Articles

Observabilité des données : fiabilité à l'ère de l'IA

L’observabilité des données est un concept clé pour assurer la fiabilité des systèmes à l’ère de l’IA. Découvrez comment elle peut vous aider.

Lorsque nous avons introduit le concept de l’observabilité des données il y a quatre ans, cela a résonné avec les organisations qui avaient débloqué de nouvelles valeurs… et de nouveaux problèmes grâce à la pile de données moderne. 

Quatre ans plus tard, nous voyons les organisations faire face au potentiel considérable… et aux défis considérables posés par l’IA générative. 

Software is the key to unlocking the potential of data observability and generative AI. It’s the tool that allows organizations to quickly and easily gain visibility into their data, identify problems, and take action. 

Il y a quatre ans, lorsque nous avons introduit le concept de data observability, il a résonné avec les organisations qui ont débloqué de nouvelles valeurs… et de nouveaux problèmes grâce à la pile de données moderne. 

Quatre ans plus tard, nous voyons les organisations faire face aux incroyables potentiels… et aux incroyables défis posés par l’IA générative. 

Le logiciel est la clé pour débloquer le potentiel de l’observabilité des données et de l’IA générative. C’est l’outil qui permet aux organisations d’obtenir rapidement et facilement une visibilité sur leurs données, d’identifier les problèmes et d’agir. 

Le logiciel est un outil essentiel pour exploiter pleinement les avantages de l’observabilité des données et de l’IA générative. Il permet aux organisations de surveiller leurs données en temps réel, de détecter les anomalies et de prendre des mesures correctives. Les outils logiciels peuvent également aider les organisations à créer des modèles prédictifs et à développer des applications basées sur l’IA. 

Les outils logiciels peuvent également aider les organisations à améliorer leurs processus métiers et à réduire les coûts opérationnels. Les outils logiciels peuvent être utilisés pour automatiser les processus métiers, ce qui permet aux organisations de réaliser des gains de productivité et d’efficacité. Les outils logiciels peuvent également aider les organisations à améliorer la qualité des données et à améliorer la prise de décision. 

Enfin, le logiciel peut aider les organisations à améliorer la sécurité des données et à se conformer aux exigences réglementaires. Les outils logiciels peuvent être utilisés pour surveiller les données et détecter les violations de sécurité. Les outils logiciels peuvent également aider les organisations à se conformer aux exigences réglementaires en matière de confidentialité des données et à limiter leur exposition aux risques juridiques et financiers.

Source de l’article sur DZONE

SAP et l’équipe Mercedes-AMG PETRONAS F1 Team s’allient pour optimiser les performances sur la piste de course

SAP devient le nouveau partenaire officiel de l’écurie.

Paris, le 28 novembre 2023 – A compter de 2024, SAP, leader mondial des logiciels d’entreprises, sera partenaire officiel de l’écurie Mercedes-AMG PETRONAS F1 Team. Le partenariat s’établira sur plusieurs années et l’écurie bénéficiera de plusieurs solutions SAP visant à réduire les coûts.

SAP devient le partenaire officiel de l’équipe Mercedes-AMG PETRONAS F1 Team pour accélérer l’efficacité et tirer parti de nouvelles données en vue d’optimiser les performances. L’équipe s’appuie sur le logiciel SAP S/4HANA Cloud pour évaluer la manière dont l’intelligence artificielle et les solutions cloud de SAP améliorent la prise de décisions, optimisent les ressources et assurent la durabilité de leur infrastructure informatique.

L’efficacité est la pierre angulaire du succès en Formule 1. Dans le cadre de ce partenariat,  la maîtrise des coûts et l’optimisation de la chaîne d’approvisionnement sont les deux deux domaines d’intervention privilégiés.

Les sportifs savent que la maîtrise des coûts en F1 limite les dépenses des équipes chaque saison, car elle n’engendre pas de pénalités sévères. L’équipe Mercedes-AMG PETRONAS F1 Team prévoit de gérer le plafond des coûts en utilisant la solution SAP S/4HANA Finance afin d’allouer, d’économiser et d’utiliser les ressources de manière plus efficace.

Grâce à la technologie SAP Business AI intégrée, l’équipe prévoit les coûts, les besoins budgétaires finaux et ainsi optimise à la fois la chaîne d’approvisionnement et les articles stockés.

Pour mener à bien ses opérations de pointe, l’écurie Mercedes-AMG PETRONAS F1 Team compte s’appuyer sur SAP S/4HANA Cloud private edition, pour un environnement cloud sécurisé et à l’épreuve du temps.

