Data Science without Code

Une phrase pour présenter

Évidemment, AI est une plateforme d’apprentissage automatique sans code destinée aux équipes métier non techniques, capable de transformer des données tabulaires historiques en modèles de classification, de régression, de séries temporelles et de clustering, puis de déployer des prédictions sur des pages web, des systèmes automatisés ou des systèmes métier.

Présentation des outils

Obviamente AI est géré par Obviously AI, Inc. de San Francisco, aux États-Unis, et était initialement axé sur l’analyse prédictive sans code. Les produits actuels intègrent en outre des fonctionnalités telles que l’AI agente, les agents AI, l’automatisation RPA, les rapports périodiques et des modèles géants personnalisables.

La plateforme propose des solutions purement logicielles, ainsi que des solutions combinant logiciel et services d’experts en stratégie IA et en science des données. Les professionnels peuvent modéliser eux-mêmes, tandis que le nettoyage de données complexe, la fusion, l’audit et les stratégies de modèles peuvent faire l’objet d’une assistance par des experts.

Aperçu des compétences clés

Fonction principale

Conception de modèles sans code

L’utilisateur télécharge les données, sélectionne la colonne cible à prédire, puis la plateforme effectue la combinaison des algorithmes et le choix des paramètres. Cela abaisse le seuil d’accès à la modélisation, mais ne remplace pas la définition métier, la gouvernance des données ni la validation des résultats.

Prédiction par classification

Les modèles de classification sont utilisés pour prédire des résultats discrets, tels que le fait qu’un client va partir, si une opportunité se transformera en vente ou s’il existe un risque lié à une transaction. Les probabilités de sortie conviennent au tri et à la segmentation, et ne doivent pas être considérées directement comme des faits établis.

Prédiction de régression

Les modèles de régression prédisent des valeurs continues et peuvent être utilisés pour les ventes, les prix dynamiques, l’ampleur des transactions, les coûts et les bénéfices. La définition de la valeur cible, les valeurs aberrantes et les variables futures inconnues influencent de manière significative l’erreur.

Prédiction de séries temporelles

La fonction de séries temporelles prédit des indicateurs futurs à partir de données historiques organisées par ordre chronologique. L’entraînement et la validation doivent respecter l’ordre temporel ; il est interdit de faire passer des données futures dans les échantillons passés.

Clustering et regroupement

Les modèles de clustering permettent de détecter des enregistrements similaires en l’absence d’étiquettes explicites, et peuvent être utilisés pour le regroupement des clients et l’analyse du comportement. Les noms des groupes et leur signification commerciale nécessitent une interprétation manuelle ; on ne peut pas assimiler la similarité statistique à des catégories d’identité réelles.

Déploiement en un clic et applications Web

Une fois le modèle terminé, une application Web partageable peut être utilisée pour que les utilisateurs saisissent des données et obtiennent des prédictions. Lorsqu’il s’agit de données commerciales sensibles, il ne faut pas partager de lien publiquement ; il convient d’abord de vérifier le contrôle d’accès et les permissions.

Tableau de bord du modèle et surveillance

Le plan payant comprend un tableau de bord des modèles, des fonctions d’ajustement et de surveillance, permettant d’examiner les performances et de suivre les changements en production. Les indicateurs de surveillance, la fréquence des alertes et les règles de réentraînement automatique doivent être vérifiés avant l’achat.

RPA et automatisation conditionnelle

La plateforme peut déclencher des actions ultérieures en fonction de la probabilité de prédiction, et s’intégrer à des workflows de type Zapier. Les actions à fort impact doivent faire l’objet d’une approbation manuelle, de limites de montant et de mécanismes de révocation.

Agents d’IA et grands modèles personnalisés

La page des prix actuels inclut l’AI Agent et les LLM personnalisés parmi les fonctionnalités gratuites, tout en mettant en avant l’Agentic AI dans les offres payantes. La page publique ne précise pas en détail les fournisseurs de modèles, les matériaux de connaissance, les droits d’accès aux outils ni les quotas d’utilisation pour chaque offre.

