Quand beaucoup d’entre nous pensent à algorithmes et modèles d’apprentissage automatiqueon pense à Google.
Et vraiment, qui peut nous en vouloir ? Nous sommes des spécialistes du marketing et beaucoup d’entre nous sont des référenceurs. Nous ne pouvons pas nous aider.
Mais il se passe beaucoup de choses à l’intérieur et à l’extérieur du Googleplex en ce moment, et il devient de plus en plus important que nous suivions le rythme.
Dans cet article, nous allons plonger dans certaines technologies nouvelles et passionnantes. Nous couvrirons certaines des utilisations actuelles, le cas échéant, puis nous discuterons de l’évolution de la technologie dans un avenir proche à moyen et de son impact sur les spécialistes du marketing.
Alors plongeons-y – en commençant sans doute par ma “nouvelle version” préférée.
1. Diffusion stable
Stable Diffusion est un modèle texte-image construit par Stability AI. Essentiellement, avec lui, vous pouvez générer des images étonnantes à partir d’invites de texte.
Le modèle est open source et publiquece qui signifie que vous pouvez facilement mettre la main dessus (sur GitHub) et créez une variété d’outils ou d’applications pour répondre à vos besoins.
Voici quelques exemples en action.
Cette chaussure n’existe pas.
Et Johnny Depp n’a jamais fait une séance photo comme celle-ci, et personne n’a fait l’effort minutieux de créer cela dans PhotoShop. En fait, il ne m’a fallu que quelques minutes d’ingénierie rapide pour créer.
L’ingénierie rapide consiste essentiellement à jouer avec différents mots, ordres de mots et syntaxe pour générer le type d’image que vous souhaitez.
Pour les intéressés, vous pouvez jouer vous-même avec Stable Diffusion ici. Je dois noter que vous devez vous authentifier, soit en créant un compte, soit avec Google ou Discord, mais cela en vaut la peine.
Si vous souhaitez voir Stable Diffusion fonctionner avec le code (mais sans avoir à écrire le code), j’ai créé un Colab ici.
Stable Diffusion est déjà utilisé pour créer des images pour des publicités (je sais… je l’ai utilisé moi-même) et des sites Web (avez-vous aimé l’image en vedette pour cet article ?) donc le cas d’utilisation actuel se fait tout seul.
Il existe déjà un plugin PhotoShop que vous pouvez télécharger à partir de ici pour intégrer plus facilement les images Stable Diffusion directement dans votre travail.
Les questions évidentes
Cela soulève des questions évidentes telles que qui détient les droits sur l’œuvre ? Il s’avère que vous ne pouvez pas protéger vos images par des droits d’auteur car elles ne vous appartiennent pas vraiment et tombent immédiatement dans le domaine public.
Qu’en est-il du problème avec moi ayant créé une image d’une personne sans son consentement ? Et si je les avais tenant un produit ? Ou pire, si je ne peux pas détenir le droit d’auteur car ce n’est pas le mien, dans quelle mesure suis-je responsable des autres images qui pourraient être produites ?
Je ne vais pas me diriger vers le terrier du lapin éthique avec vous ici, mais il y a beaucoup de choses à considérer.
En tant que spécialiste du marketing, si vous construisez votre campagne publicitaire sur des images générées par Stable Diffusion, elles peuvent être prises et réutilisées par vos concurrents et vous ne pouvez rien y faire.
En bas de la route
Au printemps dernier, nous avons vu la montée en puissance des modèles texte-image avec DALL-E Mini (maintenant Craiyon). Vous pouvez jouer avec ce modèle ici.
Stable Diffusion est un bond en avant. En supposant que les choses continuent de progresser dans le même sens dans les mois et les années à venir, je prédis que nous évoluerons rapidement vers la génération de vidéos à partir de texte, y compris la création de didacticiels vidéo à partir d’instructions textuelles.
De plus, j’imagine que nous verrons bientôt des plugins WordPress automatisés qui créent des images pour le site en fonction du contenu environnant.
Mais plus intéressantes peut-être sont certaines opportunités commerciales que Sergey Galkin capture avec brio dans ce tweet vidéo :
Et si nous imaginions à quoi ressemblerait le shopping avec la technologie dont nous disposons déjà aujourd’hui ?
• Images générées par #IA du texte
• #RA essayage de vêtements
• Assistant vocalEn quelques secondes, nous créons automatiquement un produit personnalisé pour le client. Qu’est-ce que tu penses? pic.twitter.com/Evv1uV8yZD
— Sergey Galkin (@sergeyglkn) 19 septembre 2022
Il convient de noter qu’OpenAI a également produit DALL-E 2 qui est sans doute de qualité supérieure, mais ce n’est pas open source et donc moins polyvalent et plus cher.
Recevez la newsletter quotidienne sur laquelle les spécialistes du marketing de recherche comptent.