L’équipe peut également utiliser les solutions SAP Build et SAP Business Technology Platform pour instaurer une architecture d’entreprise transparente et intelligente. Ainsi, en regroupant les données et les systèmes provenant de diverses sources à travers toute l’organisation, Mercedes-AMG PETRONAS F1 Team réduira les délais d’approvisionnement des composants essentiels de la voiture et assurera un flux continu de pièces pendant les week-ends de course. 

La Formule 1 est l’un des sports les plus innovants au monde sur le plan technologique, où les améliorations progressives donnent des résultats significatifs. Compte tenu des conditions extrêmes dans lesquelles les équipes de Formule 1 évoluent, les sports mécaniques offrent une plateforme mondiale pour mettre en valeur les compétences et l’excellence en ingénierie.déclare Julia White, membre du conseil d’administration de SAP SE et directrice du marketing et des solutions. Mais au-delà des performances réalisées le jour de la course, il se passe beaucoup de choses en coulisses. SAP est fière de s’associer à l’équipe Mercedes-AMG PETRONAS F1 Team pour s’assurer que ses opérations soient aussi bien réglées que ses voitures. » 

Ce partenariat a la capacité de créer un nouveau standard pour l’industrie automobile. C’est en F1 que les dernières innovations de l’industrie automobile sont inventées et présentées en avant-première. Ensemble, SAP et l’écurie Mercedes-AMG PETRONAS F1 Team introduiront de nouvelles innovations soutenues par l’expertise de la Formule 1 et qui serviront les activités d’autres clients de SAP.

Nous sommes ravis d’annoncer que SAP est le partenaire officiel de l’équipe Mercedes-AMG PETRONAS F1 Team”, a déclaré Toto Wolff, PDG et directeur de l’équipe Mercedes-AMG PETRONAS F1 Team. “Nous partageons le même héritage et le même engagement en faveur de l’innovation et de l’amélioration, ce qui contribuera de manière significative à nos performances sur la piste. SAP est un leader mondial dans son domaine, et nous ne pouvions pas rêver d’un meilleur partenaire pour nous aider à améliorer notre efficacité en 2024 et au-delà.

 

À propos de SAP :

La stratégie de SAP est d’aider chaque organisation à fonctionner en « entreprise intelligente » et durable. En tant que leader du marché des logiciels d’application d’entreprise, nous aidons les entreprises de toutes tailles et de tous secteurs à opérer au mieux : 87 % du commerce mondial total est généré par nos clients. Nos technologies de Machine Learning, d’Internet des objets (IoT) et d’analyse avancée aident nos clients à transformer leurs activités en « entreprises intelligentes ». SAP permet aux personnes et aux organisations d’avoir une vision approfondie de leur business et favorise la collaboration pour qu’ils puissent garder une longueur d’avance sur leurs concurrents. Nous simplifions la technologie afin que les entreprises puissent utiliser nos logiciels comme elles le souhaitent, sans interruption. Notre suite d’applications et de services end-to-end permet aux clients privés et publics de 26 secteurs d’activité dans le monde entier, de fonctionner de manière rentable, de s’adapter en permanence et de faire la différence. Grâce à un réseau mondial de clients, de partenaires, d’employés et de leaders d’opinion, SAP aide le monde à mieux fonctionner et à améliorer la vie de chacun.

À propos de Mercedes-AMG PETRONAS F1 Team :

Mercedes-AMG PETRONAS F1 Team est l’équipe d’usine de Mercedes-AMG, qui concourt au sommet du sport automobile – le championnat du monde de Formule 1™ de la FIA. La Formule 1 est un sport qui ne ressemble à aucun autre. En combinant un travail d’équipe d’élite, des technologies et des innovations de pointe, une gestion performante et des compétences de conduite exceptionnelles, les équipes développent des voitures de course capables de rivaliser avec leurs concurrents dans un environnement à fort indice d’octane qui s’étend sur plus de 20 courses à travers les cinq continents tout au long de chaque saison.

L’équipe Mercedes-AMG PETRONAS F1 Team, basée dans les centres technologiques de Brackley et Brixworth au Royaume-Uni, rassemble plus de 1 000 personnes dévouées et déterminées qui conçoivent, développent, fabriquent et font courir les voitures pilotées par Lewis Hamilton, sept fois champion du monde, et George Russell, vainqueur du Grand Prix.

En remportant sept doubles championnats du monde consécutifs des pilotes et des constructeurs de 2014 à 2020 et en s’assurant un huitième succès consécutif record au championnat des constructeurs en 2021, l’équipe est l’une des plus performantes de l’histoire de ce sport.

