3 #IA #Environnement #Innovation #Frugalité Geoffray Brelurut Noémie Vaudry Blaise Martin Chauvin

Deep Learning vs LGBM : quelle approche privilégier pour les prévisions des séries temporelles ? 🕒 Dans le domaine du forecasting, le choix du modèle approprié peut être crucial. Alors que les modèles ensemblistes tels que le Light Gradient Boosting Machine (LGBM) continuent de dominer les mises en production, l’émergence des modèles basés sur les Transformers, spécialement basés sur les Transformers, suscite un intérêt croissant. 📈 Nous avons exploré cette dynamique en comparant le Temporal Fusion Transformer (TFT) et le LGBM sur des données de consommation d'électricité réelles en France fournies par Enedis. Découvrez dans notre nouvel article rédigé par Rima Hajou, Pierre Loviton Dionisi, et Adnene Khalbous, tous Data Scientits, comment ces modèles se comportent face aux défis réels de prévision et quelles implications leurs performances pourraient avoir sur les choix technologiques dans l'industrie de l'énergie. Pour lire l'article complet 👉 https://lnkd.in/e7SzP8uT Découvrez nos articles 👉 https://lnkd.in/gHEsqp4 #DeepLearning #LGBM #DataScience #Forecasting #MachineLearning

Une collaboration réussie entre utilisateurs et développeurs donne naissance à la nouvelle mise à jour de notre solution open source MAPIE v0.8.6 ! 🌟 Récemment, grâce à l'alerte d'un utilisateur, nous avons identifié et corrigé un bug lié à la validité de nos algorithmes sur des jeux de données très réduits. Cette découverte a mobilisé notre équipe dès la notification du défaut, qui a travaillé d'arrache-pied pour analyser et résoudre le problème 🔎 Leurs efforts ont abouti non seulement à la résolution de ce bug mais aussi à la création d'un notebook détaillé, démontrant la correction apportée. Nous sommes fiers de vous présenter le dernier patch de MAPIE, rendant plus robuste nos algorithmes d'estimation d'incertitude en régression sur des jeux de données réduits. 💪 Ce patch est le fruit du dynamisme de notre communauté et de la réactivité de nos équipes, qui contribuent à rendre MAPIE chaque jour plus robuste et fiable. Un grand merci aux utilisateurs de faire vivre et évoluer notre librairie en nous donnant des retours positifs et axes d'amélioration ! 🔗 Découvrez le notebook : https://lnkd.in/gCE9mSaN 🔗 Explorez les nouveautés de MAPIE : https://lnkd.in/g7pX6Yf9 #OpenSource #MachineLearning #MAPIE #Innovation Nicolas Brunel Thibault Cordier Vincent Blot Louis Lacombe Candice Moyet

Capgemini reconnu comme leader dans les services d’IA, par le rapport The Forrester Wave: AI Services 🏆     Dans ce rapport réalisé par Forrester Research, 40 fournisseurs de services d'IA ont été évalués selon des critères rigoureux. Capgemini a été salué, par ses clients de référence, pour son leadership éclairé et a obtenu les notes maximales pour sa vision stratégique, sa capacité d'innovation, et son engagement communautaire. 🚀    Selon Forrester, notre excellence réside dans une approche proactive de la gestion du changement et un engagement continu dans la formation et le coaching des dirigeants, visant à optimiser l'intégration de l’IA et le pilotage d'une entreprise avec ces outils à base d’IA.      Cette transition vers des opérations guidées par l'IA ouvre la voie à des applications plus avancées comme l'IA générative, qui constitue un pilier des services proposés par Quantmetry et Capgemini Invent. L'IA générative est un vecteur clé d’innovation et de création de valeur pour nos clients, et nous sommes fiers d’être parmi les leaders sur le sujet. 🛡️      Pour en savoir plus sur le rapport : https://lnkd.in/enNWZKx9     #Rapport #Innovation #GenAI #ForresterWave Eric Grumblatt Pierre Demeulemeester Jonathan CASSAIGNE

La fiabilité des statistiques au programme du Spring Meeting 2024 de Dortmund 🇩🇪 Le mois dernier, nous avons participé à la grande messe annuelle de ENBIS - European Network for Business and Industrial Statistics, une organisation européenne dédiée à la promotion et à l'application des statistiques dans les domaines industriels. Cette conférence, qui rassemblait une cinquantaine de statisticiens universitaires et industriels, avait pour thème principal : "Trustworthy Industrial Data Science" Cette année, l’objectif était de renforcer le rôle des modèles statistiques et du machine learning dans la data science, en mettant particulièrement l'accent sur leur fiabilité ⚖️ Nicolas Brunel, Directeur Scientifique du Lab, a eu l'opportunité de donner une conférence sur l'IA de confiance, en se concentrant spécifiquement sur l'inférence statistique pour une IA de confiance (Statistical Inference for Trustworthy AI). Il a notamment rappelé l'importance de définir et d'utiliser des méthodologies statistiques rigoureuses pour mesurer et contrôler l'explicabilité et la quantification des incertitudes, que ce soit à travers les variables, la construction d'estimateurs statistiques ou l'utilisation d'outils open source de prédictions conformes comme MAPIE 😉 Merci à ENBIS de nous avoir invités à cette conférence pour partager notre vision de l'IA de confiance. 🤝 Découvrez notre librairie permettant d'implémenter des prédictions conformes et de quantifier les incertitudes : https://lnkd.in/e5GjSN5 #IA #Data #Conférence #ReliableAI Crédit Photo : ENBIS

Cette année encore, nous aurons la chance d’intervenir à la conférence COPA (Conformal and Probabilistic Prediction with Applications), le rendez-vous international et incontournable de la recherche en matière de prédictions conformes et probabilistes ! 📍 Cette 13ème conférence se tiendra à Milan du 9 au 11 septembre 2024. Notre Docteur Thibault Cordier a été invité à présenter un tutoriel sur MAPIE, notre solution aux 1200 stars sur Github, permettant de gérer les incertitudes liées aux prédictions des modèles d’IA. Il montrera comment MAPIE peut être utilisé pour des tâches allant de la classification et de la régression, en passant par des applications plus complexes comme la classification multi-label et les séries temporelles. ⌛️ Merci à Matteo Fontana et Simone Vantini d’avoir pensé à nous. Nous sommes heureux de pouvoir contribuer à l'adoption des prédictions conformes par la communauté. 👏 En savoir plus sur la conférence COPA : https://lnkd.in/dhTbgkVd Découvrez notre solution sur GitHub : https://lnkd.in/e5GjSN5 #COPA2024 #MAPIE #Innovation #ConformalPrediction #MachineLearning Nicolas Brunel Vincent Blot Louis Lacombe Candice Moyet