Le parcours d’Adobe vers un leadership en matière d’IA générative grâce à AWS

Plutôt que de s’appuyer sur des modèles open source, Adobe a décidé d’entraîner ses propres modèles de fondation d’IA générative, adaptés à des cas d’utilisation créatifs. « Nous voulons contrôler la qualité et les fonctionnalités dont nos modèles ont besoin », explique Alexandru Costin. L’un des principaux facteurs de différenciation était l’entraînement des modèles d’IA générative de Firefly sur du contenu sous licence, comme des images Adobe Stock, et du contenu du domaine public dont les droits d’auteur ont expiré.

En seulement neuf mois, Adobe a lancé la gamme Firefly de modèles d’IA générative. Ces modèles ont rapidement été intégrés aux logiciels de création phares d’Adobe, tels que Photoshop, Illustrator, Substance 3D et Adobe Express. « La fonctionnalité de remplissage génératif de Photoshop basée sur Firefly est désormais la fonctionnalité la plus utilisée », souligne Alexandru Costin. En s’appuyant sur AWS, Adobe pourrait accélérer l’entraînement de l’IA plutôt que de partir de zéro, ce qui permettrait à l’entreprise de se concentrer sur ses facteurs de différenciation et non sur les tâches fastidieuses.

Adobe a créé une autoroute de l’IA sur AWS afin de créer une plateforme d’entraînement de l’IA et des pipelines de données permettant d’itérer rapidement les modèles. Adobe a développé sa solution à l’aide d’instances Amazon Elastic Compute Cloud (Amazon EC2) P5 et P4d alimentées par des GPU NVIDIA, Amazon Elastic Kubernetes Service (Amazon EKS), Amazon Elastic Block Store (Amazon EBS) et Amazon Elastic Fabric Adapter (EFA). Adobe a également utilisé Amazon Simple Storage Service (Amazon S3) pour servir de lac de données et de référentiel principal pour de vastes quantités de données. Afin d’accéder rapidement aux données et de s’assurer que les ressources GPU ne restent jamais inutilisées, Adobe a utilisé la solution de stockage de fichiers haute performance Amazon FSx pour Lustre. L’entreprise surveille et synchronise en permanence les données provenant de plusieurs sources, en veillant à ce que ses modèles soient entraînés sur la base des informations les plus récentes et les plus pertinentes. Avec Firefly, elle effectue des tests continus pour atténuer tout biais préjudiciable, et fournit des mécanismes de retour aux utilisateurs pour résoudre les problèmes en temps réel, favorisant ainsi la transparence et la responsabilité.

Alors que l’IA et les données jouent un rôle central dans les efforts créatifs d’Adobe, l’entreprise reconnaît que la véritable innovation provient souvent de la touche humaine. Pour combler le fossé entre le machine learning et la créativité humaine, Adobe a adopté une technique révolutionnaire : l’apprentissage par renforcement avec retour humain (RLHF). Grâce à RLHF, Adobe recueille des commentaires précieux auprès de sa vaste base d’utilisateurs, en capturant les mentions « J’aime » et « Je n’aime pas », les téléchargements et d’autres interactions à partir de ses différentes applications. Cette mine de données d’origine humaine est ensuite réinjectée dans le processus d’entraînement, aidant les modèles d’IA d’Adobe à apprendre et à s’adapter, améliorant en permanence leur capacité à générer des ressources répondant aux préférences et aux désirs des clients. Le résultat est un cycle d’amélioration continue, où la créativité humaine et le machine learning fonctionnent en tandem, chacun informant et améliorant l’autre. Les modèles d’Adobe étant de plus en plus adaptés aux nuances de l’esthétique et des goûts humains, les ressources qu’ils génèrent deviennent plus convaincantes, captivantes et adaptées aux besoins d’une base d’utilisateurs diversifiée.

Face à l’augmentation de la demande, Adobe a multiplié par 20 l’entraînement en six mois, avec l’aide d’instances réservées Amazon EC2. L’entreprise a mis en œuvre des techniques d’entraînement distribué, comme le parallélisme des pipelines pour utiliser efficacement les cœurs Tensor. Outre l’entraînement, Adobe a déployé les modèles Firefly pour l’inférence sur AWS, mettant en œuvre des systèmes sans état dans toutes les régions. L’entreprise a optimisé les performances et les coûts d’inférence en explorant des options telles que les puces AWS Inferentia2. Adobe a démontré sa capacité à faire évoluer et à modifier rapidement le matériel pour des performances et un prix optimaux.