En avril, l'Arène des Chatbots de LMSYS a vu "im-also-a-good-gpt2-chatbot" figurer en tête du classement des meilleures IA génératives.

Le même modèle d'IA a été révélé comme étant le GPT-4o. Le "GPT2" dans le nom ne fait pas référence au précédent modèle d'IA d'Open AI, le "GPT-2". Au contraire, il indique une nouvelle architecture pour les modèles GPT, et le "2" suggère un changement majeur dans la conception du modèle.

Les équipes d'ingénierie d'Open AI considèrent cela comme un changement important justifiant un nouveau numéro de version. Cependant, les équipes marketing le présentent modestement comme une continuité du GPT-4 plutôt qu'un bouleversement complet.

Voyons ce qui est nouveau dans GPT-4o, ce qu'il propose, et comment l'utiliser dans un contexte professionnel.

## Qu'est-ce que GPT-4o ?

GPT-4o est le dernier modèle phare d'IA générative d'Open AI. Le "O" dans GPT-4o signifie "Omni", ce qui signifie "tout" en latin. Cela complète les capacités améliorées du modèle à traiter le texte, la parole et la vidéo.

Il facilite l'interaction des utilisateurs avec l'IA. Les itérations précédentes des modèles d'IA générative d'Open AI visaient à rendre le modèle plus intelligent. GPT-4o rend l'utilisation plus simple et la réponse beaucoup plus rapide.

Vous pouvez poser des questions à ChatGPT alimenté par GPT-4o et interrompre ses réponses. Le modèle écoutera lorsque vous l'interrompez et reformulera la réponse en temps réel en fonction des informations fournies. Il peut saisir les nuances dans la voix d'un utilisateur et générer des sorties vocales émotionnelles différentes, y compris le chant.

Le CTO d'OpenAI déclare : « GPT-4o raisonne à travers la voix, le texte et la vision. C'est incroyablement important car nous regardons vers l'avenir de l'interaction entre les humains et les machines. »

## Que propose GPT-4o ?

Voici quelques-unes des principales caractéristiques de GPT-4o :

- **Expérience utilisateur améliorée**. Les interactions avec l'IA sont devenues plus naturelles et plus faciles.
- **Capacités multilingues**. GPT-4o montre une meilleure performance dans environ 50 langues, le rendant plus accessible à l'échelle mondiale.
- **Performance améliorée**. GPT-4o est environ deux fois plus rapide que GPT-4 Turbo. Il coûte la moitié du prix de son modèle précédent tout en offrant des limites de taux plus élevées.
- **Capacités vocales améliorées**. En raison du risque d'abus, les fonctionnalités vocales améliorées ne sont pas disponibles pour tous les clients, mais OpenAI a commencé à offrir un soutien à un petit groupe de partenaires de confiance.
- **Disponibilité de la version gratuite**. GPT-4o est disponible dans la version gratuite de ChatGPT. Les abonnés de ChatGPT Plus ont des limites de messagerie 5 fois plus élevées. Si les limites de taux de GPT-4o sont atteintes, le modèle passe automatiquement à GPT-3.5.
- **Expérience utilisateur améliorée**. OpenAI propose un écran d'accueil et une disposition des messages plus conversationnels sur le web. La version de bureau de ChatGPT avec GPT-4o pour macOS (déployée en phases pour les utilisateurs de ChatGPT Plus) permet aux utilisateurs de poser des questions par un raccourci clavier. La version Windows de l'application arrivera plus tard dans l'année.
- **Offre des conversations naturelles**. Le modèle gère les interruptions tout en ajustant sa réponse et son ton en conséquence. Les conversations se déroulent à un rythme naturel. Cependant, il peut y avoir des pauses brèves où le modèle réfléchit aux réponses.

Saviez-vous ? Vous pouvez utiliser GPT-4o pour équiper votre site web afin de mieux et plus rapidement vendre. Découvrez comment utiliser GPT-4o comme agent commercial.

## Risques et préoccupations avec GPT-4o

Les politiques d'IA générative dans les entreprises en sont encore à leurs débuts. Le règlement de l'Union Européenne est le seul cadre juridique significatif. Vous devez prendre votre propre décision sur ce qui constitue une IA sûre.

OpenAI utilise un cadre de préparation pour décider si un modèle peut être publié au public. Il teste le modèle pour la cybersécurité, les menaces biologiques, chimiques, radiologiques ou nucléaires potentielles, la capacité de persuasion et l'autonomie du modèle. Le score du modèle est la note la plus élevée (Faible, Moyen, Élevé ou Critique) qu'il obtient dans une catégorie donnée.

