Les notions
Multimodal
Aussi appelé : modèle multimodal
Définition
Un modèle multimodal sait traiter plusieurs types de contenus dans la même conversation : texte, images, captures d’écran, PDF, tableaux, parfois audio.
Comment ça fonctionne
On peut par exemple lui transmettre la photo d’un tableau blanc, un plan, un graphique ou un document scanné et lui demander de l’analyser ou de le transcrire.
La qualité de lecture dépend de la netteté du document et de sa complexité. Les tableaux denses et les écritures manuscrites demandent une vérification attentive.
En entreprise
Le multimodal ouvre des usages concrets : extraire les données d’une facture, décrire un graphique pour un rapport, comparer deux versions d’un plan ou relire une présentation.
Voir aussi
- Grand modèle de langageUn grand modèle de langage, ou LLM, est un modèle d’IA entraîné sur d’immenses volumes de texte pour prédire la suite la plus probable d’un texte. C’est le moteur de Claude, ChatGPT, Gemini ou Mistral.
- IA générativeL’IA générative est une famille de modèles capables de produire un contenu nouveau, texte, image, code ou son, à partir d’une consigne rédigée en langage courant.
- HallucinationUne hallucination est une réponse d’IA fausse ou inventée, présentée avec la même assurance qu’une réponse exacte : un chiffre erroné, une source qui n’existe pas, une clause mal citée.