Multimodalité

La multimodalité est la capacité d'un modèle à traiter différents types de données simultanément : texte, image, son et vidéo. Un modèle multimodal peut regarder une photo et décrire ce qu'elle contient, analyser un graphique dans un rapport ou écouter un enregistrement et le résumer. C'est l'une des directions les plus importantes du développement de l'IA, car le monde ne se compose pas uniquement de texte. En pratique, la multimodalité signifie que vous pouvez glisser dans le chat une capture d'écran d'erreur, la photo d'un document ou l'enregistrement d'une réunion - et travailler dessus aussi naturellement qu'avec du texte.