Il y a un déluge de contenu médiocre sur Internet que nous n’avons pas vu. Et si vous pouviez produire 10 fois plus de contenu pour 10 fois plus d’économies, que feriez-vous ? Même si le contenu était médiocre, seriez-vous toujours tenté de profiter de la possibilité de lancer du contenu contre le puits et de voir ce qui colle ?

Qu’est-ce que cela signifierait pour les sites Web, les fermes de liens, les réseaux de blogs privés, les constructeurs de liens, les référenceurs et les algorithmes des moteurs de recherche ? Qu’est-ce que cela signifierait pour un contenu de qualité, crédible et original ?

Qu’est-ce que GPT-3 et comment ça marche ?

GPT-3 signifie Generative Pre-trained Transformer. Par Wikipédia:

GPT-3 est un modèle de langage autorégressif qui utilise l’apprentissage en profondeur pour produire un texte de type humain. Il s’agit du modèle de prédiction de langage de troisième génération de la série GPT-n (et le successeur de GPT-2) créé par OpenAI.

En tant que processeur et générateur de langage naturel, GPT-3 est un moteur d’apprentissage des langues qui explore le contenu et le code existants pour apprendre les modèles, reconnaît la syntaxe et peut produire des sorties uniques basées sur des invites, des questions et d’autres entrées.

Mais GPT-3 est plus qu’une simple utilisation par les spécialistes du marketing de contenu, comme en témoigne la récente Partenariat OpenAI avec Github pour créer du code à l’aide d’un outil appelé « Copilote ». La possibilité d’utiliser la modélisation de langage autorégressive ne s’applique pas seulement au langage humain, mais aussi à divers types de code. Les sorties sont actuellement limitées, mais son utilisation potentielle future pourrait être vaste et impactante.

Comment GPT-3 est actuellement maintenu à distance

Avec l’accès bêta actuel à l’API OpenAI, nous développé notre propre outil au-dessus de l’API. Le processus actuel de candidature et de soumission avec OpenAI est rigoureux. Une fois qu’une application a été développée avant de pouvoir être rendue publique pour une utilisation dans une application commerciale, OpenAI nécessite une soumission détaillée et un cas d’utilisation pour approbation par l’équipe OpenAI. Parmi les exigences d’approbation figurent les limitations sur les types et les longueurs de sorties autorisées à être extraites de l’API.

Par exemple, la société interdit actuellement l’utilisation d’OpenAI sur certaines plateformes sociales, y compris Twitter, estimant que des tweets massifs produits à grande échelle pourraient être utilisés à des fins néfastes ou politiques et influencer ou créer une opinion publique qui peut ne pas être exacte.

De plus, OpenAI restreint davantage tout outil utilisant l’API à partir d’une sortie supérieure à 200 caractères. Avec pour mission de servir un objectif beaucoup plus élevé que de produire un contenu plus médiocre que les humains ne liront probablement jamais.

Garder des contrôles stricts sur un produit bêta qui pourrait être utilisé de manière néfaste est plus qu’intelligent, mais cela ne signifie pas que les agresseurs potentiels ne trouveront toujours pas un moyen de contourner les règles.

Exemples de contenu GPT-3 à grande échelle

Depuis que nous avons développé notre propre outil sur la plate-forme OpenAI, nous l’avons largement utilisé en interne, le testant sur certains de nos propres projets et de ceux de nos clients. Voici quelques exemples où nous l’avons trouvé extrêmement utile pour créer du contenu qui, autrement, coûterait plus cher et nécessiterait plus de ressources à mettre en œuvre :

