fr.wedoany.com Rapport : KT (Korea Telecom) a développé son propre KT RAG basé sur la technologie de génération augmentée de récupération (RAG). Cette technologie vise à améliorer la précision des moteurs de recherche IA, avec pour avantage différenciateur la possibilité d’être optimisée pour différents secteurs d’activité et de disposer d’une structure de boucle vertueuse des données.
Le 17, lors du « KT AI Agent Learning Session » organisé au KT Gwanghwamun Building WEST à Jongno-gu, Séoul, KT a présenté sa stratégie de développement de l’IA agentique (Agentic AI) ainsi que les compétences clés du KT RAG. Le RAG est une technologie qui génère des réponses en récupérant et en fournissant des documents pertinents, principalement utilisée pour prévenir les hallucinations des IA génératives. KT utilise cette technologie pour maximiser la précision de la recherche et la capacité d’exécution des tâches IA.
En développant son propre modèle RAG spécialisé, KT a renforcé sa compétitivité technologique. Parmi ceux-ci, le modèle d’embedding (Embedding Model) sert à trouver, parmi une vaste quantité de données, les documents les plus similaires à la question de l’utilisateur, tandis que le modèle de reclassement (Re-ranker Model) détermine la priorité d’affichage des documents trouvés. KT a amélioré les performances de ces deux modèles pour les adapter à la recherche en coréen.
Le moteur de recherche à structure modulaire développé par KT peut répondre de manière flexible aux besoins de chaque secteur. Par exemple, pour les services de communication impliquant des lignes et des équipements, il est nécessaire d’utiliser la technologie Graph RAG pour une analyse des corrélations ; tandis que le secteur manufacturier nécessite une technologie Multimodal RAG capable de visualiser et d’analyser les plans et photos d’équipements. La clé réside dans la combinaison de diverses architectures technologiques pour une application sectorielle sur mesure.
Une autre particularité du KT RAG réside dans sa structure de boucle vertueuse des données. En collectant les journaux d’exécution des services réels, en analysant les causes des échecs de recherche et les retours des utilisateurs, puis en les améliorant et en les redéployant, une boucle fermée est formée. Ce système a déjà été appliqué au service d’agent IA interne de l’entreprise, actuellement utilisé par environ 14 000 employés de KT, avec un taux d’utilisation de 97 %.
KT prévoit de fournir des services IA de haute qualité aux secteurs réels en s’appuyant sur l’expérience d’exploitation de son environnement interne. Kim Jun-seok, responsable du laboratoire Agentic AI du KT AX Future Technology Institute, a déclaré que pour réduire les hallucinations, la technologie RAG transmet des données précises pour le jugement, et que le modèle IA apprend en complément des informations spécifiques à des domaines tels que la médecine, la finance et le droit. De plus, diverses tentatives sont faites pour réduire les hallucinations, comme l’intégration de l’expérience sectorielle dans les prompts ou l’utilisation de l’« ingénierie de bride (Harness Engineering) » pour un contrôle strict de l’IA.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
