20/02/2025 –, Auditorium
Dans cette présentation flash, nous explorerons comment Jupyter AI permet aux utilisateurs de tirer parti des capacités des modèles de languages (LLM) dans leurs notebooks Jupyter. Vous découvrirez comment interagir avec des assistants IA pour rédiger et corriger du code, générer des analyses, et avoir des complétions de code automatiques (à la Copilot) dans vos notebooks.
Jupyter AI permet l'usage de l'intelligence artificielle générative dans les notebooks Jupyter, pour expliquer et générer du code, corriger des erreurs, résumer du contenu, poser des questions sur leurs fichiers locaux et de générer des notebooks entiers à partir d'une requête en langage naturel.
Grâce à ses commandes (IPython magics) et à son interface de chat, Jupyter AI connecte Jupyter aux grands modèles linguistiques (LLM) de fournisseurs tels que AI21, Anthropic, AWS, Cohere, MistralAI et OpenAI. Jupyter AI utilise LangChain pour prendre en charge tous les LLM populaires et fournisseurs, donnant accès aux nouveaux modèles dès leur sortie. LangChain permettra également à Jupyter AI d'utiliser des modèles locaux, par exemple via Ollama.
Jupyter AI est conçu en tenant compte de l'intelligence artificielle responsable et de la confidentialité des données. Vous pouvez choisir le LLM et le modèle d'embedding qui conviennent le mieux à vos besoins. Les prompts sous-jacents, les chaînes et autres logiciels sont open source, vous pouvez donc voir exactement comment vos données sont utilisées. Jupyter AI enregistre les métadonnées concernant le contenu généré par le modèle dans chaque cellule de code générée par l'IA, afin que vous et vos collaborateurs puissiez suivre l'entrée du code généré par l'IA dans votre flux de travail. Enfin, Jupyter AI utilise un LLM que lorsque vous lui demandez directement. Il ne lit pas vos données ni ne les transmet aux modèles sans votre consentement explicite.
Jupyter AI est un sous-projet officiel du Projet Jupyter et est disponible en tant que logiciel libre et open source. Il a été conçu selon les mêmes principes qui sous-tendent tout le Projet Jupyter : simple, facile à utiliser, modulaire et extensible.
Jérémy Tuloup est Directeur Technique chez QuantStack et un "Jupyter Distinguished Contributor". Mainteneur et contributeur de JupyterLab, JupyterLite, Jupyter Notebook, Voilà Dashboards, et de nombreux autres projets au sein de l'écosystème Jupyter.