  • Pages de destination à grande échelle. Bien que l’outil ne soit pas aussi doué pour créer du contenu de type blog, il est en fait assez astucieux dans sa capacité à créer des pages de destination pour des éléments tels que les « lieux » et les « industries » desservies. Nous avons récemment testé cela en créant plus de 1 100 pages de destination de ville et d’état pour un projet interne à VELO.co où nous avons formé plusieurs assistants offshore sur l’outil et leur avons expliqué comment brancher les sorties d’invite GPT-3 dans une conception Elementor de base répliquée sur WordPress.
  • Présentations des podcasts. Nous avons découvert que les introductions aux podcasts – pour nous-mêmes et pour les clients – peuvent plus facilement être produites à l’aide de GPT-3. Pour le rendre encore plus effrayant, nous avons même testé la technologie vocale basée sur l’IA pour l’audio des podcasts eux-mêmes. Imaginez cela, une émission de podcast entière où aucun humain ne crée de contenu !
  • Des médias sociaux. Bien qu’il existe actuellement des restrictions sur la longueur et le type de format où GPT-3 peut être utilisé, il existe une véritable possibilité
  • Spam d’e-mails. Les algorithmes de spam capturent actuellement des modèles dans les e-mails, en particulier en ce qui concerne la copie. C’est une façon dont l’IA/ML est utilisé pour filtrer les e-mails indésirables, mais s’il n’est pas contrôlé, une grande quantité d’e-mails uniques pourrait être envoyée séparément avec une probabilité moindre d’être signalée comme spam.
  • Filature de contenu. Parce que l’API peut produire des sorties uniques et plus longues avec une entrée simple et plus courte, la possibilité de faire tourner et de recréer un contenu similaire pour une utilisation dans la publication en ligne est une vraie tentation, même si vous devez l’assembler pour y arriver.

Celles-ci ne représentent qu’un faible potentiel d’utilisations (légitimes ou non) du GPT-3. Alors que nous ne faisons qu’effleurer la surface du potentiel de l’impact de cet outil d’IA particulier sur nous, il y a ceux dont les motivations, bien que non négatives en soi, utiliseront toujours l’outil pour créer un déluge de contenu qui ajoute peu ou pas de valeur autre que de simplement fournir du contenu en ligne pour le plaisir du contenu.

Pourquoi le contenu à grande échelle va ruiner l’état actuel d’Internet

Il y a 20 ans, nous avons plaisanté en disant que vous deviez faire attention aux vérités que vous pensiez avoir été extraites du Web. Les nouvelles technologies peuvent en fait nous ramener à une époque révolue où les faits sont plus flous et la qualité du contenu est pire, pas meilleure. En effet, on estime que 7,5 millions de nouveaux articles de blog sont créés chaque jour. Imaginez si les machines pouvaient le faire dans le cloud avec un simple algorithme ?

Le contenu sera similaire à la façon dont Syndrome sur « Les Indestructibles » de Disney a décrit son plan pour un monde post-super-héros où il fournirait des machines qui rendraient tout le monde super :

Quand tout le monde sera super, personne ne le sera.

C’est exactement ce qui se passe avec la capacité de GPT-3 à fournir du contenu à grande échelle.

Lorsque n’importe qui peut créer du contenu à grande échelle avec peu ou pas de frais, alors la seule chose qui se différenciera à l’avenir sera la qualité. En bref, je suis d’accord avec le sentiment d’OpenAI selon lequel des contrôles stricts devraient être placés sur la quantité et l’objectif du contenu produit par GPT-3. Sinon, nous aurions beaucoup plus ou beaucoup moins de contenu écrit sur le Web.

Nate Nead

Nate Nead est le PDG et membre directeur de Nead, LLC, une société de conseil qui fournit des services de conseil stratégique dans plusieurs disciplines, notamment la finance, le marketing et le développement de logiciels. Pendant plus d’une décennie, Nate a fourni des conseils stratégiques sur les fusions et acquisitions, l’approvisionnement en capital, la technologie et les solutions marketing pour certaines des marques en ligne les plus connues. Lui et son équipe conseillent aussi bien les clients Fortune 500 que les PME. L’équipe est basée à Seattle, Washington; El Paso, Texas et West Palm Beach, Floride.