IA générative d'image : Zephyr, un souffle de renouveau pour vos prompts, suite

Introduction

Dans un précédent article, je vous ai présenté Zephyr, un Large Language Model, qui peut être utile dans la recherche ou l'enrichissement de vos prompt pour générer de belles images.

Je vous avais parlé d'un outil que l'on souhaitait mettre en place pour faciliter encore l'utilisation de Zephyr et c'est ce que nous avons fait.

Je vais vous présenter dans cet article ce nouvel outil disponible pour tous et gratuitement.

PromptVR, un RAG avec Zephyr pour vos prompts.

L'outil : PromptVR

Il est disponible via l'url ci-dessus qui vous présente la page suivante :

1. Choisissez la langue de votre description parmi les 5 disponibles
2. Renseignez votre prompt. Dans mon exemple j'ai écrit "une aquarelle d'un chat"
3. Cliquer sur le bouton Go
4. Attendez quelques secondes et récupérer la réponse du modèle en dessous.

Passez ensuite la réponse en anglais dans votre générateur d'image préféré et admirez le résultat :

Mais au fait c'est quoi un RAG ?

RAG est l'acronyme de Retrieval Augmented Generation.

Ce sont des processus qui sont de plus en plus utilisés autour des modèles d'IA conversationnels.

En effet la plupart de ces modèles sont très volumineux et nécessitent une énorme puissance de calcul, il est donc de plus en plus difficile de les installer localement sur son poste et encore moins de les utiliser dans une phase de sur-apprentissage pour qu'ils deviennent experts dans un domaine particulier.

L'idée consiste à utiliser un chat bot local ou distant et de lui passer dans le prompt un contexte pertinent correspondant à l'expertise désirée et si ce contexte est assez complet, le chat bot est capable d'avoir une réponse pertinente.

Mais comme beaucoup de chat bot sont payant sur la base du nombre de Tokens passés, on ne peut pas se permettre de fournir l'ensemble de la documentation en notre possession sinon cela deviendrait vite coûteux.

Le RAG consiste à interroger dans un premier temps une base de connaissance afin d'extraire les documents les plus pertinents vis à vis de la question et de passer ces documents dans le contexte de la question au chat bot.

Comment mettre en place un RAG

Mettre en place la base de connaissance.

Il s'agit de récupérer l'ensemble de la documentation concernant l'expertise souhaitée, puis de faire transformer ces contenus en vecteurs mathématiques via des modèles d'IA qu'on appelle des embeddings et de finalement stocker tout ça dans une base de données vectorielles.

Interroger le chatbot avec le bon contexte

Quand une personne pose une question au chat bot, le système retravaille la question avant de la fournir au chatbot de la façon suivante :

1. On interroge en premier lieu la base de données vectorielle pour récupérer un ensemble de documents qui semblent les plus pertinents via à vis de la question.
2. On ajoute un contexte à la question de l'utilisateur avec le contenu des documents récupérés précédemment.

Du coup le chat bot a plus de matière que sa "propre" expérience pour répondre convenablement.

Conclusion

J'espère que cet article vous sera utile et que vous apprécierez PromptVR.

IAmaginez tout ce que vous pourrez faire...