Principes d’IA

Cette traduction n’est fournie qu’à titre informatif. Dans l’éventualité où des incohérences apparaîtraient entre celle-ci et la version anglaise, c’est la version anglaise qui prévaudrait.

Notre approche pour l’IA et l’apprentissage automatique

Chez Slack, l’intelligence artificielle et l’apprentissage automatique sont au cœur de notre expérience produit. Notre engagement en matière de confidentialité et de sécurité des données est fondamental dans toutes nos activités, et nous veillons à mettre en place des contrôles rigoureux pour protéger vos informations. Vos données client (telles que les messages et les fichiers) ne sont pas utilisées pour entraîner des modèles linguistiques à grande échelle (LLM).

Les fonctionnalités d’IA et d’apprentissage automatique que nous développons sont conçues pour rendre le travail dans Slack plus simple, plus intelligent et plus efficace. Si l’IA est une nouveauté pour Slack, l’apprentissage automatique fait depuis longtemps partie intégrante de l’expérience Slack. Ce guide explique comment ces technologies sont intégrées à Slack et présente clairement les différences entre elles :

• L’IA fait spécifiquement référence aux fonctionnalités d’IA générative alimentées par de grands modèles linguistiques (LLM), comme les résumés de canaux.
• L’apprentissage automatique englobe des fonctionnalités utilisant des modèles prédictifs, telles que les recommandations d’émojis et les suggestions de noms d’affichage lorsque vous mentionnez d’autres utilisateurs.

IA dans Slack

Les fonctionnalités d’IA sont incluses dans les forfaits payants Slack. Les administrateurs peuvent activer ou désactiver les fonctionnalités d’IA, donnant ainsi aux clients un contrôle total sur la manière dont l’IA est utilisée dans leurs espaces de travail et sur son utilisation même.

Notre architecture d’IA a été conçue dans le respect de la vie privée :

All of our AI features are protected by Slack AI Guardrails, a set of built-in foundational protections. These safeguards include content thresholds that reduce hallucinations, explicit safety instructions that limit prompt engineering, context engineering to reduce prompt injection risks, URL filtering to prevent phishing attacks, and output format validation, as well as provider mitigations.

The Slack AI Guardrails also automatically apply Content Safety Filters as another protective layer for AI features that rely on user-generated inputs. These filters analyze queries in real time to identify and mitigate harmful content, prompt injection attempts, and security risks before they reach AI systems like Slackbot and Search Answers.

Our approach to AI is grounded in these three principles:

• You control what AI can access:
  Your Customer Data in Slack (like messages and files) are not used to train LLMs.
• Your data is never used to train large language models.
  Workspace and organization admins can turn AI features on or off at any time, giving customers full control over how AI is used. Slack AI only works with content you already have permission to view. For example, AI search answers will only include results you could also find in a standard search.
• Your data stays within Slack’s trusted infrastructure.
  The LLMs we use are deployed inside Slack’s cloud environment, so model providers do not have access to your data.

Remarque : les administrateurs peuvent décider si les membres de leur espace de travail ou de leur organisation Enterprise ont accès à nos fonctionnalités d’IA. Pour en savoir plus, consultez Gérer l’accès aux fonctionnalités d’IA dans Slack.

Apprentissage automatique dans Slack

nous utilisons également des modèles prédictifs d’apprentissage automatique pour améliorer encore davantage l’expérience Slack. Lorsque vous voyez un émoji que vous et vos collègues avez récemment utilisé dans le sélecteur d’émojis, ou une suggestion de saisie automatique pour vous aider à trouver la bonne personne dans votre entreprise avec un nom courant, nos modèles d’apprentissage automatique sont responsables de la pertinence et de l’exactitude de ces suggestions.

• Les modèles d’apprentissage automatique nous permettent d’offrir des expériences personnalisées de haute qualité.
• Nous construisons et entraînons des modèles de manière à ce qu’ils ne puissent pas reproduire les données des clients, et les résultats des modèles ne peuvent pas être liés aux données d’un client spécifique.

Conseil : consultez nos principes de confidentialité pour obtenir un aperçu des principes que nous suivons pour guider le développement des produits chez Slack et les contrôles des clients.

Plus d’informations sur les modèles et les données

Pour plus d’informations sur les modèles génératifs et prédictifs que nous utilisons et sur la façon dont ils alimentent nos fonctions d’IA et de ML, consultez Intelligence artificielle, apprentissage automatique et utilisation des données de Slack. Cette ressource fournit des informations détaillées à tous ceux qui souhaitent mieux comprendre nos pratiques en matière de données d’IA et de ML.