Rapports périodiques

Les solutions SMB et Enterprise permettent de générer des rapports récurrents, qui présentent les prévisions et les indicateurs commerciaux selon un calendrier prédéfini. Les rapports doivent toujours indiquer la période de données, la version du modèle et l’erreur, afin d’éviter de considérer les résultats d’un ancien modèle comme des faits en temps réel.

Support dédié en science des données

La solution logicielle accompagnée d’experts met en relation des stratèges IA et des scientifiques des données ayant une formation post-universitaire, par le biais de messagerie instantanée ou de collaboration vidéo. La portée des services, les délais de réponse, les heures de disponibilité et les livrables doivent être consignés dans le contrat.

Workflow de modélisation complet

1. Définir un problème métier mesurable et déterminer comment les résultats de la prédiction seront utilisés.
2. Organiser les données historiques pour s’assurer que chaque ligne représente le même objet commercial ou unité de temps.
3. Supprimer les cibles de fuite, les identifiants sans importance commerciale et les champs sensibles qui ne doivent pas être traités.
4. Téléchargez un CSV ou connectez-vous à une source de données d’entreprise, puis sélectionnez une tâche de classification, de régression, de séries temporelles ou de clustering.
5. Entraîner le modèle et vérifier la taille de l’échantillon, l’impact des caractéristiques, l’erreur et les résultats de validation.
6. Effectuer une vérification manuelle et des tests de reconstitution métier à l’aide d’échantillons réels qui n’ont jamais participé à l’entraînement.
7. Choisissez une application Web, des prédictions en masse, une API REST, des rapports ou un déploiement automatisé.
8. Surveiller en continu le dérive des données, l’efficacité opérationnelle et les résultats injustes, et réentraîner ou désactiver si nécessaire.

Guide d’introduction à l’utilisation

Créer un modèle de classification

1. Préparez un CSV contenant les résultats historiques, par exemple si chaque client a finalement quitté ou non.
2. Vérifiez que la colonne cible ne contient que des catégories claires, et unifiez les valeurs manquantes, l’orthographe et la plage de dates.
3. Téléchargez le fichier et sélectionnez la colonne cible pour exclure les champs qui ne sont apparus qu’après l’obtention des résultats.
4. Après l’entraînement, vérifier le taux de précision, le taux de rappel, la matrice de confusion et le déséquilibre des catégories.
5. Classer les risques en élevés, moyens et faibles en utilisant des seuils acceptables pour les activités commerciales, plutôt que d’appliquer systématiquement une probabilité de moitié.
6. Fournir d’abord des prévisions à une équipe restreinte, puis comparer les résultats réels et effectuer des ajustements.

Créer un modèle de séries temporelles

1. Choisissez une granularité fixe par jour, semaine ou mois, et complétez les points de temps manquants.
2. Préparer des périodes historiques suffisamment longues pour marquer les jours fériés, les promotions et les changements structurels.
3. Éviter de mélanger aléatoirement les données et conserver celles de la période récente pour les tests de régression.
4. Comparer les prédictions du modèle aux moyennes saisonnières simples ou à la ligne de base à moyenne mobile.
5. Définir une plage raisonnable pour la sortie, afin de ne pas présenter la prédiction ponctuelle comme une garantie.
6. Vérifier continuellement les erreurs en fonction des nouvelles données, et réentraîner après un changement d’environnement.

Déploiement de prédictions via API

1. Terminer la validation du modèle et confirmer que la solution actuelle comprend une API REST.
2. Créer des identifiants indépendants et ne les conserver que dans le système de clés du serveur.
3. Construisez la demande en fonction des champs de formation, en maintenant la cohérence entre le nom, le type et l’unité.
4. Enregistrer la version du modèle, le résumé des entrées, la prédiction, le délai et le code d’erreur.
5. Ajouter des délais d’attente, des tentatives de réessai, une limitation de vitesse et des procédures de dégradation en cas d’indisponibilité.
6. Commencer par une intégration en niveaux de gris, vérifier les bénéfices commerciaux et le coût des erreurs avant d’augmenter le trafic.