Entre son retour en tant que constructeur en 2010 et la fin de la saison 2022, l’équipe Mercedes-AMG works a remporté 116 victoires, 264 podiums, 128 pole positions, 91 tours les plus rapides et 54 doublés en 259 courses.

Contact presse :

Sylvie Léchevin : sylvie.lechevin@sap.com / sap@the-arcane.com

The post SAP et Mercedes-AMG PETRONAS F1 Team s’allient pour optimiser les performances sur la piste de course appeared first on SAP France News.

Source de l’article sur sap.com

Faut-il tester plus le code généré par l'IA ?

L’utilisation des technologies d’intelligence artificielle (IA) pour générer du code est en plein essor. Mais faut-il tester plus le code généré par l’IA ?

Les outils alimentés par l’IA pour écrire du code, tels que GitHub Copilot, sont de plus en plus populaires dans le développement logiciel. Ces outils promettent d’accroître la productivité, mais certains affirment également qu’ils démocratisent la programmation en permettant aux non-programmeurs d’écrire des applications. Mais comment savons-nous vraiment si le code écrit par un outil IA est adapté à son objectif ?

Data is key to understanding the effectiveness of AI-powered code writing tools. By collecting data on the code written by these tools, we can measure the quality of the code and determine whether it is suitable for use in production. This data can also be used to identify areas where the tools need improvement, and to provide feedback to developers on how to improve their code. 

Les outils alimentés par l’intelligence artificielle pour écrire du code, tels que GitHub Copilot, sont de plus en plus populaires dans le développement logiciel. Ces outils promettent d’accroître la productivité, mais certains prétendent également qu’ils démocratisent la programmation en permettant aux non-programmeurs d’écrire des applications. 

Mais comment savons-nous vraiment si le code écrit par un outil IA est adapté à son objectif ?

Les données sont essentielles pour comprendre l’efficacité des outils d’écriture de code alimentés par l’IA. En collectant des données sur le code écrit par ces outils, nous pouvons mesurer la qualité du code et déterminer s’il est approprié pour une utilisation en production. Ces données peuvent également être utilisées pour identifier les domaines où les outils doivent être améliorés et fournir des commentaires aux développeurs sur la façon d’améliorer leur code. 

Les outils alimentés par l’IA peuvent être un moyen très utile pour accélérer le développement logiciel et réduire les coûts. Cependant, pour tirer le meilleur parti de ces outils, il est important de disposer de données fiables sur leur efficacité et leur qualité. Les données peuvent également être utilisées pour améliorer les outils et fournir des informations aux développeurs sur la façon d’améliorer leur code. 

Les données sont donc essentielles pour comprendre comment les outils alimentés par l’IA peuvent être utilisés efficacement et de manière responsable. Les entreprises qui veulent tirer le meilleur parti de ces outils doivent recueillir des données sur leurs performances et leurs résultats afin de pouvoir prendre des décisions éclairées sur leur utilisation. Les données peuvent également être utilisées pour améliorer les outils et fournir des informations aux développeurs sur la façon d’améliorer leur code. 

En conclusion, les outils alimentés par l’IA peuvent être un moyen très utile pour accélérer le développement logiciel et réduire les coûts. Cependant, pour tirer le meilleur parti de ces outils, il est important de disposer de données fiables sur leur efficacité et leur qualité. Les données sont donc essentielles pour comprendre comment les outils alimentés par l’IA peuvent être utilisés efficacement et de manière responsable. Les entreprises qui veulent tirer le meilleur parti de ces outils doivent recueillir des données sur leurs performances et leurs résultats afin de pouvoir prendre des décisions éclairées sur leur utilisation. 

Source de l’article sur DZONE

Maîtrise de l'ingénierie des modèles de langage AI.

La maîtrise de l’ingénierie des modèles de langage AI est une compétence essentielle pour les développeurs qui souhaitent créer des applications modernes.

Ingénierie de prompt, un aspect vital pour tirer le plein potentiel des modèles de langage IA

2. Testing

Testing is an important part of prompt engineering. It helps to identify any errors or inconsistencies in the instructions given to the model. This can be done by running the model on a set of test data and comparing the results with the desired output. This helps to identify any potential issues and allows for adjustments to be made accordingly.

3. Iterative Process

Prompt engineering is an iterative process. After testing, adjustments can be made to the instructions given to the model. This can include changing the wording, adding additional information, or providing more specific instructions. The process is repeated until the desired output is achieved.

Limitations of Prompt Engineering

Prompt engineering is not without its limitations. It can be difficult to write clear and specific instructions that are tailored to the task at hand. Additionally, the process can be time-consuming and requires a certain level of expertise in order to achieve the desired results. Finally, prompt engineering is not a one-size-fits-all solution and may not be suitable for all tasks.

