Aller au contenu

Modèle multimodal : définition

Modèle capable de traiter plusieurs types d'entrées et de sorties : texte, image, audio, parfois vidéo. GPT-4V, Claude 3.5 Sonnet et Gemini sont multimodaux.

Dit simplement

Un modèle multimodal comprend autre chose que du texte : une photo, un schéma, un enregistrement, parfois une vidéo. Certains savent aussi en produire.

Un exemple

Tu photographies un tableau blanc après une réunion et tu demandes le compte rendu. Ou tu envoies une capture d’écran d’un message d’erreur en demandant ce qui ne va pas.

Pourquoi ça compte

La plupart des informations d’une entreprise ne sont pas du texte propre : scans, plans, tableaux, audio. Le multimodal ouvre ces contenus à l’IA.

Ces mots, tu les croises chaque jeudi dans Hypernews IA.

Les trois actualités IA qui comptent, expliquées simplement. Gratuit, sans spam.

S’inscrire