2. GPT-3
L’algorithme GPT-3 a été développé par une équipe de chercheurs de diverses institutions. Cependant, certains des principaux contributeurs au développement de GPT-3 incluent Geoffrey Hinton, Yoshua Bengio et Yann LeCun de l’Université de Toronto, ainsi qu’Andrew Ng de l’Université de Stanford.
GPT-3 a été conçu pour améliorer les performances des modèles de traitement du langage naturel. Les développeurs espéraient qu’en utilisant un ensemble de formation plus large et plus diversifié, ils pourraient créer un modèle qui saisirait mieux le sens du texte.
GPT-3 est affiné pour améliorer ses performances sur une tâche spécifique ou un ensemble de tâches. Par exemple, si GPT-3 est utilisé pour la traduction automatique, il peut être affiné pour améliorer sa précision sur cette tâche.
Fait amusant: Un fait intéressant à propos de GPT-3 est qu’il a été utilisé pour écrire les trois blocs de texte ci-dessus qui sont “principalement corrects”. Cela devrait vous donner une idée de l’impact que cela aura sur le marketing. Si vous voulez jouer avec, vous pouvez le faire ici.
De plus, les systèmes GPT-3 peuvent être utilisés pour améliorer la génération de copie publicitaire.
Il y a presque deux ans, Search Engine Land couvert ce qui était alors de nouveaux outils de création de copie d’annonces et de pages de destination PPC. Eh bien, ces outils sont toujours là, améliorés et toujours utilisés. L’un d’eux récemment obtenu un financement de 10 millions de dollars.
D’un point de vue PPC, ils ont tendance à fonctionner de la même manière que ce que vous avez vu auparavant dans les titres et les descriptions suggérés dans Google Ads, mais vous pouvez mieux les affiner et les systèmes s’améliorent constamment.
Les questions évidentes
Cela conduit à un certain nombre de questions sur l’avenir du contenu et de la création de contenu.
Google a déclaré qu’il n’aime pas le contenu généré automatiquement et qu’il est considéré comme du spam car il enfreint ses directives. Cependant, ils ont eux-mêmes investi des ressources massives dans des technologies qui sont fondamentalement conçues pour faire la même chose (nous en reparlerons plus tard).
En fin de compte, Google crée des directives et non des lois, donc la grande question que nous devons nous poser est de savoir si ce que nous produisons offre la meilleure (au moins meilleure) expérience utilisateur. Malheureusement, à l’heure actuelle, même les modèles GPT-3 affinés sont loin d’être parfaits et le contenu qu’ils produisent doit être vérifié et souvent modifié.
En fin de compte, cela peut souvent représenter autant de travail que de simplement écrire le contenu vous-même – bien que l’utilisation de GPT-3 puisse s’avérer utile pour faire émerger des idées et des informations auxquelles vous ne pensez peut-être pas vous-même.
En bas de la route
L’IA prendra-t-elle le relais de l’écriture ? Pas dans un avenir prévisible.
L’avantage que nous, les humains, avons, c’est que nous pouvons écrire sur ce que nous n’avons pas rencontré auparavant. Nous pouvons créer des idées uniques basées sur nos observations et notre imagination. Les machines ne peuvent pas faire cela, donc des systèmes comme GPT-3 doivent rencontrer du contenu et des faits à partir desquels créer.
Cela dit, certaines écritures seront automatisées bientôt. Je soupçonne que la plupart des copies de Google Ad seront automatisées d’ici cinq ans (qu’on le veuille ou non).
Dites-moi que vous ne pouvez pas voir Google Ads vous annoncer maintenant, donnez-leur simplement une URL et un budget, et ils partiront de là, générant des annonces et des stratégies d’enchères et vous montrant environ 20 % des données que vous souhaitez sur ce qui se passe à l’intérieur de la boîte noire.
Peut-être que 20 % est trop généreux, mais vous comprenez où je veux en venir.
Cela dit, nous obtiendrons des avantages en même temps et il nous restera à consacrer plus d’énergie à nos pages de destination et à nos expériences. Obtenir de l’aide de modèles de langage qui nous aident à communiquer avec nos clients (chatbots alimentés par GPT-3 ou peut-être des Meta AI accessibles au public BlenderBot 3?) et aide à la recherche et à la création d’un premier brouillon de contenu.
3. MAMAN
Lorsque j’ai mentionné plus haut que Google développait des systèmes pour créer du contenu généré par l’IA, c’était le modèle auquel je pensais. MAMANainsi que d’autres modèles similaires qui seront développés dans les mois/années à venir, vont radicalement changer la façon dont nous commercialisons, mais où.
Prenons une citation directement de Rédaction de Google sur MUM:
“… MUM non seulement comprend le langage, mais le génère également. Il est formé dans 75 langues différentes et de nombreuses tâches différentes à la fois, ce qui lui permet de développer une compréhension plus complète de l’information et de la connaissance du monde que les modèles précédents. Et MUM est multimodal, donc il comprend les informations à travers le texte et les images et, à l’avenir, peut s’étendre à d’autres modalités comme la vidéo et l’audio.
