Amazon dévoile un modèle de décision open source face à une demande croissante pour l’automatisation par l’IA
Amazon Web Services a annoncé le lancement de Strands Decider 2B, un modèle de décision open source conçu pour améliorer l’automatisation des ordinateurs. Ce développement reflète une tendance croissante parmi les développeurs d’IA à rechercher des alternatives aux modèles de langage plus conventionnels, en particulier ceux nécessitant d’importantes ressources computationnelles. Cette annonce coïncide avec des offres similaires de concurrents, notamment OpenAI, illustrant le paysage concurrentiel des outils de prise de décision en IA.
Le Strands Decider 2B permet un tri rapide des options prédéterminées tout en fournissant une mesure de confiance pour chaque choix. Ce modèle est entièrement open source et peut être exécuté localement, ce qui le rend accessible pour diverses applications et développeurs. Selon Marc Brooker, ingénieur distingué chez Amazon, cette initiative découle de ses propres expérimentations avec le modèle Jev, qui avait brièvement dominé le classement Jevbench pour des modèles similaires.
Les ingénieurs d’Amazon ont affiné ce projet interne couronné de succès, conduisant à sa publication officielle dans le cadre de Strands Labs, une organisation axée sur le développement d’outils innovants pour les agents IA. Brooker a souligné la nécessité de tels modèles lors de discussions avec des clients d’AWS, qui ont exprimé un souhait pour des options ne nécessitant pas les capacités complètes de modèles de langage plus coûteux.
« Ce qui a d’abord éveillé mon intérêt pour cette catégorie de modèles, c’est qu’ils constituent un décideur parfait pour une étape de workflow : ‘quelle est la prochaine action à réaliser ici, en fonction de ma situation ?’ » a déclaré Brooker. Il a noté que le Strands Decider 2B offre un workflow plus fiable en raison de ses scores de confiance et de ses domaines de réponse triés, ce qui pourrait entraîner des coûts et une latence plus faibles par rapport aux modèles traditionnels.
Le Strands Decider est construit sur une architecture simplifiée d’un modèle de langage, spécifiquement Qen3.5-2B. Contrairement aux modèles standards qui génèrent du texte, celui-ci se concentre sur la délivrance de décisions calibrées. Cette approche s’aligne avec le modèle de TypeSafe, nommé Jev en hommage à l’économiste William Stanley Jevons, qui vise à symboliser la relation entre la baisse des coûts de production et l’augmentation de la demande d’intelligence.
L’émergence de nombreux modèles similaires depuis l’introduction de TypeSafe indique un intérêt robuste pour ce secteur, tout en soulevant des questions sur leur efficacité globale. Brooker a mis en garde que l’optimisation de la prise de décision rapide tout en maintenant une certaine intelligence représente un défi considérable. « Il y a un équilibre très délicat à trouver où l’on veut améliorer les performances sur la précision et la calibration de ce type de tâches, sans dégrader ses capacités à comprendre différentes langues, » a-t-il expliqué.
Malgré la concurrence croissante, Brooker ne s’attend pas à ce que les laboratoires de pointe monopolisent ce segment de marché, surtout étant donné que l’investissement financier nécessaire pour développer des modèles intéressants reste modeste, allant de centaines à milliers de dollars.
TypeSafe se concentre apparemment sur l’amélioration de ses prochains modèles. Le PDG Diogo Almeida a déclaré que l’amélioration continue est essentielle, en remarquant : « Je comprends que les gens pensent qu’il s’agit d’une ruée vers l’or, mais ils pourraient sous-estimer la difficulté de rendre les modèles réellement intelligents. » Il a affirmé qu’une véritable concurrence dans le domaine n’a pas encore vu le jour, suggérant que de nombreux nouveaux entrants sont plus préoccupés par des innovations architecturales que par la création de solutions véritablement intelligentes.
