Une solide gouvernance des données facilite une utilisation efficace du LLM
En 2024, le laboratoire national d’Argonne, parrainé par le ministère américain de l’Énergie, a lancé Argo, une interface personnalisée qui fournit un accès sécurisé à de grands modèles de langage tels que Gemini de Google et GPT-5.4 d’OpenAI, explique Matthew Dearing, responsable technique de l’IA pour les opérations du laboratoire.
L’objectif du centre de recherche de Lemont, dans l’Illinois, est de fournir la technologie de base dont les chercheurs ont besoin pour tirer parti de l’IA générative et des LLM pour l’analyse des données, la génération de contenu et d’autres objectifs, explique Dearing.
La communication entre les LLM, les utilisateurs et tout logiciel qu’ils créent s’effectue sur le réseau du laboratoire.
« Au début, les principales grandes sociétés de modèles de langage indiquaient très clairement que si vous leur communiquiez vos invites et vos données, elles allaient les sauvegarder et les réutiliser lors de la formation des prochaines versions des modèles », explique Dearing. « Soit nous avons les grands modèles de langage exécutés en interne sur des systèmes qui vivent en Argonne et que nous pouvons contrôler, soit nous communiquons avec des copies de grands modèles de langage exécutés via un réseau sécurisé. »
Les LLM nécessitent des données centralisées et sécurisées
La sécurité a également été un facteur pris en compte par la Food and Drug Administration lors de la création de son application Elsa basée sur LLM.
Les données que les laboratoires non cliniques et d’autres sponsors d’études ont soumises à l’agence ne répondent pas aux exigences de sécurité pour être intégrées dans une version gouvernementale d’un LLM commercial, déclare Jeremy Walsh, directeur de l’IA.
« Nous avons dû nous demander : « Comment pouvons-nous accéder à toutes les capacités du modèle existant et adapter les fonctionnalités spécifiquement aux cas d’utilisation de la FDA ? » », explique-t-il. «Nous avons créé une couche d’application située entre les utilisateurs et les modèles pour offrir une prise en charge multimodale du travail avec des documents volumineux, en créant des espaces de travail pour eux et en créant des bibliothèques d’invites personnalisées.»
Alors qu’Elsa, dont l’infrastructure implique des composants Amazon Web Services et Google Cloud, était en cours de développement, l’agence s’est efforcée de centraliser les silos de données distincts de ses divisions internes, ce qui comprenait la consolidation de 40 systèmes de candidature et de soumission sur une seule plateforme.
« À l’heure actuelle, si vous souhaitez analyser une application, vous devez récupérer les fichiers d’un partage de fichiers, les télécharger sur Elsa, puis poser vos questions », explique Walsh. « Avec la prochaine version, vous pouvez simplement le faire directement depuis Elsa : lui dire d’analyser cette application de cette façon, et elle récupérera toutes les données, les traitera et les analysera. Nous sommes capables de faire des choses que nous n’avions pas pu faire l’année dernière parce que les données étaient partout. »