À qui s’adresse-t-il

• Analyste métier : Il est possible de valider les projets de prédiction sans écrire de code d’apprentissage automatique.
• Équipe de vente : Prédire la conversion des leads, l’ampleur des ventes et le risque de perte de clients.
• Équipe marketing : identifier les groupes à forte réactivité et organiser des activités différenciées.
• Équipe opérationnelle : Prédire la demande, les stocks, la production et la pression sur les services.
• Équipe financière et de gestion des risques : établissement de scores auxiliaires, mais les décisions à haut risque nécessitent toujours une gouvernance stricte.
• Start-up : Valider un cas d’usage unique d’IA à l’aide de la version gratuite ou du plan Startup.
• Équipe des données d’entreprise : déploiement via le cloud privé, SSO, l’audit et des sources de données personnalisées.

Scénarios d'utilisation typiques

Prix et forfaits

Ce qui suit représente les options actuellement publiées sur le site officiel au 22 août 2026. La version gratuite indique clairement des limites de volume ; pour les versions Startup, SMB et Enterprise, seules la capacité et les avantages sont exposés, sans indication des prix en dollars. Il est nécessaire de s’inscrire ou de prendre contact par voie commerciale pour obtenir le tarif actuel.

Le site officiel permet également de choisir entre Software Only et Software + Data Scientist, mais la page des prix publics consultée ne précise pas la différence de tarif entre ces deux services. Les prix mensuels indiqués dans l’ancien blog sont des informations historiques et ne peuvent pas servir de prix d’achat actuel.

Comparaison des fonctionnalités des forfaits

Limites de la version gratuite

• La version gratuite ne dispose que d’un seul poste utilisateur et ne peut pas être considérée comme une solution de collaboration en équipe.
• Chaque ligne ou chaque enregistrement qui renvoie un résultat du modèle est compté comme une prédiction.
• Le quota gratuit est de 1200 prédictions ; le téléchargement en masse de plusieurs lignes consomme rapidement ce quota.
• La page des prix présente simultanément deux descriptions : 1 million de lignes de données d’entraînement et jusqu’à 10 000 lignes de données, ce qui rend la définition floue.
• La version gratuite ne prend en charge que les sources de données CSV et ne comprend pas de connexions de données personnalisées.
• La limite pour un seul fichier est de 10 MB ; les tables larges ou les champs de texte peuvent atteindre cette limite plus tôt.
• La gouvernance avancée, le SSO, l’audit, le stockage des données et le cloud privé ne font pas partie des avantages gratuits publics.

Plateformes de support et intégration

Avantages du produit

• Couvre les tâches courantes de modélisation tabulaire telles que la classification, la régression, les séries temporelles et le clustering.
• Il n’est pas nécessaire d’écrire du code d’entraînement ; l’équipe métier peut rapidement vérifier si les données ont une valeur prédictive.
• Le modèle peut intégrer les processus métier via une application Web, des résultats en masse, une API REST et l’automatisation.
• Les services payants peuvent disposer de stratèges en IA et de scientifiques des données pour aider au nettoyage et à la vérification des données.
• De la quantité personnelle gratuite à le cloud privé et au hébergement des données, les niveaux de déploiement sont assez complets.
• Le site officiel publie des informations sur la sécurité conformes aux normes SOC 2 Type II, GDPR, HIPAA et CCPA.
• Fournit des fonctionnalités de surveillance des modèles, de journalisation et d’audit, adaptées à la gouvernance en production.