Potential Applications of Prompt Engineering

Prompt engineering has a wide range of potential applications. It can be used to improve the accuracy of AI language models, such as natural language processing (NLP) and machine translation. It can also be used to create more engaging and interactive user experiences, such as chatbots and virtual assistants. Finally, prompt engineering can be used to develop more accurate and contextually relevant responses from AI systems.

Principes de l’ingénierie de prompt

1. Écrire des instructions claires et spécifiques

Le succès de l’ingénierie de prompt commence par fournir des instructions claires et non ambiguës. Clair ne signifie pas nécessairement une courte description. Être spécifique sur la sortie souhaitée aide le modèle à comprendre plus précisément la tâche. Par exemple, demandez à LLA d’être un expert dans le domaine que vous demandez.

2. Test

Le test est une partie importante de l’ingénierie de prompt. Il permet d’identifier toutes les erreurs ou incohérences dans les instructions données au modèle. Cela peut être fait en faisant fonctionner le modèle sur un jeu de données de test et en comparant les résultats avec la sortie souhaitée. Cela permet d’identifier tout problème potentiel et permet d’effectuer des ajustements en conséquence.

3. Processus itératif

L’ingénierie de prompt est un processus itératif. Après le test, des ajustements peuvent être apportés aux instructions données au modèle. Cela peut inclure le changement du mot, l’ajout d’informations supplémentaires ou la fourniture d’instructions plus spécifiques. Le processus est répété jusqu’à ce que la sortie souhaitée soit obtenue.

Limites de l’ingénierie de prompt

L’ingénierie de prompt n’est pas sans ses limites. Il peut être difficile d’écrire des instructions claires et spécifiques qui sont adaptées à la tâche à accomplir. De plus, le processus peut être long et nécessite un certain niveau d’expertise pour obtenir les résultats souhaités. Enfin, l’ingénierie de prompt n’est pas une solution unique et peut ne pas être adaptée à toutes les tâches.

Applications
Source de l’article sur DZONE

L'Influence de l'IA sur la Prédiction du Comportement des Consommateurs.

L’intelligence artificielle est en train de révolutionner la prédiction du comportement des consommateurs. Grâce à des algorithmes avancés, l’IA permet d’analyser et de comprendre les comportements des consommateurs de manière plus précise.

L’importance de l’IA dans la prédiction du comportement de paiement

Logiciel pour prédire le comportement des paiements

Les données sont à la base des décisions commerciales d’aujourd’hui. Prédire le comportement des paiements des consommateurs est devenu un aspect essentiel de la stabilité financière pour de nombreuses organisations. Les retards de paiement ont des effets néfastes sur le flux de trésorerie et les opérations commerciales. Heureusement, les modèles d’intelligence artificielle avancés permettent aux développeurs de créer des outils puissants pour prédire avec précision le comportement des paiements des consommateurs.

L’intelligence artificielle, alimentée par l’apprentissage automatique, excelle dans la reconnaissance des modèles et l’extraction d’informations précieuses à partir des données. En analysant les données de paiement historiques, les modèles d’IA peuvent identifier des tendances et des corrélations que les humains pourraient manquer. Voici comment les développeurs utilisent l’IA pour prédire efficacement le comportement des paiements des consommateurs.

Les avantages du logiciel pour prédire le comportement des paiements

Les logiciels basés sur l’IA offrent plusieurs avantages pour prédire le comportement des paiements des consommateurs. Tout d’abord, ils sont plus rapides et plus précis que les méthodes manuelles. Les logiciels peuvent analyser rapidement des milliers de données et fournir des résultats plus précis que ceux obtenus par les humains. De plus, les logiciels peuvent être mis à jour en temps réel et sont capables d’apprendre à partir de nouvelles données. Cela signifie qu’ils peuvent s’adapter aux changements du marché et fournir des prédictions plus précises.

De plus, les logiciels peuvent être facilement intégrés à d’autres systèmes pour automatiser les processus et améliorer l’efficacité. Les entreprises peuvent également utiliser ces logiciels pour surveiller en temps réel le comportement des paiements et prendre des mesures correctives en cas de retards ou de défauts de paiement. Enfin, les logiciels peuvent être personnalisés pour répondre aux besoins spécifiques d’une entreprise.

