Retab développe une technologie qui détecte et corrige en temps réel les hallucinations des LLM.
Quelle confiance peut-on accorder aux réponses des LLM ? Actuellement, les grands modèles de langage restent sujets à de nombreux biais et hallucinations, qui freinent leur déploiement et doivent être constamment supervisés par des humains.
Pour tenter d’y remédier, Retab planche sur une plateforme destinée aux développeurs, permettant de détecter et corriger ces erreurs. Pour accélérer le développement de sa solution, la jeune pousse a annoncé une levée de fonds de 3,5 millions de dollars. Une opération menée par VentureFriends et soutenue par des investisseurs variés tels que Rodolphe Saadé (StemAI), Xavier Niel (Kima Ventures), K5 Global (investisseur dans xAI, Uber, SpaceX), ainsi que les figures de la French Tech Olivier Pomel (Datadog) et Florian Douetteau (Dataiku).
Dans le détail, la plateforme de Retab repose sur de la génération structurée — une méthode censée apporter des garanties mathématiques sur chaque format de sortie. La plateforme s’appuie ensuite sur deux systèmes. Le premier, Schémas Auto-Optimisés, est un agent d’IA qui teste et affine les différents paramètres du modèle en se basant sur le dataset de l’utilisateur, afin de garantir une plus grande précision avant le déploiement. Le second, Routage Intelligent de Modèles, permet de rediriger dynamiquement les requêtes vers les LLM les plus pertinents selon la tâche à accomplir.
