Modèle multimodal
Un modèle multimodal peut traiter plusieurs types de contenus : texte, image, audio ou vidéo.
Ce que cela veut dire
Il permet de poser une question sur une photo, d’analyser un document scanné ou de décrire un graphique. Les capacités et la fiabilité varient selon les modèles et les formats.
Il faut là encore vérifier les informations lues, surtout pour les chiffres et les écritures manuscrites.
Un exemple concret
Un technicien peut envoyer la photo d’une plaque signalétique pour retrouver la référence de l’appareil, avant contrôle.
Termes liés
OCR
L’OCR transforme l’image d’un texte, comme un scan ou une photo, en texte exploitable par un logiciel.
Modèle d’IA
Un modèle d’IA est le programme entraîné qui reçoit une demande et produit une réponse : texte, classement, image ou autre.
Génération d’images
La génération d’images crée un visuel à partir d’une description ou d’une image de référence.
Vous cherchez par où commencer avec l’IA ? J’observe une tâche réelle et nous définissons un premier périmètre à contrôler.
