LangChain
LangChain est un framework logiciel qui aide à intégrer facilement des grands modèles de langage (LLM) dans des applications.
| Dernière version | 0.1.16 ()[1] |
|---|---|
| Dépôt | github.com/hwchase17/langchain et github.com/langchain-ai/langchain |
| Type | Bibliothèque logicielle Python (d) |
| Licence | MIT License |
| Site web | langchain.com |
Il sert principalement à connecter les LLM à des sources de données, comme des documents ou des bases de connaissances.
Les principaux cas d’usage de LangChain sont donc proches de ceux des LLM en général : recherche et synthèse de documents, chatbots, questions-réponses basées sur des données, et analyse de code[2].
Historique
modifierLangChain a été lancé en en tant que projet open source par Harrison Chase, alors qu'il travaillait pour la start-up Robust Intelligence, spécialisée dans l'apprentissage automatique. En , LangChain s'est constitué en société et la nouvelle start-up a levé plus de 20 millions de dollars de fonds, pour une valorisation d'au moins 200 millions de dollars, auprès de la société de capital-risque Sequoia Capital, une semaine après avoir annoncé un investissement initial de 10 millions de dollars de la part de Benchmark[3].
Au troisième trimestre 2023, le langage d'expression LangChain (LCEL) a été introduit, qui fournit un moyen déclaratif de définir des chaînes d'actions[4].
En , LangChain a lancé LangServe, un outil de déploiement permettant d'héberger le code LCEL sous forme d'API prête à l'emploi[5].
En , LangChain a lancé LangSmith, une plateforme d'observabilité et d'évaluation à code source fermé pour les applications LLM, et a annoncé une série A de 25 millions de dollars menée par Sequoia Capital.[8] Le , la société a lancé la plateforme LangGraph, qui fournit une infrastructure gérée pour le déploiement d'agents IA à état longuement exécutables[6].
En , LangChain a figuré dans la liste Forbes AI 50[7].
Dans les deux ans suivant sa création, LangChain gagne en popularité chez les développeurs et entreprises du domaine de l’IA générative. En juillet puis en , l'entreprise lève 100 millions puis 125 millions de dollars, atteignant une valorisation d’environ 1,2 milliard de dollars et rejoignant la catégorie des "licornes" de l’IA[8],[9].
Fonctionnalités
modifierLes développeurs de LangChain mettent en avant l’utilisation du framework pour des cas d’usage comme les chatbots[10], la génération augmentée par récupération (RAG)[11], le résumé de documents[12] et la génération de données synthétiques[13].
En , LangChain proposait des intégrations avec notamment :
- des stockages cloud Amazon, Google et Microsoft Azure ;
- des connecteurs (wrappers) d’API pour les actualités, les films et la météo ;
- Bash pour faire du résumé, de la vérification syntaxique et sémantique, et l’exécution de scripts ;
- plusieurs systèmes et modèles de web scraping ;
- la création de prompts pour l’apprentissage “few-shot” (avec quelques exemples) ;
- la détection et le résumé de tâches “todo” dans du code ;
- pour Google Drive (Docs, Sheets, Slides) : résumer, extraire et créer des contenus ;
- la recherche web via Google Search et Microsoft Bing[14] ;
- des modèles de langage OpenAI, Anthropic et Hugging Face ;
- l’extraction et la manipulation de texte dans des PDF via PyPDF, pdfminer, fitz et pymupdf ;
- la génération, l’analyse et le débogage de code Python et JavaScript ;
- la base vectorielle Milvus pour stocker et retrouver des embeddings[15] ;
- des fonctions de mise en correspondance de texte pour une recherche k-plus-proches-voisins (k-NN) ;
- le traçage et l’enregistrement d’informations d’exécution dans des sous-processus threadés et asynchrones ;
- l’accès au site et au SDK Wolfram Alpha[16].
En , LangChain pouvait lire plus de 50 types de documents et de sources de données[17].
Notes et références
modifier- (en) Cet article est partiellement ou en totalité issu de l’article de Wikipédia en anglais intitulé « LangChain » (voir la liste des auteurs).
- ↑ « Release 0.1.16 », (consulté le )
- ↑ « LangChain, un framework qui facilite le développement autour des LLM - Le Monde Informatique », sur LeMondeInformatique, (consulté le )
- ↑ (en-US) Stephanie Palazzolo, « Exclusive: AI startup LangChain taps Sequoia to lead funding round at a valuation of at least $200 million », sur Business Insider (consulté le )
- ↑ (en-US) Mariya Mansurova, « Topic Modelling in production », sur Towards Data Science, (consulté le )
- ↑ (en) « Introducing LangServe, the best way to deploy your LangChains », sur LangChain Blog, (consulté le )
- ↑ (en) « LangGraph Platform is now Generally Available: Deploy & manage long-running, stateful Agents », sur LangChain Blog, (consulté le )
- ↑ (en) Rashi Shrivastava, « AI Startup LangChain Is In Talks To Raise $100 Million », Forbes, (lire en ligne, consulté le )
- ↑ Julien Mathis Leroux, « LangChain s’impose comme licorne de l’IA : lève 100 millions de dollars et révolutionne le secteur », sur Trust My Science, (consulté le )
- ↑ (en-US) Julie Bort, « Open source agentic startup LangChain hits $1.25B valuation », sur TechCrunch, (consulté le )
- ↑ (en) « Build a RAG agent with LangChain », sur Docs by LangChain (consulté le )
- ↑ (en) « Q&A with RAG | 🦜️🔗 Langchain » [archive du ], sur python.langchain.com (consulté le )
- ↑ (en) « Summarization | 🦜️🔗 Langchain » [archive du ], sur python.langchain.com (consulté le )
- ↑ (en) « Synthetic data generation | 🦜️🔗 Langchain » [archive du ], sur python.langchain.com (consulté le )
- ↑ (en) Artsiom Baranouski, « Why Blog is Dead Again? 🤔 », sur Medium, (consulté le )
- ↑ (en) « Milvus », sur Docs by LangChain (consulté le )
- ↑ « Wayback Machine » [archive du ], sur objects.githubusercontent.com (consulté le )
- ↑ (en) « LangChain overview », sur Docs by LangChain (consulté le )