Les logiciels basés sur l’intelligence artificielle sont un outil essentiel pour prédire le comportement des paiements des consommateurs. Ils offrent aux entreprises une précision et une vitesse accrues, ainsi qu’une intégration facile à d’autres systèmes. Les entreprises peuvent utiliser ces logiciels pour surveiller en temps réel le comportement des paiements et prendre des mesures correctives en cas de retards ou de défauts de paiement. Les logiciels peuvent également être personnalisés pour répondre aux besoins spécifiques d’une entreprise.

Source de l’article sur DZONE

18 tendances et prédictions en développement logiciel 2024

En 2024, le développement logiciel aura évolué et nous découvrirons de nouvelles tendances et prédictions. Découvrons-les ensemble !
## L’importance des évaluations des risques approfondies, des tests continus et des contrôles de conformité avant les déploiements à grande échelle est inévitable. L’avenir du développement logiciel exige des entreprises de se préparer à une danse délicate entre innovation et fiabilité. Cette année, nous avons vu l’enthousiasme pour l’IA / ML avec l’émergence de l’IA générative et d’autres technologies similaires. Cependant, à la fin de l’année, le principal objectif semble avoir changé pour trouver le bon équilibre entre efficacité et sécurité. Cet impératif double est une préoccupation fondamentale, soulignant que la prise de décisions responsables, la préservation de la vie privée et les normes éthiques sont primordiales. Prévisiblement, les technologies qui incarnent ces principes seront privilégiées dans le paysage mondial du développement logiciel.
## Prédictions pour le développement logiciel en 2024

La nécessité d’effectuer des évaluations des risques approfondies, des tests continus et des contrôles de conformité avant les déploiements à grande échelle est inévitable. L’avenir du développement de logiciels exige des entreprises qu’elles se préparent pour une danse délicate entre l’innovation et la fiabilité. Cette année, nous avons vu de l’enthousiasme pour l’IA / ML avec l’émergence de l’IA générative et d’autres technologies similaires. Cependant, à mesure que l’année se termine, le principal objectif semble avoir changé pour trouver le bon équilibre entre efficacité et sécurité. Cet impératif double est une préoccupation fondamentale, soulignant que la prise de décision responsable, la préservation de la confidentialité et les normes éthiques sont primordiales. Prévisiblement, les technologies qui incarnent ces principes seront favorisées dans le paysage mondial du développement de logiciels.

Par conséquent, nos experts en développement de logiciels ont étudié les tendances en cours et ont fait des prédictions concernant le paysage pour l’année à venir. Passons en revue ces prédictions concernant le développement de logiciels pour l’année 2024.

En 2024, le codage deviendra plus important que jamais. Les développeurs devront être conscients des dernières technologies et des mises à jour régulières pour rester à la pointe de l’industrie. Les technologies telles que le codage par blocs, le codage par glisser-déposer et le codage par balayage seront très populaires. Les développeurs devront également s’assurer que leurs applications sont conformes aux normes et aux réglementations en vigueur. La sécurité et la confidentialité des données seront une préoccupation majeure et les développeurs devront adopter des méthodes de codage sûres pour protéger les données des utilisateurs.

Les développeurs devront également s’assurer que leurs applications sont faciles à utiliser et à comprendre. Les technologies telles que l’intelligence artificielle et l’apprentissage automatique aideront les développeurs à créer des applications plus intuitives et plus conviviales. Les moteurs de recherche et les outils d’analyse seront également très importants pour aider les développeurs à comprendre comment leurs applications sont utilisées et comment elles peuvent être améliorées.

Enfin, il est important que les développeurs travaillent en étroite collaboration avec les autres membres de l’équipe pour s’assurer que tous les aspects du projet sont pris en compte. Les développeurs devront également être conscients des tendances technologiques actuelles et des nouvelles technologies qui peuvent améliorer leurs applications. Enfin, il est important que les développeurs travaillent en étroite collaboration avec les autres membres de l’équipe pour s’assurer que tous les aspects du projet sont pris en compte.

Source de l’article sur DZONE

Réduire les Hallucinations LLM

Réduire les Hallucinations LLM est une tâche difficile, mais pas impossible. Nous allons découvrir ensemble les moyens pour y parvenir.

LLM Hallucination : Les Effets de l’IA Générative

One approach to reducing AI hallucinations is to simplify the architecture of the model. This involves reducing the number of layers and neurons, as well as reducing the complexity of the activation functions. Additionally, regularization techniques such as dropout and weight decay can be used to reduce overfitting. 

L’hallucination LLM fait référence au phénomène où de grands modèles linguistiques tels que des chatbots ou des systèmes de vision informatique génèrent des sorties non sensées ou inexactes qui ne correspondent pas aux vrais modèles ou objets. Ces faux résultats de l’IA proviennent de divers facteurs. Le surajustement à des données d’entraînement limitées ou biaisées est un grand coupable. Une grande complexité du modèle contribue également, permettant à l’IA de percevoir des corrélations qui n’existent pas.

