Microsoft a mis au point une solution pour résoudre le problème des sollicitations de l’IA, des réponses qui ne répondent pas aux attentes, et du cycle qui se répète. Cette inefficacité est une perte de ressources. Le « cycle d’essais et d’erreurs peut sembler imprévisible et décourageant », transformant ce qui devrait être un booster de productivité en une perte de temps. Les travailleurs du savoir passent souvent plus de temps à gérer l’interaction elle-même qu’à comprendre le contenu qu’ils espéraient apprendre.
Microsoft a lancé Promptions (sollicitation + options), un cadre d’interface utilisateur conçu pour résoudre ce problème en remplaçant les demandes vagues en langage naturel par des contrôles d’interface précis et dynamiques. Cet outil open-source offre une méthode pour standardiser la manière dont les travailleurs interagissent avec de grands modèles de langage (LLMs), en passant d’une discussion non structurée à des flux de travail guidés et fiables.
L’attention du public se concentre souvent sur la production de texte ou d’images par l’IA, mais une composante massive de l’utilisation en entreprise concerne la compréhension – demander à l’IA d’expliquer, de clarifier ou d’enseigner. Cette distinction est essentielle pour les outils internes.
Les interfaces de discussion actuelles captent rarement efficacement cette intention. Les utilisateurs constatent souvent que la manière dont ils formulent une question ne correspond pas au niveau de détail requis par l’IA. « Clarifier ce qu’ils veulent vraiment peut nécessiter de longues demandes soigneusement formulées qui sont fatigantes à produire », explique Microsoft.
Promptions agit comme une couche intermédiaire pour résoudre ce problème familier avec les sollicitations de l’IA. Au lieu de forcer les utilisateurs à taper de longues spécifications, le système analyse l’intention et l’historique de la conversation pour générer en temps réel des options cliquables – telles que la longueur de l’explication, le ton ou les domaines d’intérêt spécifiques.
Les chercheurs de Microsoft ont testé cette approche en comparant des contrôles statiques avec le nouveau système dynamique. Les résultats offrent une vision réaliste de la manière dont de tels outils fonctionnent dans un environnement réel.
Les participants ont constamment rapporté que les contrôles dynamiques facilitaient l’expression des détails de leurs tâches sans avoir à reformuler constamment leurs demandes. Cela a réduit l’effort d’ingénierie des sollicitations et a permis aux utilisateurs de se concentrer davantage sur la compréhension du contenu que sur la gestion des mécanismes de formulation. En proposant des options telles que « Objectif d’apprentissage » et « Format de réponse », le système a incité les participants à réfléchir de manière plus délibérée à leurs objectifs.
Cependant, l’adoption comporte des compromis. Les participants ont apprécié l’adaptabilité mais ont également trouvé le système plus difficile à interpréter. Certains ont eu du mal à anticiper comment une option sélectionnée influencerait la réponse, notant que les contrôles semblaient opaques car l’effet devenait évident seulement après l’apparition de la sortie.
Cela souligne un équilibre à trouver. Les interfaces dynamiques peuvent rationaliser des tâches complexes mais peuvent introduire une courbe d’apprentissage où la connexion entre une case à cocher et la sortie finale nécessite une adaptation de l’utilisateur.
Promptions est conçu pour être léger, fonctionnant comme une couche intermédiaire entre l’utilisateur et le modèle de langage sous-jacent.
L’architecture se compose de deux composants principaux :
– Module d’options : examine la demande de l’utilisateur et l’historique de la conversation pour générer des éléments d’interface utilisateur pertinents.
– Module de discussion : intègre ces sélections pour produire la réponse de l’IA.
Cette conception sans état atténue les préoccupations de gouvernance des données généralement associées aux superpositions d’IA complexes.
Passer de « l’ingénierie des sollicitations » à « la sélection des sollicitations » offre un chemin vers des résultats d’IA plus cohérents au sein d’une organisation. En mettant en œuvre des cadres d’interface utilisateur qui guident l’intention de l’utilisateur, les responsables technologiques peuvent réduire la variabilité des réponses de l’IA et améliorer l’efficacité de la main-d’œuvre.
Le succès dépend de l’étalonnage. Des défis d’utilisabilité subsistent concernant la manière dont les options dynamiques influencent la sortie de l’IA et la gestion de la complexité de plusieurs contrôles. Les dirigeants devraient considérer cela non pas comme une solution complète pour résoudre les résultats des sollicitations de l’IA, mais comme un modèle de conception à tester dans leurs plates-formes de développement interne et outils de support.
Pour en savoir plus sur l’IA et le big data auprès des leaders du secteur, consultez l’AI & Big Data Expo qui se tiendra à Amsterdam, en Californie et à Londres. Cet événement complet fait partie de TechEx et est organisé conjointement avec d’autres événements technologiques de premier plan. Cliquez ici pour plus d’informations.
AI News est propulsé par TechForge Media. Explorez d’autres événements et webinaires technologiques d’entreprise à venir ici.