IBM lance un modèle IA qui prédit sans réentraînement

Résumé

IBM dévoile Granite Time Series PatchTST-FM‑r2, modèle de séries temporelles de 385 millions de paramètres, performant en zero‑shot et proposé sous double licence ouverte, adaptée aux usages commerciaux.

Les faits

IBM présente Granite Time Series PatchTST-FM‑r2 comme le dernier modèle de la famille Granite TSFM, dédié aux séries temporelles et conçu pour la prévision zero‑shot, c’est‑à‑dire sans réentraînement spécifique sur chaque nouveau jeu de données. Ce nouveau modèle, successeur de PatchTST‑FM‑r1, combine une architecture mise à jour, un corpus de préentraînement élargi, des capacités de prévision probabiliste, la prise en charge de l’imputation des valeurs manquantes et des performances zero‑shot élevées dans un modèle d’environ 385 millions de paramètres. IBM souligne que Granite Time Series PatchTST‑FM‑r2 est publié sous une licence ouverte « commercial‑friendly », avec un double régime Apache 2.0 et OpenMDW 1.0, offrant des droits étendus d’utilisation, de modification et de distribution des modèles dans des contextes produits et services. Le modèle est intégré dans l’écosystème Granite TSFM et peut être utilisé à partir de quelques lignes de code Python, depuis des notebooks jusqu’à des scénarios de séries temporelles en flux, ce qui vise à faciliter son adoption autant dans la recherche que dans les environnements industriels.

Pourquoi c’est important

IBM met en avant Granite Time Series PatchTST‑FM‑r2 comme une alternative aux systèmes de prévision classiques qui nécessitent de concevoir et de maintenir un modèle distinct pour chaque jeu de données. La logique de modèle de fondation pour séries temporelles permet de générer des prévisions zero‑shot à partir d’un modèle préentraîné, ce qui peut réduire significativement les coûts de développement et de maintenance des systèmes de prévision. En combinant architecture améliorée, large corpus de préentraînement, prévision probabiliste et imputation des valeurs manquantes, PatchTST‑FM‑r2 vise des performances élevées sur des benchmarks tels que GIFT‑Eval tout en restant sous double licence ouverte adaptée aux usages commerciaux. Ce positionnement renforce l’offre de modèles de fondation de séries temporelles disponibles pour les entreprises qui souhaitent intégrer l’IA de prévision directement dans leurs produits, services SaaS et chaînes de traitement de données.

Questions fréquentes

Qu’est‑ce que Granite Time Series PatchTST‑FM‑r2 ?

C’est le dernier modèle de séries temporelles de la famille Granite TSFM d’IBM, conçu pour la prévision zero‑shot à partir d’un modèle préentraîné.[3]

En quoi PatchTST‑FM‑r2 diffère‑t‑il de PatchTST‑FM‑r1 ?

Il ajoute une architecture mise à jour, un corpus de préentraînement plus large, la prévision probabiliste et l’imputation des valeurs manquantes, avec de meilleures performances zero‑shot.[3]

Quelle est la taille du modèle PatchTST‑FM‑r2 ?

IBM indique que PatchTST‑FM‑r2 est un modèle d’environ 385 millions de paramètres dédié aux séries temporelles.[3]

Quel type de licence accompagne PatchTST‑FM‑r2 ?

Le modèle est proposé sous une double licence ouverte Apache 2.0 et OpenMDW 1.0, décrite comme « commercial‑friendly ».[3][1]

Comment utiliser PatchTST‑FM‑r2 dans la pratique ?

IBM met en avant une intégration en quelques lignes de Python, depuis des notebooks jusqu’à des flux de séries temporelles en production.[3][1]

Source

Auteur

Rédaction spécialisée dans la veille et l'analyse de l'actualité de l'intelligence artificielle, des puces IA, des robots, des agents IA et de la recherche.