Cloudflare a publié en préversion sur Workers AI, sa plateforme d’exécution de modèles d’IA, « Clairic », un modèle conçu pour extraire des documents les valeurs de champs spécifiés. L’utilisateur indique le nom des champs recherchés, comme un numéro de commande ou un montant de facture, et le modèle renvoie les valeurs au format attendu ainsi qu’un niveau de confiance. Les poids du modèle en accès libre devraient également être publiés prochainement. Cloudflare a aussi présenté un exemple de traitement associant Clairic à un LLM.
Une IA qui extrait des champs, pas qui rédige des textes
Quand on parle d’IA générative, beaucoup pensent à un outil capable de rédiger facilement des textes. Clairic a pourtant un profil presque à l’opposé. Son rôle se limite à extraire des champs précis : « relever le montant total d’une facture » ou « trouver le numéro de commande dans un e-mail », par exemple.
Son fonctionnement présente aussi une particularité. Les LLM classiques génèrent du texte en enchaînant les mots un par un — ou, plus précisément, les jetons. Clairic, lui, ne procède pas ainsi : il renvoie en une seule opération les réponses à tous les champs demandés. Si le document ne contient pas la valeur recherchée, il renvoie « null » (absence de valeur), au lieu de chercher à tout prix une réponse — un comportement adapté aux usages professionnels.
Le modèle serait également capable d’effectuer des calculs simples, des estimations et des prédictions, en plus de l’extraction. En somme, Clairic ne rédige pas : il prépare les informations éparses pour les rendre plus faciles à exploiter.
Les modèles se répartissent le traitement des demandes
L’exemple d’utilisation présenté par Cloudflare est particulièrement instructif. Il porte sur un e-mail de réclamation envoyé par un client. Clairic commence par en extraire le numéro de commande, le montant et la nature des dommages, puis estime le coût de la réparation.
Le modèle de décision « Clef » intervient ensuite. En s’appuyant sur les règles internes de l’entreprise, il choisit entre un remboursement et une réparation. Enfin, le LLM GLM-5.3 rédige la réponse destinée au client.
Ce qui est intéressant, c’est que toutes les tâches ne sont pas confiées à un seul modèle géant. Pour reprendre une analogie avec le monde du travail, l’organisation ressemble à une équipe où une personne à l’accueil rassemble les informations, une autre prend la décision et une troisième, douée pour la rédaction, écrit la réponse. Cloudflare appelle « System One » ces petits modèles chargés d’effectuer rapidement certaines tâches, et envisage de les enchaîner avec des LLM.
À mon sens, c’est cette approche qui est au cœur de l’annonce. Lorsqu’on envisage d’adopter l’IA, on a vite fait de se focaliser sur le choix du modèle le plus intelligent. Pourtant, une fois les tâches professionnelles décomposées, toutes ne nécessitent pas de mobiliser pleinement les capacités d’un modèle. Concevoir des systèmes où les outils sont choisis en fonction des rôles pourrait devenir la norme pour les IA professionnelles.
Les chiffres de rapidité illustrent les effets de cette répartition des tâches
Examinons aussi les chiffres, qui retiennent l’attention. Selon la comparaison de Cloudflare, le traitement en trois étapes présenté plus haut prend 19,3 secondes. En confiant les trois mêmes étapes au seul GLM-5.3, il faut 61,7 secondes, et le coût serait presque deux fois plus élevé.
Ces chiffres concernent toutefois un exemple de traitement précis. On ne retrouvera pas nécessairement le même écart dans toutes les activités : il vaut mieux les considérer comme une indication de ce que peut apporter une répartition des tâches. Il n’en reste pas moins qu’un temps de traitement plus de trois fois supérieur invite à réfléchir à l’intérêt de cette approche.
Les limites sont également clairement exposées. Clairic ne sait pas encore gérer de manière fiable de longues chaînes de calculs. Pour ce type de traitement, les développeurs devront, dans un premier temps, écrire leur propre code.
Un monde où coexistent des modèles spécialisés, capables d’accomplir rapidement et à moindre coût les tâches qu’ils maîtrisent, est toutefois très séduisant pour les professionnels. La répartition des tâches devrait profiter tout particulièrement aux activités standardisées qui génèrent chaque jour de gros volumes, comme le traitement des factures ou la gestion des demandes des clients. Les LLM pourront ainsi se concentrer sur les tâches qu’eux seuls savent accomplir. Clairic donne un aperçu de ce que pourrait être cet avenir.
コメント