Qu'est-ce que l'IA ?
De toute évidence, l’IA est une plateforme sans code pour l’apprentissage automatique prédictif et l’automatisation de l’IA. Un utilisateur fournit des données historiques structurées, choisit un résultat et demande à la plateforme de créer un modèle de classification, de régression, de série chronologique ou de clustering. Le résultat peut être exploré dans un tableau de bord, partagé via une application web, appelé via une API REST, surveillé dans le temps ou connecté à une automatisation. La page de tarification actuelle présente également des agents IA, des rapports récurrents, des LLM personnalisés et des flux de travail de type RPA aux côtés de la pile prédictive classique.
Sa promesse est la rapidité et l’accessibilité, et non la suppression de la science des données. L'interface peut automatiser le prétraitement, la sélection d'algorithmes candidats, la recherche d'hyperparamètres, la validation et le déploiement. Il ne peut pas décider si les données historiques représentent l’avenir, si la cible est licite, si un proxy crée une discrimination, si une intervention a provoqué un résultat ou si l’entreprise utilisera une prédiction de manière responsable.
De l'ensemble de données à la prédiction déployée
La documentation officielle sur les algorithmes indique que l'IA examine évidemment les propriétés des ensembles de données, sélectionne les algorithmes candidats, essaie de nombreuses combinaisons d'hyperparamètres et sélectionne un résultat très performant. Les approches prises en charge incluent des méthodes familières linéaires, probabilistes, arborescentes, d'ensemble et neuronales en fonction de la tâche. Les pages de produits se concentrent sur le taux de désabonnement, la conversion des prospects, le remboursement du prêt, la fraude, les ventes, les prix, le rendement, les coûts, la demande et d'autres résultats structurés.
Avant le téléchargement, définissez un horodatage de prédiction et supprimez les informations qui n'auraient pas existé à ce moment-là. Les fuites peuvent donner une apparence excellente à un résultat de test tout en rendant inutiles les prévisions de production. Répartir les données de formation, de validation et de test final par période ou entité, le cas échéant ; gardez l'ensemble final intact jusqu'à la fin de la sélection du modèle. Comparez le modèle avec une base de référence simple et calculez des mesures commerciales telles que la précision de la capacité d'action, le coût des faux positifs, l'étalonnage et les performances par groupes importants, et pas seulement un chiffre de précision global.
Les options de déploiement créent des risques supplémentaires. Une application Web de prédiction peut être partagée par lien, une API peut évaluer des enregistrements en temps réel et une règle de style Zapier peut déclencher une action lorsque la probabilité dépasse un seuil. Commencez par une file d’attente de recommandations. Enregistrez les versions d'entrée, les versions de modèle, la confiance, les décisions des réviseurs, les résultats, les remplacements et les échecs. Ne laissez jamais un score rejeter automatiquement un prêt, un demandeur, un patient, une réclamation ou une enquête sans base juridique, appel, examen humain et validation de domaine appropriés.
Limites des forfaits gratuits et payants
Le plan gratuit est destiné aux particuliers, aux amateurs et aux organisations à but non lucratif. Il répertorie un poste, 1 200 prédictions, des modèles illimités, une entrée CSV uniquement, une classification, une régression, des séries chronologiques, un clustering, des agents IA, des LLM personnalisés, des API REST, des automatisations RPA, une prise en charge par courrier électronique, des fichiers jusqu'à 10 Mo et jusqu'à 10 000 lignes par tâche de traitement. La même page mentionne séparément un million de lignes de données de formation. Un acheteur doit donc confirmer l'interaction du volume de formation cumulé et des limites de traitement par tâche.
Les forfaits payants Software + Data Scientist n'affichent pas de prix numériques. Le démarrage répertorie un cas d'utilisation, jusqu'à 100 Mo de fichiers et jusqu'à un million de lignes. SMB répertorie trois cas d'utilisation, des fichiers de 1 Go et 100 millions de lignes. Enterprise répertorie cinq cas d'utilisation, 10 Go de fichiers et 250 millions de lignes. La page présente des agents, des modèles prédictifs, des rapports, des tableaux de bord, des API, des réglages fins, une surveillance, un stratège et un data scientist dédié, ainsi qu'une assistance vidéo ou par chat. Les fonctionnalités de gouvernance telles que SAML/SSO, les pistes d'audit, la résidence des données, les sources personnalisées et le cloud privé apparaissent comme des considérations avancées dont la disponibilité exacte du plan doit être confirmée par écrit.
Une « prédiction » est comptée par enregistrement renvoyé : l'évaluation de 100 lignes téléchargées consomme 100 prédictions. La modélisation des coûts nécessite donc la taille des lots, le trafic API, la cadence de recyclage, le nombre de cas d'utilisation, les limites de fichiers et de lignes, les heures d'assistance et les contrôles de déploiement requis.
Questions de sécurité, de confidentialité et de diligence sans réponse
De toute évidence, la page de sécurité d'AI indique que les données des clients sont cryptées avec TLS en transit et AES-256 au repos dans l'infrastructure Google Cloud. Il répertorie un rapport SOC 2 Type II audité chaque année couvrant la sécurité, la confidentialité et la disponibilité, la prise en charge du RGPD et un DPA, les contrôles CCPA et la prise en charge HIPAA avec un BAA éligible. Il s'agit de réclamations du fournisseur ; demandez les rapports actuels, la portée, les exceptions, l'architecture, les sous-traitants, les engagements en matière d'incident et la configuration réelle de la région.
La politique de confidentialité, mise à jour en février 2025, se concentre principalement sur les informations personnelles des comptes et des sites Web. Il indique que les informations personnelles ne sont généralement pas conservées plus de 90 jours après la résiliation du compte, sauf exceptions légales ou opérationnelles, et que les sauvegardes peuvent être isolées jusqu'à ce que la suppression soit possible. Il ne s'agit pas d'une spécification complète de traitement des données pour les données de formation téléchargées, les modèles formés, les fonctionnalités, les prédictions, les invites d'agent, les journaux d'API, les rapports ou l'accès des scientifiques aux données humaines.
Avant une utilisation sensible, obtenez des réponses contractuelles indiquant si les données client ou les artefacts dérivés sont utilisés pour former des modèles partagés, qui peut accéder aux ensembles de données, la conservation de chaque artefact et sauvegarde, la vérification de la suppression, les destinations des sous-traitants, le traitement régional, l'accès au support, la portabilité des modèles et ce qui est retourné ou détruit à la résiliation. Ne déduisez pas ces détails d’un badge de sécurité générique.
Verdict
De toute évidence, l’IA peut raccourcir le chemin entre une question commerciale structurée et un prototype prédictif fonctionnel, en particulier pour les équipes dépourvues de capacités d’ingénierie en ML. Son modèle logiciel plus expert peut également faciliter le nettoyage et le déploiement. L’évaluation ne réussit que si elle mesure la qualité des données, les fuites, l’équité, l’étalonnage, la dérive, la valeur opérationnelle et la gouvernance parallèlement à la vitesse. Utilisez-le pour rendre le développement de modèles plus accessible, et non pour faire disparaître la responsabilité statistique.
