Questions à Poser
Questions de Cadrage :
Commencez par Insérer une Présentation sommaire du projet
1. Quels sont les Problématique et enjeux d’un tel projet ?
2. Quel est le problème que votre équipe entend résoudre ?
3. Qu’est-ce que l’application de l’IA (prédictive et décisionnelles) peut apporter
à la résolution de ce problème ?
4. Qu’est-ce que l’application de l’IA Générative peut apporter à la résolution de
ce problème ?
5. Quel est l’objectif général de votre projet ?
6. Quels sont les objectifs spécifiques du projet
7. Quelles sont les Problématiques de la réalisation, hypothèses, questions de
recherche
8. Quels sont les Résultats attendus du projet
9. Quelles sont les Activités associées aux résultats
10. Quels sont les Critères, Contraintes et Conditions spécifiques à la réalisation
11. Quelle est la méthodologie de la mise en œuvre d’un tel projet ?
12. Quelles sont les étapes qui seront atteints durant le Stage
13. Quels sont les livrables relatifs à ces étapes
14. Impact du projet (valeurs ajoutées) : retombées scientifiques, d’intérêt public,
socio-économique, financière, …
15. Considérations éthiques : risque, bénéfices, consentement éclairé,
confidentialité, protection des données.
16. Analyse des besoins en ressources : humaines, matériels, logiciels,
immatérielle, …
17. Planning
18. Description des rôles des ressources humaines et de l’utilisation des
ressources matérielles incluant celles des partenaires
19. Estimation budgétaire
20. Analyse des risques et des opportunités
21. Comment se positionne notre projet sur le marché national (Maroc) et sur le marché
international ?
22. Quels sont les utilisateurs potentiels de notre solution ?
23. Quels sont leurs besoins ?
24. Existe-t-il des solutions qui répondent partiellement ou totalement à ses
besoins ?
25. Veux-tu bien de donner la liste des produits concurrents à notre projet ?
26. Peux-tu me donner un tableau comparatif des différents concurrents
27. Quelle valeur ajoutée doit avoir notre solution pour bien se
positionner ?
28. Pourquoi notre solution va répondre à leurs besoins (totalement ou
partiellement) ?
29. Justifier les réponses avec des preuves : données, recherches ou
d'autres preuves de la demande du marché
30. Justifier également par des preuves pourquoi la manière dont votre
version du modèle fournit une proposition de valeur unique ou résout
un problème spécifique mieux que les solutions existantes.
31. Veuillez décrire les principaux problèmes d'exécution et la manière dont
nous pouvons les atténuer.
32. Difficultés à sécuriser les ensembles de données appropriés, à assurer
la préformation et à évaluer l'efficacité dans le délai imparti.
Faisabilité technique et plan de ressources
33. De quelles ressources informatiques aurait besoin un tel projet ?
34. De quelles expertises techniques aurait besoin un tel projet ?
35. Veux-tu me donner une estimation sur le temps nécessaire au
développement et au déploiement à grande échelle d’un tel projet ?
36. Quels sont les défis et les contraintes que peut rencontrer un tel
projet ?
37. Comment les anticiper afin d’y faire face ?
38. Quelle IA autre que LLM pourra être intégrée dans un tel projet ?
39. Quelle est l’architecture système nécessaire à un tel projet ?
40. Quels sont les composants d’une telle architecture ?
41. Comment le LLM pourra être intégré dans un tel système ?
42. Comment le SLM pourra être intégré dans un tel système ?
43. Quels modèles affiné/RAG puis-je utiliser pour un tel projet ?
44. Quelles sont les mesures et les méthodes qu’on peut utiliser pour
évaluer les performances du modèle affiné/RAG ?
45. Veux-tu bien me proposer un plan d'évaluation continue et de mise à
jour du modèle pour garantir des performances durables ?
46. Comment un tel projet peut exploiter les atouts et les capacités uniques
de Llama 3.1 ?
47. Quels types de réglage fin peut-on utiliser et quel est celui le plus
approprié ?
48. Quels types d’apprentissage continu peut-on faire et quel est celui le
plus approprié ?
49. Quelles autres techniques peut-on utiliser pour atteindre les objectifs du
projet en matière de performance de l’IA ?
50. Pourquoi le réglage fin, la formation préalable continue ou d'autres
techniques sont prometteuses pour atteindre les objectifs du projet et
comment elles s'appuient sur les avantages inhérents au modèle de
base ?
51. Tenant compte de la globalité de notre discussion, veux-tu bien décrire
toutes les innovations techniques nécessaire à la mise en œuvre d’un
tel projet sans l’utilisation du LLM pré-entrainé ?
52. Tenant compte de la globalité de notre discussion, veux-tu bien décrire
toutes les innovations techniques nécessaire qu’on peut déployer avec
le LLM pré-entraîné afin de le rendre plus efficace ou efficient ?
53. Que peut-on retenir de tes deux dernières réponses pour mettre en
évidence et en valeur l’apport du LLM pré-entrainé dans la mise en
œuvre d’un tel projet ?
54. Veux-tu bien me donner une bonne synthèse sur les fonctionnalités du
modèle MLL innovant qu’on peut intégrer dans la solution qu’un tel
projet peut apporter ?
Sources de données claires et plan de
collecte
55. Veuillez me préciser la nature des données dont aura besoin un tel
système qui s’appuie sur l’iA en général et sur le LLM en particulier ?
56. Comment peut-on collecter les données nécessaires ?
57. Veux-tu bien me proposer une stratégie et méthodologie pour me
permettre de collecter et d’enrichir les données ?
58. Veux-tu bien me proposer un plan de collecte de données ?
59. De quelles techniques aurais-je besoin pour le nettoyage et de
préparation des données ?
60. Quels sont les biais qui peuvent être présents dans de telles données ?
61. Comment y faire face ?
62. Comment puis-je trouver des sources de données ?
63. Comment puis-je valider les sources des données ?
64. Comment puis-je définir le traitement des données ?
65. Comment puis-je présenter des mesures d'atténuation claires ?
66. Comment tenir compte de la diversité des données pour garantir que le
modèle affiné puisse bien se généraliser dans différents contextes et
entrées utilisateur ?
67. Comment peut-on mesurer la qualité des données ?
68. Comment peut-on garantir la qualité des données pour
l’apprentissage ?
Cahier des charges :
Veux-tu bien me générer un cahier des
charges en considérant ce qui précède ?
Pour les AD :
D’après ce qui précède,
Que peut-on décider
Que peut-on prédire ?
Propose moi une solution ML hybride avec un pipeline qui mixe une IA-Générative avec une IA
Prédictive et Décisionnelle ?
Quels sont les paramètres dont j’aurai besoin ?
Quels sont les champs de variation de ces paramètres ?
Quel intervalle de fréquence peut avoir chaque variation ou un segment de variation
Pour le IDAI :
D’après ce qui précède, propose-moi une modélisation en UML qui prend en considération les points
suivants :
- Mise en évidences des spécifications fonctionnelles et applicatives.
- Mise en évidence des acteurs et leurs rôles
- Le ou les diagrammes de USES CASES nécessaires
- Le ou les diagrammes d’activités
- Le modèle statistique
- Le ou les diagrammes d’état en mettant en évidence les méthodes ENTRY – DO – EXIT
- Le ou les diagrammes de séquences
- Le diagramme de classe final
Quelle la taxonomie des produits et services du marché X (Véhicule, Event, Manutention, ….) ?
Quelles sont les caractéristiques de chaque catégorie issues de la taxonomie ?
Quel est le type de valeur de chaque caractéristique ?
Quelles sont les valeurs possibles de chaque caractéristique ?