Prenez la question sur la randonnée au mont Fuji : MUM pourrait comprendre que vous comparez deux montagnes, donc les informations sur l’altitude et les sentiers peuvent être pertinentes. Il pourrait également comprendre que, dans le contexte de la randonnée, la «préparation» pourrait inclure des éléments tels que l’entraînement physique ainsi que la recherche du bon équipement.
Étant donné que MUM peut faire ressortir des informations basées sur sa connaissance approfondie du monde, cela pourrait souligner que même si les deux montagnes sont à peu près à la même altitude, l’automne est la saison des pluies sur le mont Fuji, vous pourriez donc avoir besoin d’une veste imperméable. MUM pourrait également faire apparaître des sous-thèmes utiles pour une exploration plus approfondie – comme l’équipement le mieux noté ou les meilleurs exercices d’entraînement – avec des pointeurs vers des articles, des vidéos et des images utiles sur le Web.”
Le grand avantage ici est qu’avec MUM, Google peut collecter des informations à partir de différentes langues et modalités, et utiliser ces informations pour générer son propre contenu/réponse.
Oui, ils l’affichent dans leurs exemples dans un format agréable et suggèrent qu’ils l’utiliseront simplement pour recommander des articles et des produits – mais en vérité, ils l’utiliseront pour créer les réponses.
Après tout, l’une des caractéristiques est de pouvoir comprendre les informations dans toutes les langues. Il ne m’est guère utile d’avoir un article recommandé dans une langue que je ne parle pas.
Donc, fondamentalement, ils utiliseront les informations qu’ils collectent et les présenteront à l’utilisateur final comme une réponse complète. Collectez à partir de suffisamment de sources, et il n’y a personne à citer.
En bas de la route
Le grand “sur la route” sur celui-ci est de comprendre qu’à mesure qu’il se déploie dans l’environnement en pleine force, il y aura tout simplement moins de place pour les résultats organiques. Les extraits en vedette ne seront plus des sources provenant d’une seule autorité, mais plutôt créés par Google, en fonction de leur connaissance du monde dans son ensemble.
Aucune attribution. Pas de clic.
L’organique ne disparaîtra pas et le référencement n’est pas mort (désolé pour les opposants) – mais la structure changera radicalement.
Imaginez un monde où le résultat de la recherche est constitué de réponses avec uniquement des liens secondaires et tertiaires vers des ressources. Pensez à un monde LamDA/chat où chaque résultat est censé être un engagement plutôt que la fin de l’histoire. Un engagement destiné à inciter l’utilisateur à réaliser son intention, plutôt que de simplement répondre à une question.
Imaginez les opportunités marketing qui en découleront. Tisser votre contenu dans de nouveaux emplacements. Faire apparaître vos annonces au bon moment dans la discussion pour déclencher des conversions.
Ne vous méprenez pas, ce n’est pas que du soleil et des roses. Il y aura moins d’exposition, et je pense sincèrement aux éditeurs et aux personnes pour qui le contenu est le produit principal. Mais pour ceux qui vendent des produits et des services et qui peuvent s’adapter rapidement, il y aura beaucoup d’opportunités.
Et après?
En ce qui concerne le marketing et son avenir, il existe de nombreux autres modèles d’apprentissage automatique à explorer. Certains diront même que le meilleur reste à venir.
Dans mon prochain article, j’explorerai la réalité augmentée et le métaverse. Nous discuterons de certaines directions probables pour eux, de ce que vous devez faire pour vous préparer à ce nouveau monde courageux (ou est-ce un monde ?), et de quelques points à retenir d’entretiens avec les ingénieurs en apprentissage automatique qui travaillent pour construire cette réalité.
Les opinions exprimées dans cet article sont celles de l’auteur invité et pas nécessairement Search Engine Land. Les auteurs du personnel sont répertoriés ici.
Nouveau sur Search Engine Land
A propos de l’auteur
<iframe id="twitter-widget-0" src="https://platform.twitter.com/widgets/follow_button.1392079123.html#_=1392650032615&id=twitter-widget-0&lang=en&screen_name=beanstalkim&show_count=true&show_screen_name=true&size=m" class="twitter-follow-button twitter-follow-button" title="Twitter Follow Button" data-twttr-rendered="true" style="width: 251px; height: 25px;"></iframe>
Dave Davies est le responsable du référencement pour la société d’opérations d’apprentissage automatique Weights & Biases. Il a fait ses débuts dans le référencement au début des années 2000 et a cofondé en 2004 Beanstalk Internet Marketing avec sa femme Mary, qui gère toujours ses opérations quotidiennes. Il anime un podcast hebdomadaire, prend régulièrement la parole lors des principales conférences de l’industrie et est fier d’être un contributeur régulier ici même sur Search Engine Land.
— to searchengineland.com