Creating A Public AI Assistant to Worldwide Knowledge

La conférence offre une analyse approfondie et nuancée des défis posés par les LLM pour l’accès à l’information fiable. Monica Lam expose clairement les limites des LLM, notamment les hallucinations, en s’appuyant sur des études récentes (BBC, 2025) et des exemples concrets. Son argumentation est solide : elle ne rejette pas les LLM mais propose une méthodologie pour les utiliser de manière fiable, en les cantonnant à des tâches de traitement du langage et en s’appuyant sur des sources externes vérifiées. La présentation de WikiChat, avec un taux de factualité de 97%, est convaincante, bien que l’on puisse s’interroger sur la généralisabilité de ce résultat à d’autres domaines que Wikipédia. L’accent mis sur l’open source et la reproductibilité est louable. Les interventions de Trevor Getz et Cheryl Phillips apportent une perspective concrète sur les besoins des historiens et des journalistes, mais elles sont moins techniques et servent davantage à illustrer l’application. La conférence est bien structurée, avec des exemples précis et des références à des travaux de recherche. Cependant, on peut regretter que la question de l’équité d’accès et des coûts ne soit pas plus développée, et que la faisabilité technique à grande échelle ne soit qu’esquissée. La qualité des sources est bonne, avec des références à des publications académiques et des études de cas. L’adéquation entre le titre et le contenu est bonne, même si le titre pourrait laisser attendre une démonstration plus aboutie de l’assistant. En résumé, une conférence de qualité, rigoureuse et stimulante, qui propose des pistes concrètes pour fiabiliser les LLM.

Le titre reflète bien le contenu : la conférence présente la vision et la mise en œuvre d'un assistant IA public pour la connaissance mondiale.

8/10

Présentation par des chercheurs de Stanford, avec des références à des études publiées (WikiChat, SUQL) et des données chiffrées (97% de factualité, étude BBC). L'approche est transparente sur les limites des LLM et propose une méthodologie open source.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction : vision d'un assistant IA public pour la connaissance mondiale, problèmes du web actuel.
• 05:00Présentation des problèmes des LLM : hallucinations, études BBC, exemples de mathématiques.
• 10:00Approche de l'équipe : utiliser les LLM comme centre de langage, RAG, filtrage et vérification des faits.
• 15:00Présentation de WikiChat : 97% de factualité, prix de la Wikimedia Foundation.
• 20:00Introduction de SUQL, langage de requête pour données structurées et non structurées.
• 25:00Discussion sur l'optimisation des coûts et la possibilité d'utiliser des LLM locaux.
• 30:00Intervention de Trevor Getz : cas d'usage en histoire, défis de la recherche historique.
• 35:00Intervention de Cheryl Phillips : cas d'usage en journalisme, importance de la vérification.
• 40:00Discussion sur la scalabilité et la nécessité de l'open source.
• 45:00Conclusion : appel à la collaboration pour construire un assistant IA public.

• WikiChat: Stopping the Hallucination of Large Language Model Chatbots by Few-Shot Grounding on Wikipedia — Article présentant WikiChat, le système développé par l'équipe de Monica Lam, atteignant 97% de factualité.
• SUQL: Conversational Search over Structured and Unstructured Data — Article présentant SUQL, le langage de requête pour interroger des données structurées et non structurées.
• Study by BBC News on AI chatbots — Étude de la BBC sur les erreurs factuelles des chatbots IA (Perplexity, Gemini, Copilot, ChatGPT).

• WikiChat: Stopping the Hallucination of Large Language Model Chatbots by Few-Shot Grounding on Wikipedia — Article présentant WikiChat, le système développé par l'équipe de Monica Lam, atteignant 97% de factualité.
• SUQL: Conversational Search over Structured and Unstructured Data — Article présentant SUQL, le langage de requête pour interroger des données structurées et non structurées.

• Étude de la BBC sur les chatbots IA — L'étude de la BBC montre que les chatbots IA commettent des erreurs factuelles, ce qui contraste avec l'affirmation de Monica Lam que son système atteint 97% de factualité. Cependant, cette discordance est relative car l'étude porte sur des systèmes commerciaux, pas sur WikiChat.