Les grandes entreprises qui développent des systèmes génératifs d’IA prennent des mesures pour résoudre le problème des hallucinations de l’IA, bien que certains experts pensent que l’élimination complète des faux résultats ne soit pas possible.

Une approche pour réduire les hallucinations de l’IA consiste à simplifier l’architecture du modèle. Cela implique de réduire le nombre de couches et de neurones, ainsi que la complexité des fonctions d’activation. De plus, des techniques de régularisation telles que le dropout et le déclin des poids peuvent être utilisées pour réduire le surajustement.

Source de l’article sur DZONE

SAP dévoile des nouvelles innovations en matière de développement d’applications d’IA générative et de capacités de bases de données vectorielles, et propose de nouvelles opportunités d’apprentissage pour les développeurs à l’ère de l’IA.

BANGALORE, Inde – Le 2 novembre 2023 – Lors de l’événement SAP TechEd 2023, SAP SE (NYSE : SAP) a présenté une gamme complète de fonctionnalités et d’avancées en matière d’IA générative permettant aux développeurs, quel que soit leur niveau de compétence, de dynamiser leurs activités à l’ère de l’IA.

« Le dynamisme du paysage technologique et commercial d’aujourd’hui signifie que chaque développeur doit être un développeur d’IA », a déclaré Juergen Mueller, Chief Technology Officer et membre du Board de SAP SE. « Les innovations que nous lançons à TechEd, qu’il s’agisse d’outils de pro-code infusés d’IA ou d’un portail unique pour créer des extensions et des applications génératives d’IA sur SAP Business Technology Platform (BTP), assurent aux développeurs qui sont au cœur de la révolution de l’IA, de disposer des ressources dont ils ont besoin, pour transformer le fonctionnement des entreprises. »

 

SAP Build Code : un nouveau logiciel low-code pour favoriser la coopération entre les experts-métier

Alors que les organisations cherchent à capitaliser sur l’IA générative, une collaboration efficace entre les développeurs professionnels et les développeurs citoyens est essentielle. C’est la raison pour laquelle SAP lance SAP Build Code, qui simplifie la coopération entre les experts-métier qui utilisent les solutions low-code de SAP Build lancées au TechEd 2022. Conçu spécifiquement pour les applications et l’écosystème SAP, SAP Build Code propose des outils de productivité alimentés par l’IA et est optimisé pour le développement en Java et JavaScript.

SAP Build Code s’appuie également sur la puissance du nouveau copilote d’IA générative de SAP : Joule – le seul copilote qui comprend réellement le langage business – pour augmenter davantage la productivité, en intégrant des capacités de génération de code pour la création de modèles de données, de logique d’application et de scripts de test.

De nouvelles fonctionnalités clés sur SAP HANA Cloud

Pour le fonctionnement optimal d’une IA, il est indispensable de disposer de données pertinentes. C’est pourquoi SAP HANA Cloud, qui continue d’être pionnier dans les innovations liées aux datas, ajoute de nouvelles fonctionnalités de base de données vectorielles à ses offres multi-modèles, et ce, sans coût supplémentaire. Les datastores vectoriels gèrent les données non structurées – texte, images ou audio – pour fournir une mémoire à long terme et un meilleur contexte aux modèles d’IA. Cela facilite la recherche et la récupération rapide d’objets similaires. Les utilisateurs peuvent par exemple rechercher des fournisseurs en fonction de la langue de leurs contrats, pour examiner l’historique des paiements et tracer les commandes individuelles. Ces nouvelles fonctionnalités de base de données vectorielles améliorent considérablement les interactions entre les grands modèles de langage et les données critiques d’une organisation. Cette innovation permet aux développeurs SAP d’être à l’avant-garde de la recherche de données radicalement nouvelles, dans un cadre sécurisé et privé, qui utilise des données clients spécifiques à l’industrie pour réduire les hallucinations.

AI Foundation pour disposer d’outils d’IA clés en main

AI Foundation, un nouveau portail unique permettant aux développeurs de créer des extensions et des applications alimentées par l’IA et l’IA générative sur SAP BTP, augmentera encore l’impact et l’efficacité des développeurs. AI Foundation comprend tout ce dont les développeurs ont besoin pour commencer à créer des outils d’IA clés en main sur SAP BTP – allant des services d’IA prêts à l’emploi et de l’accès aux meilleurs modèles de grands langages, aux capacités de bases de données vectorielles et à la gestion du cycle de vie et de l’exécution de l’IA.

