Controversé, l'index de transparence LLM de Stanford passe en v2
Publié par Clément Bohic le - mis à jour à
Stanford a récemment actualisé son index de transparence des LLM, l’étendant à 14 fournisseurs dont Mistral AI. Les critères n’ont pas changé ; la méthode, si.
Une armurerie est-elle « plus transparente » si elle accompagne chaque vente d'une documentation sur les blessures par arme à feu ?
EleutherAI avait posé cette question il y a quelques mois, en réaction à la publication, par Stanford, d'un index de transparence des LLM.
Une question rhétorique, pour le coup. Par son intermédiaire, l'ONG américaine critiquait les fondements mêmes de cet index.
L'analogie des armes à feu se référait au critère exigeant la communication des impacts aval. Plus précisément, des dommages que l'usage d'un modèle est susceptible de causer. Selon EleutherAI, un tel exercice d'anticipation ne relève pas d'une quelconque transparence.
Entre autres éléments, l'ONG relevait le poids trop important donné à des éléments solvables « sur le papier » sans réel changement en pratique. Elle déplorait aussi le peu de considération donné à la production d'articles de recherche. Ainsi qu'une analyse biaisée contre les modèles ouverts comme contre les licences permissives. Elle estimait plus globalement que l'index défavorisait les modèles au profit des services hébergés fondés sur ces modèles.
Mistral AI, nouvel entrant...
L'index donnait un instantané au 15 septembre 2023. Il couvrait dix modèles émanant d'autant de fournisseurs. Nommément :
- AI21 Labs (Jurassic-2)
- Amazon (Titan Text)
- Anthropic (Claude 2)
- Cohere (Command)
- Google (PaLM 2)
- Hugging Face (BLOOMZ)
- Inflection (Inflection-1)
- Meta (Llama 2)
- OpenAI (GPT-4)
- Stability AI (Stable Diffusion 2)
Une mise à jour est intervenue il y a quelques semaines. Si les critères sont restés les mêmes (évaluation « binaire » sur 100 indicateurs), la méthode a changé : la recherche d'informations a laissé place au déclaratif.
Sur 19 fournisseurs sollicités, 14 ont joué le jeu. Parmi eux, AI21 Labs, Meta et OpenAI ont été jugés chacun sur le même modèle qu'à l'automne dernier. Amazon l'a cette fois-ci été sur Titan Text Express ; Anthropic, sur Claude 3 ; Google, sur Gemini 1.0 Ultra ; Stability AI, sur Stable Video Diffusion. Les autres sont de nouveaux entrants à l'index : Adept (avec Fuyu-8B), Aleph Alpha (Luminous), BigCode/Hugging Face/ServiceNow (StarCoder), IBM (Granite), Microsoft (Phi-2), Mistral AI (Mistral 7B) et Writer (Palmyra-X).
D'une vague à l'autre, le score moyen a nettement augmenté : il est passé de 37 à 58 points. Tous les modèles déjà évalués en 2023 ont progressé. Au global, il ne reste plus que quatre indicateurs satisfaits par aucun modèle.
Pour autant, il n'y a pas d'avancée sur certains domaines. En particulier les informations sur les données d'entraînement (copyright, licences, données personnelles), l'évaluation des garde-fous... et l'estimation de l'impact aval. Sur ce dernier point, les modèles qui s'en sortent le mieux (Adept, AI21 Labs, Aleph Alpha et Google) remplissent 29 % des critères.
... et élève moyen
Conformément à sa stratégie, Mistral AI ne marque pas de points sur de multiples critères ayant trait aux données d'entraînement. Cela va de la taille du dataset à la sélection des données en passant par les références à leurs créateurs.
Pas de points non plus sur la durée de développement, la quantité de ressources de calcul nécessaire, l'énergie consommée et les émissions carbone. Mistral AI ne fait pas non plus, au sens de l'index, la démonstration des limites et des risques de Mistral 7B. Il ne fournit pas, par ailleurs, d'évaluation des dommages - intentionnels ou non - susceptibles de survenir à l'usage. Par là même, il ne marque pas de points sur le critère de reproductibilité de ces évaluations.
La partie « aval » comprend aussi, entre autres, des critères sur les individus et les secteurs de marché affectés. Des éléments sur lesquels Mistral AI n'a pas fourni d'informations suffisantes. Même chose concernant les mécanismes de recours. Et, sur la partie amont, concernant le nettoyage des données. L'entreprise évoque diverses techniques de dédoublonnement et de filtrage des contenus indésirables, mais d'une manière jugée insuffisamment claire.
Illustration © Tada Images - Adobe Stock