Vous avez choisi un fournisseur de modèles il y a 18 mois. Aujourd'hui, ce même produit coûte deux fois moins cher ailleurs, et la version sur laquelle vous vous êtes basé devrait être retirée au troisième trimestre.
Une architecture d'IA indépendante du modèle est une approche qui considère la couche du modèle comme interchangeable, ce qui permet à la plateforme de passer d'un modèle à l'autre sans avoir à reconstruire les applications ni à compromettre la qualité des réponses.
Le paysage des modèles d'IA n'est pas stable. Les fournisseurs mettent à jour, déprécient et remplacent sans cesse leurs modèles. Les entreprises qui se sont fixées sur un seul modèle subissent ces changements, qu'elles l'aient prévu ou non.
Points clés à retenir
- Grâce à son architecture d'IA indépendante du modèle, la plateforme peut passer d'un modèle à l'autre en temps réel sans compromettre la qualité des réponses, la gouvernance ou la traçabilité.
- La plupart des plateformes dites « indépendantes du modèle » proposent une abstraction via une API (routage par modèle), mais elles restent dépendantes du modèle pour générer les réponses. Si le modèle change, les réponses changent également.
- Un véritable agnosticisme en matière de modèles nécessite une architecture axée sur la connaissance : des réponses ancrées dans des intentions bien définies, où les modèles sont au service de la connaissance, et non l'inverse.
- Prenez rendez-vous pour une démonstration et découvrez comment notre IA CX, indépendante de tout modèle, s'intègre à votre infrastructure.
Qu'est-ce qu'une architecture d'IA indépendante du modèle ?
Une architecture d'IA indépendante du modèle est une approche de conception dans laquelle la plateforme d'IA fonctionne indépendamment de tout modèle ou fournisseur de modèles spécifique.
La plateforme permet d'intégrer, d'évaluer et de basculer entre des modèles provenant de différents fournisseurs sans qu'il soit nécessaire de réécrire ou de redéployer les applications.
En matière d'expérience client en entreprise, cela signifie que l'IA qui répond aujourd'hui aux questions des clients continuera de fonctionner avec précision même si le modèle sous-jacent venait à changer demain.
Les plateformes dépendantes des modèles placent le modèle au cœur de la réponse. Les plateformes indépendantes des modèles placent les connaissances gérées au centre et utilisent les modèles comme des composants interchangeables.
L'architecture à trois niveaux pour une IA axée sur l'expérience client indépendante du modèle
L'IA CX indépendante du modèle est structurée en trois couches, chacune ayant une fonction distincte.
Niveau 1 : Boîte à outils d'expérience client basée sur l'IA
Les canaux en contact avec la clientèle : IA vocale, assistants de chat virtuels, moteur de recherche d'entreprise, démonstrations interactives, assistance aux agents.
C'est avec cette couche que les clients et les employés interagissent. Son fonctionnement repose sur les couches 2 et 3, mais elle ne dépend d'aucun modèle spécifique.
Couche 2 : Structuration et orchestration des connaissances
Le contenu d'entreprise est ingéré, structuré en intentions régies et rendu accessible grâce à l'orchestration par l'IA.
L'orchestration de l'IA coordonne, achemine et gère plusieurs systèmes, modèles, outils et sources de données d'IA afin qu'ils fonctionnent ensemble pour offrir une expérience unique et fiable.
Il s'agit du cœur architectural de l'agnosticisme des modèles. Les réponses proviennent de cette couche, et non du modèle.
Couche 3 : Connecteurs de base et substrat du modèle
Les modules d'alimentation en données extraient le contenu des systèmes sources (CMS, CRM, référentiels de documents, transcriptions vocales).
Les fournisseurs de modèles sont connectés à ce niveau en tant que composants interchangeables. Les modèles se chargent de la compréhension conversationnelle et de l'enrichissement linguistique, mais pas de la génération de réponses.
Cette architecture fonctionne parce que les couches 1 et 2 ne dépendent d'aucun composant spécifique de la couche 3.
Même si l'on remplace un fournisseur de LLM par un autre, la couche 1 continue de fournir aux clients les mêmes réponses, issues des connaissances contrôlées de la couche 2. Le système résiste au changement de modèle, car ce n'est pas le modèle qui est à l'origine de la réponse.