Restrictions d'utilisation et précautions

• Le sans code ne signifie pas qu’il n’y a pas besoin de jugement en science des données ; la définition et la validation des objectifs restent au cœur du projet.
• Les biais, les fuites et les relations obsolètes dans les données d’entraînement seront amplifiés par le modèle.
• Une haute précision ne signifie pas qu’elle est adaptée à tous les groupes, à l’équité ou aux coûts d’exploitation.
• Le montant des forfaits payants n’est pas divulgué ; le budget doit être confirmé après une proposition de vente et un contrat.
• Il existe une différence de définition entre le nombre de lignes d’entraînement et le nombre de lignes traitées sur la page des prix gratuits.
• Les quotas d’appel spécifiques pour les agents IA, les LLM personnalisés et le RPA ne sont pas publiés.
• La tarification dynamique, le crédit, le recrutement, les soins de santé et les scénarios de fraude nécessitent des réglementations supplémentaires ainsi qu’un contrôle manuel.
• Les sources de données tierces et l’automatisation introduisent de nouveaux droits d’accès, des coûts supplémentaires et des points de défaillance.
• Une fois le modèle mis en ligne, il est nécessaire de surveiller le dérive des données, car on ne peut pas compter à long terme sur les résultats de l’entraînement initial.

Confidentialité et sécurité des données

La politique de confidentialité a été mise à jour en février 2025 et indique que la plateforme collecte des informations relatives aux comptes, aux coordonnées, à l’authentification, aux paiements, aux appareils, à l’utilisation ainsi qu’aux cookies. En général, les données personnelles ne sont pas conservées au-delà de 90 jours après la clôture du compte à des fins prévues par la politique, mais des exigences légales, de sauvegarde ou liées aux litiges peuvent influencer leur suppression effective.

La page de sécurité indique que les données des clients sont hébergées sur Google Cloud, que la transmission s’effectue via TLS et que les données statiques sont chiffrées avec AES-256. La page énumère également les certifications SOC 2 Type II, GDPR, CCPA ainsi que la possibilité de signer un BAA HIPAA ; les clients soumis à des réglementations spécifiques doivent néanmoins demander les rapports les plus récents et les annexes contractuelles.

• Supprimez les noms, adresses e-mail, numéros d’identité et les attributs sensibles inutiles avant l’entraînement.
• Utiliser des identifiants avec des privilèges minimaux et indépendants pour les API, les sources de données et l’automatisation.
• Lors des achats d’entreprise, il convient de déterminer la région de stockage des données, les sauvegardes et les sous-traitants.
• Vérifier la qualification BAA et la portée réelle des services avant l’utilisation des données médicales.
• Le modèle à haut risque enregistre les versions des données, les caractéristiques, les seuils, les responsables de l’approbation et les journaux de sortie.
• Vérifier si le modèle et les données téléchargées sont utilisés pour l’entraînement de la plateforme ou pour l’amélioration du produit.
• Retirer l’accès en temps opportun et demander la suppression après le départ du collaborateur, la fin du projet et la clôture du compte.

Gouvernance des modèles et utilisation responsable

• Enregistrer pour chaque modèle l’usage autorisé, les utilisations interdites, la personne responsable et le cycle de mise à jour.
• Isoler correctement l’ensemble d’entraînement, l’ensemble de validation et l’ensemble de test final en fonction du temps ou de l’entité commerciale.
• Évaluer en même temps la précision, le taux de rappel, le coût des faux positifs et les différences entre groupes.
• Les décisions à fort impact n’utilisent les prédictions que comme signaux auxiliaires, sans les mettre en œuvre de manière entièrement automatisée.
• Mettre en place des mécanismes de réclamation manuelle, de correction d’erreurs et de rollback.
• Comparer régulièrement les données d’entrée de production et les données d’entraînement, et surveiller la dégradation des performances.
• Vérifier à nouveau après un changement de l’environnement extérieur, et ne pas continuer à utiliser aveuglément les anciennes valeurs seuil.

API, SDK et statut open source

Évidemment, l’IA propose une API REST qui permet d’envoyer des enregistrements uniques ou en batch au modèle déployé et d’afficher les résultats dans des applications externes. Le site officiel ne divulgue actuellement pas d’extrémités complètes, de limites de vitesse, de codes d’erreur ni de documents officiels SDK multilingues.

Au moment de la vérification, aucun organisme GitHub officiel, aucun dépôt de code source de la plateforme principale ni aucune licence open source appartenant à Obviously AI, Inc. n’a été identifié. Le fait que l’API REST soit accessible et que les modèles puissent être déployés ne signifie pas pour autant que le produit est open source.

