Cinq outils d'IA no code à la loupe

Cinq outils d'IA no code à la loupe Le développement sans code monte en puissance dans le machine learning, des studios de data science aux plateformes cloud d'intelligence artificielle en passant par les outils de bots.

Le développement sans code gagne de nombreux domaines : sites web, applications d'entreprise, workflow automation, apps mobiles… (lire l'article : Développement no code : quelle application est faite pour vous ?) L'intelligence artificielle n'échappe pas à la vague. Les outils no code se multiplient dans l'IA depuis quelques années déjà. L'ambition des éditeurs ? Mettre le machine learning, jusqu'ici réservé aux data scientists, à la portée des data analysts et autres experts business. Plateforme de data science, de bots, reconnaissance de texte, le no code investit de nombreux segments de l'IA.

Syntex : la data science dans Office

Intégré à Microsoft 365 fin 2020, Syntex permet de créer des modèles de machine learning pour automatiser l'extraction de données au sein de documents SharePoint. Nul besoin d'être un data scientist pour l'utiliser. Ces modèles peuvent s'appliquer à des contenus structurés, typiquement des formulaires, ou non-structurés, tels des fichiers ou des e-mails. Ils gèrent la reconnaissance des champs de saisie et l'extraction d'entités qu'elles soient standard (date, heure, code postal, numéro de téléphone, et autres nombres...) ou spécifiques à un métier donné. Pour la phase d'apprentissage, il suffit de soumettre des fichiers d'exemples contenant les entités ou champs de saisie à cibler. Plus prosaïquement, on pourra apprendre à Syntex à reconnaitre des types de contenu en vue de les classer. Dans ce cas, la base d'entrainement doit comprendre cinq exemples corrects (fichiers positifs) et cinq exemples incorrects (fichiers négatifs).

© JDN / Capture

Dydu : les bots no code

Dydu (ex- Do you dream up) est la star française des plateformes d'assistants conversationnels. A la fois orientée chatbot, voicebot et callbot, elle permet de concevoir graphiquement les scénarios de questions-réponses et de visualiser les échanges depuis une interface unique. Dydu s'adosse à un modèle de traitement automatique du langage pour analyser les demandes et identifier les réponses les plus adéquates au sein de sa base de connaissances. Pour compléter l'édifice, l'éditeur propose Dydubox : un outil pour configurer et personnaliser le front-end du bot, à avoir sa boîte de dialogue orientée utilisateur. Là encore en mode no code, il permet de tester différents designs, textes et fonctionnalités. Dydu revendique 160 projets réalisés. Parmi ses références figurent EDF, Orange, PSA, Société Générale ou TotalEnergies (lire l'article : Comparatif des outils français de création de bots : Dydu se démarque).

© JDN / Capture

Google Vertex : le machine learning automatisé

Google figure parmi les tous premiers acteurs du cloud à s'être positionnés dans le machine learning automatisé (autoML), suivant la voie ouverte par DataRobot et H2O.ai. Baptisé Vertex-AI AutoML, l'outil que le groupe propose dans ce domaine permet à un data analyst de créer rapidement un modèle simple, par exemple un classifieur d'images en l'entraînant à partir d'un data set de photos labellisées. En fonction du problème à résoudre (la reconnaissance d'objets, ou encore une prédiction financière, une maintenance préventive...), l'application sélectionne plusieurs algorithmes, puis les entraîne sur la base d'un set de données d'apprentissage prédéfini. Via une couche de scoring, elle compare ensuite leurs résultats en mixant plusieurs combinaisons d'hyperparamètres. Pour finir, elle sélectionne le modèle le plus performant (lire l'article : Le machine learning automatisé va-t-il remplacer le data scientist ?). A cette brique, Google associe un second outil no code (Vertex Pipelines) conçu pour modéliser des pipelines de machine learning.

© JDN / Capture

Alteryx : l'IA analytics sans code

Alteryx se présente comme une plateforme de data analytics automation à la portée de tout expert business. Sa principale valeur ajoutée ? Offrir un environnement de machine learning sans code taillé pour créer des modèles prédictifs en vue d'automatiser l'alimentation de tableaux de bord de pilotage. Une interface graphique gère la mise en œuvre des processus de traitement de données sous-jacents et leurs étapes successives : intégration de sources de données, data préparation, traitement et/ou analyse prédictive et, enfin, data visualisation (voir capture ci-dessous). L'utilisateur d'Alteryx accède à une boîte à outils et dessine le process visuellement via glisser-déposer avant de l'exécuter. Comparable à Knime, la plateforme peut se connecter à des dizaines de sources (lire l'article : Alteryx : la plateforme d'IA no code de data automatisation).

© JDN / Capture

C3.ai : une plateforme d'IA no code

Fondé par Tom Siebel, C3.ai articule son offre autour d'une plateforme d'intelligence artificielle qui place le no code au cœur de son ADN. Dès 2019, cette société californienne commercialise un studio de développement et déploiement d'IA no code/low code. Baptisée C3 Integrated Development Studio (IDS)‚ elle s'articule autour deux briques principales : C3 Data Studio et C3 ML Studio. La première est centrée sur l'ingestion et la préparation des données d'apprentissage, la seconde sur la création des modèles de machine learning. Leurs interfaces graphiques sont faites pour convenir aussi bien aux data analysts qu'aux data scientists. En janvier 2021, C3 a lancé une application d'IA prédictive no code de bout en bout : C3 AI Ex Machina.

© JDN / Capture

Conçue pour automatiser en amont l'ingestion de data set d'entrainement, elle génère ses modèles d'apprentissage par le biais d'une interface graphique basée sur un moteur d'auto ML.