Meilleures pratiques et principes de conception pour une architecture indépendante du modèle
Six principes distinguent les affirmations indépendantes du modèle de l'architecture indépendante du modèle.
Fondez les réponses sur les connaissances, et non sur les modèles. Toute réponse destinée au client repose sur un contenu contrôlé, et non sur la génération d'un modèle. Sans ce fondement, chaque modification du modèle entraîne une baisse de la qualité des réponses.
Il faut considérer les modèles comme une infrastructure, et non comme un produit. Les modèles sont des composants interchangeables au sein d'un système plus vaste, dont l'évaluation repose sur le coût, la latence, la couverture linguistique et l'adéquation des capacités. Les choix architecturaux ne sont pas liés à des fournisseurs spécifiques.
Mettez en place une gouvernance au niveau de la couche de connaissances, et non au niveau de la couche de modèles. La traçabilité , le contrôle des versions et la conformité s'appliquent aux intentions régies. Le remplacement des modèles n'invalide pas les pistes d'audit et ne déclenche pas de nouvelle certification.
Évaluez les modèles en continu, et non pas une seule fois. De nouveaux modèles sont publiés chaque trimestre. La plateforme doit faire de l'évaluation et de l'intégration des alternatives une tâche opérationnelle courante, et non un projet de refonte de l'architecture.
Il convient de distinguer les chemins de réponse déterministes des chemins génératifs. Les chemins déterministes s'appuient sur des connaissances prédéfinies et produisent des réponses prévisibles et vérifiables. Les chemins génératifs assurent la fluidité de la conversation. Ces deux types de chemins doivent pouvoir être séparés sur le plan architectural.
Dissocier la prise en charge linguistique de la dépendance vis-à-vis du modèle. La capacité multilingue réside dans la couche de connaissances, et non dans le fait qu’un grand modèle de langage (LLM) spécifique parle portugais. La prise en charge linguistique reste inchangée malgré les changements de modèle.
Le piège des hyperscalers : pourquoi l'accès aux modèles n'est pas synonyme d'agnosticisme vis-à-vis des modèles
La plupart des plateformes se présentent comme « indépendantes des modèles » en proposant une intégration avec plusieurs fournisseurs de modèles de langage (LLM). Il s'agit là de routage des modèles, et non d'indépendance vis-à-vis des modèles, et cette distinction est importante.
Le routage par modèle signifie que la plateforme peut appeler différents modèles lors de l'exécution. C'est toujours le modèle qui génère la réponse. Si le modèle change, la réponse change également.
La plateforme est protégée contre les différences au niveau des API, mais pas contre les baisses de qualité des réponses.
L'agnosticisme en matière de modèles signifie que les réponses de la plateforme ne dépendent pas du modèle utilisé. Les réponses proviennent d'une base de connaissances contrôlée.
Les modèles permettent la compréhension du langage et la gestion des conversations. Même si l'on remplace un modèle par un autre, la réponse donnée au client reste inchangée.
Le piège des hyperscalers réside dans l'idée selon laquelle le fait d'acheter des solutions d'IA auprès d'un grand fournisseur de cloud garantit l'agnosticisme des modèles, car le cloud propose un catalogue de modèles.
Le cloud permet d'accéder à des modèles. La plateforme qui s'appuie dessus utilise ou non des connaissances contrôlées pour étayer ses réponses. L'hyper-scaleur n'a aucune influence sur ce choix.
Test pratique : déployez une question sur la plateforme à l'aide du modèle A, puis redéployez la même question sur le même contenu à l'aide du modèle B.
Si la réponse donnée au client diffère sensiblement, la plateforme dépend du modèle utilisé, quelles que soient les indications figurant dans son catalogue.
La dérive des modèles et l'obsolescence des grands modèles de langage : un risque que personne ne prévoit
Les modèles peuvent évoluer de deux manières. Le fournisseur met à jour le modèle sous la même chaîne de version, et le comportement change sans préavis.
Ou bien le fournisseur abandonne complètement le modèle, et la plateforme doit alors migrer vers une version plus récente. Ces deux situations se produisent selon le calendrier du fournisseur, et non selon le vôtre.
Une plateforme liée à un modèle spécifique assume le risque d'obsolescence dans son bilan.
