Définition
Une IA multimodale est un modèle capable de comprendre ou de produire plusieurs types de données à la fois, comme du texte, des images, de l'audio et de la vidéo.
IA multimodale : comment ça fonctionne ?
Les modèles multimodaux récents acceptent en entrée une image ou un document en plus du texte, et peuvent par exemple lire une facture photographiée, décrire un schéma ou analyser une capture d'écran. Certains produisent aussi des images, de l'audio ou de la vidéo. Pour l'intelligence documentaire, la multimodalité permet de comprendre la mise en page d'un document, au-delà du seul texte reconnu par l'OCR.
IA multimodale : un exemple concret
Un modèle multimodal reçoit la photo d'un constat amiable et identifie les cases cochées, les croquis et les signatures.
IA multimodale : pourquoi est-ce important pour une entreprise ?
La multimodalité élargit le champ des tâches automatisables : documents scannés, photos de terrain, appels vocaux et vidéos deviennent exploitables par un agent IA.