Le lancement de nouvelles certifications sur le site d’apprentissage SAP

La course effrénée vers l’innovation dans la Tech a fait grimper la demande mondiale en développeurs qualifiés, et SAP augmente parallèlement ses opportunités d’apprentissage. Dans le cadre de son engagement à former deux millions de professionnels d’ici 2025 et à enrichir le contenu d’apprentissage gratuit sur l’IA déjà disponible, SAP a lancé aujourd’hui une nouvelle certification basée sur les rôles et des ressources d’apprentissage gratuites pour les développeurs back-end qui utilisent le modèle de développement ABAP Cloud. Les deux nouvelles ressources d’apprentissage regroupant les outils de développement ABAP sur SAP BTP et SAP S/4HANA sont disponibles sur le site SAP Learning. Elles sont conçues pour une transformation des entreprises agile et conforme au cloud, fournissant aux développeurs les compétences nécessaires pour créer des applications prêtes pour le cloud et alignées sur la stratégie de base propre de SAP.

SAP a rejoint le programme d’affiliation d’entreprise de l’Institut de Stanford pour l’IA centrée sur l’homme (HAI). Les chercheurs et ingénieurs de SAP collaboreront avec la communauté académique de Stanford, y compris le corps professoral de recherche et les étudiants, sur les synergies entre l’IA générative et le monde des affaires

Pour plus de détails sur toutes les annonces faites au SAP TechEd 2023, veuillez visiter notre guide d’actualités ici.

Retrouvez les actualités SAP. Suivez SAP sur @SAPNews.

***

 

 

 

A propos de SAP en France

La stratégie de SAP est d’aider chaque organisation à fonctionner en « entreprise intelligente » et durable. En tant que leader du marché des logiciels d’application d’entreprise, nous aidons les entreprises de toutes tailles et de tous secteurs à opérer au mieux : 87 % du commerce mondial total est généré par nos clients. Nos technologies de Machine Learning, d’Internet des objets (IoT) et d’analyse avancée aident nos clients à transformer leurs activités en « entreprises intelligentes ». SAP permet aux personnes et aux organisations d’avoir une vision approfondie de leur business et favorise la collaboration pour qu’ils puissent garder une longueur d’avance sur leurs concurrents. Nous simplifions la technologie afin que les entreprises puissent utiliser nos logiciels comme elles le souhaitent, sans interruption. Notre suite d’applications et de services end-to-end permet aux clients privés et publics de 25 secteurs d’activité dans le monde entier, de fonctionner de manière rentable, de s’adapter en permanence et de faire la différence. Grâce à un réseau mondial de clients, de partenaires, d’employés et de leaders d’opinion, SAP aide le monde à mieux fonctionner et à améliorer la vie de chacun.

Pour plus d’informations, visitez le site www.sap.com.

Contact presse – Sylvie Léchevin – sylvie.lechevin@sap.com – sap@the-arcane.com

 

# # #

This document contains forward-looking statements, which are predictions, projections, or other statements about future events. These statements are based on current expectations, forecasts, and assumptions that are subject to risks and uncertainties that could cause actual results and outcomes to materially differ. Additional information regarding these risks and uncertainties may be found in our filings with the Securities and Exchange Commission, including but not limited to the risk factors section of SAP’s 2022 Annual Report on Form 20-F.

© 2023 SAP SE. All rights reserved.
SAP and other SAP products and services mentioned herein as well as their respective logos are trademarks or registered trademarks of SAP SE in Germany and other countries. Please see https://www.sap.com/copyright for additional trademark information and notices.

The post À l’occasion du SAP TechEd 2023, SAP fait de chaque développeur un développeur d’IA générative appeared first on SAP France News.

Source de l’article sur sap.com

Comment se démarquer lors d'entretiens comportementaux en ingénierie

Pour se démarquer lors d’un entretien comportemental en ingénierie, il est important de se préparer et de montrer ses compétences. Faites une bonne impression et démontrez vos capacités !

## Comment utiliser le format STAR pour répondre aux questions comportementales

Après avoir mené des entretiens avec des centaines d’ingénieurs et de gestionnaires d’ingénierie chez Meta, Twitter et d’autres entreprises, j’ai remarqué des modèles communs dans la façon dont les candidats abordaient les questions d’entretien comportemental. Alors que de nombreux candidats se sont bien débrouillés sur le plan technique, ils ont souvent eu du mal à articuler leur travail, leurs réalisations et leurs défis lors d’un entretien, ce qui a entraîné des refus.