Cette mesure d'atténuation est d'ordre architectural. Les plateformes axées sur la connaissance génèrent des réponses à partir d'intentions contrôlées, et non à partir de la génération dynamique du modèle.
Le comportement du modèle peut varier sans que cela n'affecte les réponses fournies au client, car celles-ci n'ont pas été générées par le modèle. Elles ont été extraites d'une base de connaissances validée et transmises via la couche conversationnelle du modèle.
Les entreprises qui ont mis en place des plans d'action pluriannuels en matière d'IA ne peuvent pas se permettre de compter sur la stabilité d'un seul modèle. L'architecture doit pouvoir s'adapter aux changements de fournisseur comme s'il s'agissait d'une procédure courante, et non d'un projet de migration vers une nouvelle plateforme.
Ce que signifie l'agnosticisme en matière de modèles pour les secteurs réglementés
Dans les secteurs des services financiers, des jeux d'argent et de hasard en ligne, du voyage et de l'hôtellerie, ainsi que du SaaS B2B destiné à une clientèle soumise à une réglementation, l'agnosticisme des modèles est une exigence de conformité, et non une simple mesure d'optimisation des coûts.
Les autorités de régulation exigent des preuves documentées de la gouvernance des modèles. Les dispositions de la norme SR 11-7, de la circulaire OCC 2011-12 et de la loi européenne sur l'IA partent toutes du principe que le processus décisionnel du système d'IA doit pouvoir être examiné et justifié.
Une plateforme qui dépend des modèles et qui en change en cours de cycle invalide la validation effectuée précédemment. L'équipe chargée de la conformité doit alors revalider chaque canal, chaque type d'interaction et chaque langue.
Une plateforme indépendante du modèle, fondée sur des connaissances contrôlées, garantit la stabilité du processus décisionnel validé malgré les changements de modèle.
Le format de la piste d'audit reste inchangé. La mention de la source reste inchangée. L'équipe chargée de la conformité n'a pas à payer pour une nouvelle certification chaque fois qu'un fournisseur abandonne une version.
De même, le RGPD s'intéresse aux registres de traitement. Un déploiement d'IA de type « boîte noire » avec un processus de génération probabiliste doit reconstituer ces registres de manière statistique.
Un déploiement indépendant du modèle et axé sur les connaissances génère les enregistrements de manière native, tout en garantissant la stabilité malgré les changements de modèle.
La question que se pose l'acheteur réglementé n'est pas « la plateforme est-elle indépendante du modèle ? », mais « si mon fournisseur de modèles change en cours de contrat, dois-je refaire tout mon travail de conformité ? »
La solution architecturale détermine la solution opérationnelle.
Comment Encore propose une IA dédiée à l'expérience client indépendante du modèle
De par son architecture, Encore est indépendant du modèle. La couche modèle est considérée comme une infrastructure.
Les réponses sont ancrées dans la couche d'ingénierie des connaissances, qui contient des intentions régulées indépendantes de tout modèle spécifique.
L'intelligence programmée, qui s'appuie sur l'architecture à double LLM d'Encore, distingue la compréhension conversationnelle de la génération de réponses.
Les grands modèles linguistiques (LLM) traitent le langage : ils analysent ce que le client a voulu dire et formulent la réponse dans le registre et le langage appropriés. Un système de recherche propriétaire extrait la réponse elle-même de la base de connaissances contrôlée.
Les modèles peuvent être remplacés au niveau de la couche conversationnelle sans que cela n'affecte la source de la réponse.
La gouvernance « Glass Box » s'applique au niveau de la couche de connaissances. Les pistes d'audit, l'historique des versions et l'attribution des sources restent inchangés malgré les modifications apportées aux modèles.
Les équipes chargées de la conformité ne procèdent pas à une nouvelle certification lorsqu'un fournisseur cesse de prendre en charge un modèle.
Plus de 850 intégrations prêtes à l'emploi permettent de se connecter aux systèmes sources. Plus de 90 langues, dont plus de 35 prises en charge en natif, sont gérées à partir d'une interface unique, la couverture linguistique étant indépendante des données d'entraînement de tout modèle de langage (LLM) particulier.
Encore surveille en permanence les interactions et met en évidence les possibilités d'optimisation, afin que la base de connaissances évolue au rythme de l'entreprise.
