Chapitre 10. Déploiement et mise en servicede modèles pour l’IA multimodale
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
Jusqu’à présent, on a surtout abordé l’IA multimodale comme un problème d’ingénierie des données. On a vu comment ingérer des flux variés, les transformer en caractéristiques cohérentes, les stocker et les récupérer efficacement, et les orchestrer à grande échelle. Mais les systèmes d’IA d’entreprise ne prennent vraiment vie dans le monde réel que lorsque le raisonnement multimodal sert de base à la prise de décision et à l’action.
Cette transition est particulièrement visible dans la robotique d’entreprise, où l’inférence n’est pas un aboutissement, mais la boucle opérationnelle elle-même. Un robot qui inspecte une tour de télécommunications ou se déplace dans un centre de données doit traiter des signaux multimodaux en temps réel, tout en respectant des contraintes strictes en matière de latence et de sécurité. L’inférence, ici, c’est un pipeline de données en direct qui collecte, aligne et fusionne des flux sensoriels, puis renvoie des prédictions qui guident le comportement. À ce stade, l’ingénierie des données se fond dans ce qu’on pourrait appelerl’ingénierie de l’inférenc e: la conception de pipelines multimodaux qui ne fonctionnent pas seulement dans la Cloud, mais dans le monde réel, avec des contraintes de latence, de sécurité et de fiabilité.
Pour concrétiser ces ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access