GPT-4o a une préoccupation moyenne et évite le niveau de risque le plus élevé qui pourrait bouleverser la civilisation humaine.

Comme toutes les IA génératives, GPT-4o peut ne pas toujours se comporter exactement comme vous le souhaitiez. Cependant, par rapport aux modèles précédents, GPT-4o montre des améliorations significatives. Il pourrait présenter certains risques, comme les appels frauduleux en deepfake. Pour atténuer ces risques, la sortie audio n'est disponible que dans des voix prédéfinies.

## GPT-4o vs. les modèles d'IA générative précédents d'Open AI

GPT-4o offre de meilleures capacités d'analyse d'images et de texte. Comparé aux modèles précédents, GPT-4o est meilleur pour répondre à des questions complexes telles que : « Quelle est la marque du T-shirt qu'une personne porte ? » Par exemple, ce modèle peut examiner un menu dans une langue différente et le traduire.

Les modèles futurs offriront des capacités beaucoup plus avancées, telles que regarder un événement sportif et expliquer ses règles.

Voici ce qui a changé dans GPT-4o par rapport aux autres modèles d'IA générative d'Open AI :

- **Ton de la voix** : Les systèmes OpenAI précédents combinaient Whisper, GPT-4 Turbo et Text-to-Speech dans un pipeline avec un moteur de raisonnement. Ils avaient accès uniquement aux mots prononcés et ignoraient le ton de voix, les bruits de fond et les sons de plusieurs locuteurs. Cela limitait la capacité de GPT-4 Turbo à exprimer différentes émotions ou styles de discours.

Avec GPT-4o, un modèle unique raisonne à travers le texte et l'audio. Cela rend le modèle plus réceptif aux informations de ton et d'audio disponibles en arrière-plan, générant des réponses de meilleure qualité avec différents styles de discours.

- **Latence faible** : La latence moyenne en mode vocal de GPT-4o est de 0,32 secondes. C'est neuf fois plus rapide que la moyenne de 2,8 secondes de GPT-3.5 et 17 fois plus rapide que la moyenne de 5,4 secondes de GPT-4. Le temps de réponse moyen de l'humain est de 0,21 secondes. Ainsi, le temps de réponse de GPT-4o est plus proche de celui d'un humain, le rendant adapté pour la traduction en temps réel de la parole.

- **Meilleure tokenisation** : Les tokens sont des unités de texte qu'un modèle peut comprendre. Lorsque vous travaillez avec un modèle de langue de grande taille (LLM), le texte de l'invite est d'abord converti en tokens. Lorsque vous écrivez en anglais, trois mots prennent environ quatre tokens. Si moins de tokens sont nécessaires pour représenter une langue, moins de calculs doivent être effectués, et la vitesse de génération de texte augmente. De plus, cela diminue le prix pour les utilisateurs de l'API, car les frais sont calculés par token d'entrée ou de sortie.

Dans GPT-4o, les langues indiennes comme l'hindi, le marathi, le tamoul, le télougou, le gujarati, et d'autres ont bénéficié, montrant particulièrement une réduction des tokens. L'arabe montre une réduction de 2x, tandis que les langues d'Asie de l'Est observent une réduction de 1,4x à 1,7x des tokens.

## GPT-4o vs. autres modèles d'IA générative

GPT-4 Turbo, Claude 3 Opus et Gemini Pro 1.5 seraient les principaux concurrents à comparer avec GPT-4o. Llama 3 400B pourrait être un concurrent à l'avenir, mais il n'est pas encore terminé.

Voici une comparaison de GPT-4o avec les modèles mentionnés en fonction de différents paramètres :

- **Compréhension des Langages Multitâches Massifs (MMLU)** : Ce test comprend des tâches en mathématiques élémentaires, histoire des États-Unis, informatique, droit, et plus encore. Pour atteindre une haute précision sur ce test, les modèles doivent posséder une vaste connaissance du monde et une capacité de résolution de problèmes. GPT-4o performe mieux que d'autres modèles d'IA.

- **Questions-Réponses à Niveau Supérieur Google-Proof (GPQA)** : Les questions à choix multiples sont rédigées par des experts en biologie, physique et chimie. Les questions sont de haute qualité et extrêmement difficiles : les experts ayant ou poursuivant un doctorat dans les domaines correspondants atteignent 74% de précision. GPT-4o fournit une meilleure performance que les autres modèles.