Cet article aborde les conseils pour utiliser efficacement le format STAR largement connu pour répondre aux questions comportementales. Il aborde les pièges courants et fournit des exemples illustratifs pour aider les candidats à comprendre comment utiliser le format STAR pour communiquer clairement et se démarquer. C’est le cadre qui m’a aidé à passer avec succès des entretiens de direction technique chez Databricks, Twitter, Airbnb, Plaid, Notion, Uber et d’autres entreprises.

Le format STAR est une méthode très utile pour répondre aux questions comportementales lors des entretiens. Il permet aux candidats de structurer leurs réponses et de fournir des informations complètes et précises. La méthode STAR est basée sur quatre étapes : Situation, Tâche, Action et Résultat. Chaque étape est essentielle pour répondre à une question comportementale et fournir une réponse complète.

Lorsque vous répondez à une question comportementale en utilisant la méthode STAR, vous devez commencer par décrire la situation ou le contexte dans lequel vous avez travaillé. Vous devez ensuite expliquer la tâche à laquelle vous avez été confronté et comment vous l’avez abordée. Ensuite, vous devez expliquer les actions que vous avez prises pour résoudre le problème. Enfin, vous devez expliquer les résultats obtenus grâce à votre travail. Il est important de se rappeler que les résultats doivent être quantifiables et mesurables.

Par exemple, si un recruteur vous demande comment vous avez contribué à améliorer la base de données d’une entreprise, vous pouvez utiliser la méthode STAR pour répondre à cette question. Vous pouvez commencer par expliquer la situation : «J’ai été embauché par une entreprise pour améliorer sa base de données.» Vous pouvez ensuite expliquer la tâche : «Ma tâche consistait à analyser la base de données existante et à identifier les lacunes.» Ensuite, vous pouvez expliquer les actions que vous avez prises : «J’ai analysé la base de données et j’ai identifié plusieurs lacunes. J’ai ensuite mis en œuvre des modifications pour améliorer la qualité et la performance de la base de données.» Enfin, vous pouvez expliquer les résultats obtenus : «Grâce à mes modifications, la base de données a été améliorée de 10 % en termes de qualité et de performance.»

En conclusion, l’utilisation du format STAR est un excellent moyen pour les candidats de structurer leurs réponses aux questions comportementales lors des entretiens. Il permet aux candidats de communiquer clairement leurs réalisations et leurs

Source de l’article sur DZONE

Applications AI génératives avec Amazon Bedrock : démarrage pour les développeurs Go

Les développeurs Go peuvent désormais facilement démarrer avec les applications AI génératives d’Amazon Bedrock. Découvrez comment tirer parti de ces outils puissants !

## Guide introductif pour les développeurs Go qui veulent se lancer dans la création d’applications d’IA générative avec Amazon Bedrock

  • Creating an Amazon Bedrock account
  • Setting up the AWS Go SDK
  • Testing the API
  • Building a Generative AI application
  • Cet article est un guide introductif pour les développeurs Go qui souhaitent se lancer dans la création d’applications d’intelligence générative à l’aide d’Amazon Bedrock, un service entièrement géré qui rend les modèles de base d’Amazon et des fournisseurs de modèles tiers accessibles via une API.

    Nous utiliserons le SDK Go AWS pour Amazon Bedrock et nous aborderons les sujets suivants au fur et à mesure :

    • Créer un compte Amazon Bedrock
    • Configurer le SDK Go AWS
    • Tester l’API
    • Construire une application d’intelligence générative
    • Pour commencer, vous devez créer un compte Amazon Bedrock. Vous pouvez le faire en vous connectant à votre compte Amazon et en recherchant « Amazon Bedrock » dans la barre de recherche. Une fois que vous avez trouvé le service, vous pouvez cliquer sur « Créer un compte » et suivre les instructions pour créer votre compte.

      Une fois que vous avez créé votre compte, vous devez configurer le SDK Go AWS pour pouvoir accéder aux API Amazon Bedrock. Pour ce faire, vous devez télécharger le SDK Go AWS et l’installer sur votre ordinateur. Une fois que vous avez installé le SDK, vous devez configurer les variables d’environnement afin que le SDK puisse se connecter à votre compte Amazon Bedrock.

      Une fois que vous avez configuré le SDK Go AWS, vous pouvez commencer à tester l’API Amazon Bedrock. Vous pouvez le faire en écrivant des requêtes HTTP pour interroger l’API et en analysant les réponses que vous obtenez. Cela vous permettra de voir comment l’API réagit à différentes requêtes et de vérifier si elle fonctionne correctement.

      Source de l’article sur DZONE