Traduit de l’original anglais. Les chiffres et les sources sont inchangés. Lire l’original en anglais
Upwork
Uma d’Upwork rédige des propositions de freelances avec Llama 3.1 affiné et réduit de 19,25 % le coût par token
Upwork a amélioré Uma, son compagnon d’IA, pour aider les freelances à rédiger leurs propositions, avec Llama 3.1 70B de Meta (à poids ouverts) complété de petits modules affinés. L’étude de cas de Meta indique une hausse de l’engagement de 58,8 % par rapport aux outils précédents et un coût par token inférieur de 19,25 % à celui des modèles propriétaires.
Chiffres clés
Repris tels quels des sources. Copiez n’importe quel chiffre avec sa citation.
hausse de 58,8 %
Engagement des freelances utilisant Uma pour élaborer leurs propositions, par rapport aux outils précédents1
réduction de 19,25 %
Coût par token par rapport aux modèles propriétaires1
Ce que cela a demandé
Le coût, la taille de l’équipe et le calendrier ne sont pas communiqués dans les sources.
Le problème
Upwork est une place de marché où les entreprises recrutent des talents indépendants. Beaucoup de freelances, surtout débutants, peinent à se démarquer. Rédiger une proposition pour chaque offre prend du temps et demande de bien comprendre ce que veut le client. Upwork pensait que son compagnon d’IA Uma pouvait aider les freelances à rédiger de meilleures propositions, plus vite.
Ce qu’ils ont construit
Upwork a fait évoluer Uma pour qu’il tourne sur Llama 3.1 70B, un modèle à poids ouverts de Meta, c’est-à-dire dont les fichiers sont publiés et peuvent être exécutés et adaptés par une entreprise. Le nouvel Uma examine les offres et les profils de freelances, pose des questions sur les compétences du freelance et rédige en temps réel une proposition sur mesure.
Comment ils s’y sont pris
Les modèles prêts à l’emploi ayant donné de mauvais résultats lors des essais, faute de connaître les connaissances internes d’Upwork, l’équipe a affiné Llama, c’est-à-dire qu’elle a poursuivi son entraînement sur ses propres exemples. Elle a créé un jeu de données reflétant le ton d’Uma et un autre de rédaction de propositions très performantes, écrites par des rédacteurs très bien notés de la plateforme et enrichies d’exemples synthétiques. Elle a utilisé LoRA, une méthode qui ajuste une petite partie des poids du modèle, pour créer des services experts distincts, comme l’examen de profil, l’analyse d’offre, le retour en temps réel et la rédaction de propositions, tous partageant un même modèle de base. Fireworks AI les sert à la demande, aux côtés d’Amazon Web Services et de l’infrastructure propre d’Upwork.
Résultats
Meta indique qu’Upwork a constaté une hausse de l’engagement de 58,8 % par rapport aux outils précédents et une réduction de 19,25 % du coût par token par rapport aux modèles propriétaires. Ces résultats sont relayés par Meta, sans situation de départ ni période indiquées et sans confirmation indépendante.
Enseignements pour votre projet
Adaptez le modèle à vos propres données. Upwork a constaté que les modèles prêts à l’emploi donnaient de mauvais résultats lors des essais parce qu’ils ne connaissaient pas ses connaissances internes.
Utilisez de petits modules affinés plutôt que de nombreux modèles complets. Upwork construit des services experts propres à chaque tâche sur une seule base Llama partagée.
Faites appel aux experts de votre communauté pour les données d’entraînement. Upwork a demandé à des rédacteurs très bien notés de sa plateforme de créer les exemples.
Suivez le coût par unité d’usage de l’IA face à une alternative propriétaire avant de vous engager dans l’une ou l’autre voie.
Réserves
- La seule source est un article de Meta, le fabricant du modèle, qui relaie les résultats d’Upwork. La page d’étude de cas Llama distincte que Meta consacre à Upwork indique que ses résultats sont déclarés par l’entreprise et pas identifiablement reproductibles.
- Cette page indique une croissance de l’engagement de 58,8 % à un endroit et de 55,8 % à un autre, et son texte parle de 56 %. Le cas retient le chiffre de 58,8 % de l’article de blog de Meta.
- L’article ne donne ni situation de départ, ni période de test, ni définition de l’engagement, et n’indique ni coût, ni taille d’équipe, ni calendrier.
- Le blog de Meta écrit Llama 3.1 70b ; la page d’étude de cas de Meta dit seulement Llama 3.1. Le cas suit le blog.
- L’article ne donne pas de date de mise en service. La date de déploiement affichée est la date de l’article.
Sources
- How Upwork helps freelancers win more work with Llama
Meta AI Blog · 2025-07-31 · Étude de cas de l’éditeur · ai.meta.com
Résumé dans nos propres mots à partir des sources ci-dessus. Une erreur ? Consultez les corrections.