Encore a reçu le TSIA Star Award, qui atteste de la conformité de la plateforme aux normes de référence en matière d'expérience client (CX) pour les entreprises.
BBVA, l'une des principales institutions financières d'Espagne, a collaboré avec Inbenta pour réduire le nombre d'appels vers son réseau d'agences commerciales, le faisant passer de 71 % à 11 % de l'ensemble des interactions en l'espace de douze mois.
Neoenergia, le fournisseur d'énergie brésilien qui dessert 37 millions de personnes, traite environ 1,5 million d'échanges avec ses clients chaque mois grâce à un assistant IA sur WhatsApp développé avec Inbenta.
GOL Airlines traite plus de 10 millions de demandes de clients chaque année grâce à une traçabilité de bout en bout, toutes langues confondues.
Si votre feuille de route en matière d'IA s'étend sur une période plus longue que le cycle moyen de publication des modèles, l'agnosticisme vis-à-vis des modèles est une exigence architecturale. Réservez une démonstration pour découvrir comment Encore dissocie votre programme d'IA de tout fournisseur de modèles spécifique.
Foire aux questions
Quelle est la différence entre le routage indépendant du modèle et le routage par modèle ?
Le routage des modèles signifie que la plateforme peut faire appel à différents modèles de langage (LLM) au moment de l'exécution ; c'est toujours le modèle qui génère la réponse, de sorte que le fait de changer de modèle modifie les réponses.
L'agnosticisme des modèles signifie que les réponses proviennent des connaissances gérées, et non du modèle. Le fait de changer de modèle n'altère en rien les réponses fournies aux clients.
Pourquoi l'agnosticisme en matière de modèles est-il important pour l'expérience client en entreprise ?
Les modèles sont mis à jour, retirés de la vente et leurs tarifs modifiés selon le calendrier du fournisseur.
Une plateforme CX dépendante du modèle intègre ces changements sous forme de baisses de la qualité des réponses et de travaux de recertification. Une plateforme indépendante du modèle les intègre comme des modifications d'infrastructure courantes, sans incidence sur l'expérience client.
En quoi l'architecture axée sur les connaissances permet-elle l'agnosticisme vis-à-vis des modèles ?
Une architecture axée sur la connaissance fonde les réponses sur une couche d'ingénierie des connaissances bien encadrée plutôt que sur la génération de modèles.
Les modèles contribuent à la compréhension conversationnelle. Les réponses proviennent d'une base de connaissances validée. Le fait de changer de modèle ne modifie pas la source des réponses, ce qui rend l'agnosticisme structurel.
Une plateforme indépendante du modèle peut-elle tout de même recourir à un fournisseur de modèles privilégié ?
Oui. L'agnosticisme vis-à-vis des modèles n'implique pas nécessairement l'utilisation simultanée de plusieurs fournisseurs. Cela signifie simplement que la plateforme n'est pas, d'un point de vue architectural, liée à un fournisseur en particulier.
Les entreprises peuvent opter pour le modèle de leur choix tout en conservant la possibilité de l'évaluer et d'en changer sans avoir à refondre leurs applications.
Quels sont les avantages réglementaires d'une IA indépendante du modèle ?
La documentation destinée aux autorités de régulation (SR 11-7, OCC 2011-12, loi européenne sur l'IA, registres de traitement au titre du RGPD) repose sur des processus décisionnels stables.
Une architecture indépendante des modèles garantit que le processus décisionnel reste ancré dans des connaissances contrôlées, même en cas de modification des modèles, ce qui évite de devoir refaire le travail de conformité à chaque fois qu'un fournisseur met à jour un modèle.
Comment déterminer si une plateforme d'IA est véritablement indépendante du modèle ?
Exécutez la même requête client sur la plateforme en utilisant deux modèles différents.
Si la réponse fournie au client diffère sensiblement, cela signifie que la plateforme dépend du modèle utilisé, quelles que soient les affirmations marketing. Un véritable agnosticisme implique que la réponse découle d'une base de connaissances structurée, et non du modèle utilisé.
Si la dépendance à un modèle spécifique est un risque que votre programme d'IA n'a pas pris en compte au niveau de son architecture, le prochain changement de fournisseur le mettra en évidence. Prenez rendez-vous pour une démonstration afin de découvrir comment Encore dissocie l'IA destinée aux clients de tout modèle particulier.
Articles connexes