Informations de base

Indice de recommandation

Le score de recommandation est de 4,2 sur 5. Obvious AI regroupe en une seule plateforme les modèles de prédiction courants, le déploiement, l’automatisation et le support d’experts, ce qui convient aux organisations commerciales ne disposant pas d’une équipe complète en science des données.

Le principal défaut réside dans l’opacité des prix actuels, l’absence de détails concernant certaines nouvelles fonctionnalités et quotas d’Agentic AI, ainsi que dans les contradictions relatives au nombre de documents autorisés dans la version gratuite. Avant le déploiement de modèles à fort impact, une validation professionnelle et une gouvernance continue restent nécessaires.

Questions fréquentes

L’IA est-elle évidemment gratuite ?

Il existe une version gratuite qui comprend 1 place, 1200 prédictions, des modèles illimités, 10 MB de fichiers et jusqu’à 10 000 lignes de données à traiter. La page indique également 1 million de lignes de données d’entraînement ; les détails exacts doivent être confirmés dans le compte.

Faut-il savoir programmer ?

Créer un modèle de base ne nécessite pas de programmation ; les utilisateurs peuvent télécharger des données via une page web et choisir une cible. L’intégration API, la gouvernance des données et le déploiement en production complexe exigent néanmoins des techniciens.

Quelles tâches de prédiction sont prises en charge ?

Il prend en charge de manière explicite la classification, la régression, les séries temporelles et le clustering, ce qui permet de gérer des tâches telles que la perte de clients, la conversion, les prix, les ventes, la demande et le regroupement.

Comment compter une prédiction ?

Chaque fois qu’une ligne ou un enregistrement est envoyé au modèle et que les résultats sont retournés, cela compte comme une prédiction. Le téléchargement en lot de 100 lignes avec la génération des résultats pour toutes est compté comme 100 prédictions.

Une API est-elle disponible ?

Une API REST est fournie pour intégrer les prédictions dans des applications, des outils internes ou des sites web. Les débits spécifiques, les mécanismes d’authentification et les plafonds de paiement doivent être confirmés dans le compte ou le contrat.

Est-ce que c’est compatible avec le chinois ?

Le site officiel ne propose pas d’interface chinoise complète ni de description du modèle de texte en chinois. Les tableaux basés sur des valeurs et des catégories peuvent être testés, mais les champs de texte en chinois nécessitent d’abord une vérification de l’encodage et de son efficacité.

Les données seront-elles utilisées pour l’entraînement ?

La page dédiée à la vie privée et à la sécurité ne fournit pas d’explication suffisamment directe et unifiée concernant les utilisations de l’entraînement sur les données des clients. Les entreprises doivent confirmer les règles d’entraînement, de conservation et de suppression par le biais d’un DPA ou d’un contrat.

L’IA est-elle évidemment open source ?

Pas de code source ouvert ; aucun dépôt officiel de code source principal ni licence n’a été trouvé. Fournir des API et un déploiement d’applications web ne revient pas à rendre le modèle ou le code de la plateforme ouverts.

Est-ce adapté aux décisions à haut risque ?

Cela peut servir d’analyse complémentaire, mais dans des domaines tels que le crédit, le recrutement, la santé, l’assurance et la fraude, on ne peut pas se fier uniquement aux prédictions automatiques ; une vérification conforme aux réglementations, de l’interprétabilité et un contrôle manuel sont nécessaires.

Résumé

Évidemment, l’IA convient aux équipes qui souhaitent créer rapidement des modèles de prédiction à partir de données historiques sous forme de tableaux, et les intégrer dans leur activité via des API, de l’automatisation ou des tableaux de bord. La version gratuite peut être utilisée pour des tests à petite échelle, tandis que les solutions payantes élargissent les cas d’usage, la capacité, ainsi que les fonctionnalités d’expertise et de gouvernance.

Avant le lancement réel, il convient de confirmer le prix, les limites de données, les fonctionnalités du nouvel Agent, les quotas API et le contrat de traitement des données, et d’utiliser un ensemble de test indépendant pour prouver la fiabilité et l’équité du modèle dans un environnement commercial réel.