- **MATH** : Problèmes de mathématiques de l'école intermédiaire et secondaire. La performance de GPT-4o a été jugée meilleure que celle des autres modèles.

- **HumanEval** : Il teste la correction fonctionnelle du code informatique utilisé pour vérifier la

génération de code. La performance de GPT-4o a été meilleure que celle des autres modèles.

- **Mathématiques d'École Primaire Multilingue (MSGM)** : Les problèmes de mathématiques de l'école primaire sont traduits en dix langues, y compris des langues sous-représentées comme le bengali et le swahili. Claude 3 Opus a mieux performé que GPT-4o dans MSGM.

- **Raisonnement Discret sur Paragraphes (DROP)** : Questions nécessitant la compréhension de paragraphes complets, telles que l'ajout, le comptage ou le tri des valeurs, réparties sur plusieurs phrases. GPT-4 Turbo a mieux performé que GPT-4o dans DROP.

La performance fluctue seulement de quelques points de pourcentage lorsque vous comparez GPT-4 Turbo et GPT-4o. Cependant, ces benchmarks LLM ne comparent pas la performance de l'IA sur des problèmes multimodaux. Le concept est nouveau, et les méthodes de mesure de la capacité d'un modèle à raisonner à travers le texte, l'audio et la vidéo sont encore à venir.

La performance de GPT-4o est impressionnante et montre un avenir prometteur pour l'entraînement multimodal.

## Cas d'utilisation de GPT-4o

GPT-4o peut raisonner efficacement à travers le texte, l'audio et la vidéo. Cela rend le modèle adapté à une variété de cas d'utilisation, par exemple :

- **Vision par ordinateur en temps réel et interaction naturelle** : GPT-4o peut maintenant interagir avec vous comme vous converseriez avec des humains. Vous devez passer moins de temps à taper, rendant la conversation plus naturelle. Il fournit des informations rapides et précises.

Avec plus de vitesse et de capacités audiovisuelles, Open AI présente plusieurs cas d'utilisation en temps réel où vous pouvez interagir avec l'IA en utilisant la vue du monde. Cela ouvre des opportunités pour la navigation, la traduction, les instructions guidées et la compréhension d'informations visuelles complexes.

Par exemple, GPT-4o peut fonctionner sur des ordinateurs de bureau, des mobiles et potentiellement des appareils portables à l'avenir. Vous pouvez montrer un visuel ou un écran de bureau pour poser des questions plutôt que de taper ou de passer d'un modèle et d'un écran à un autre.

D'un autre côté, la capacité de GPT-4o à comprendre les entrées vidéo d'une caméra et à décrire verbalement la scène peut être incroyablement utile pour les personnes malvoyantes. Cela fonctionnerait comme une fonction de description audio pour la vie réelle, les aidant à mieux comprendre leur environnement.

- **Applications d'entreprise** : GPT-4o connecte de manière transparente les entrées de votre appareil, facilitant l'interaction avec le modèle. Avec des modalités intégrées et des performances améliorées, les entreprises peuvent l'utiliser pour construire des applications de vision personnalisées.

Vous pouvez l'utiliser là où les modèles open-source ne sont pas disponibles et passer à des modèles personnalisés pour des étapes supplémentaires afin de réduire les coûts.

## Utilisez GPT-4o pour générer des prospects dans votre entreprise

GPT-4o améliore la performance et la vitesse. Chatsimple permet aux utilisateurs d'intégrer un agent commercial IA alimenté par GPT-4o dans un site web. Actuellement, il permet à vos visiteurs de répondre à des questions complexes, de capturer des prospects et de planifier des réunions plus rapidement.

Avec Chatsimple, vous pouvez former ces agents à répondre à des questions très complexes des visiteurs. À l'avenir, Chatsimple pourrait tirer parti des capacités de GPT-4o pour raisonner à travers le texte, la vidéo et l'audio afin de former des agents commerciaux IA sur plusieurs formats multimédias.

En attendant, laissez vos visiteurs obtenir l'aide dont ils ont besoin de la part des agents commerciaux IA de Chatsimple avant qu'ils n'atteignent le stade de se connecter à un vendeur.

Essayez Chatsimple et laissez vos visiteurs expérimenter la rapidité de GPT-4o dans la réponse aux questions liées à vos produits ou services.