Epsilla

Une phrase pour présenter

Epsilla est une plateforme permettant de créer des agents IA, des bases de connaissances privées et des applications RAG, offrant à la fois des services cloud visuels destinés aux professionnels et une base de données vectorielle open source pouvant être hébergée en propre.

Présentation des outils

Epsilla regroupe l’importation des données, la segmentation et l’analyse, la recherche vectorielle, l’appel des modèles, la configuration des agents intelligents, l’évaluation et la publication dans un même espace de travail. L’utilisateur peut d’abord créer une base de connaissances, puis développer un agent de chat ou une application de recherche intelligente.

Le produit comprend actuellement deux parties qui doivent être comprises séparément : Epsilla Cloud est un agent d’intelligence artificielle commercialisé ainsi qu’une plateforme RAG, tandis qu’Epsilla Vector Database est une base de données vectorielle open source. Le fait que la base de données et le client soient open source ne signifie pas pour autant que toute la plateforme cloud l’est.

Fonction principale

1. Création de robots intelligents via la visualisation

Les utilisateurs peuvent créer des agents intelligents d’IA pour des domaines spécifiques via l’interface web, en configurant des prompts, des matériaux de connaissance, des modèles et des processus de recherche. Les tâches de base ne nécessitent pas d’écrire un backend complet à partir de zéro.

• Chat Agent est utilisé pour des questions-réponses et des conversations continues basées sur des données privées.
• L’Agent de recherche intelligente est utilisé pour récupérer des informations dans une base de connaissances et organiser les réponses.
• Les flux de travail avancés permettent de combiner des recherches, des modèles, des outils et des étapes de traitement conditionnel.
• Le contrôle de version est utilisé pour enregistrer les modifications de la configuration d’une application, afin de réduire le risque de difficultés à revenir en arrière après des modifications.
• La fonction de prévisualisation permet de vérifier les réponses, les questions d’exemple et les effets interactifs avant la publication.

2. Base de connaissances RAG multicanal

Epsilla peut intégrer des fichiers locaux, des sites web et des systèmes de contenu d’entreprise dans une base de connaissances, qui est ensuite analysée, segmentée, vectorisée et indexée pour servir de contexte de recherche lors des réponses des agents intelligents.

3. Analyse des données, segmentation et synchronisation automatique

La base de connaissances offre des paramètres tels que l’analyse, la segmentation, les modèles d’incorporation, les métadonnées et la synchronisation automatique. Les équipes peuvent ajuster la manière de découper les blocs en fonction de la structure des données, et utiliser des métadonnées pour restreindre la portée des recherches.

• Auto Sync est utilisé pour synchroniser en continu les changements des sources de données externes avec la base de connaissances.
• Le parsing des données détermine la manière d’extraire le texte exploitable à partir d’un fichier ou d’une page.
• Le Data Chunking contrôle la manière de diviser le texte en blocs, ce qui influence la granularité de la récupération et la longueur du contexte.
• Les paramètres d’incorporation déterminent la manière dont le contenu du savoir est transformé en représentation vectorielle.
• Les questions hypothétiques peuvent générer des questions hypothétiques pour le contenu, afin d’améliorer la récupération des réponses aux questions.
• Les Webhooks et les capacités de gestion programmée permettent d’intégrer les mises à jour de la base de connaissances dans les processus métier.

4. Recherche de données privées et recherche mixte

La base de données vectorielle de niveau inférieur prend en charge les champs vectoriels, le filtrage par métadonnées, ainsi que des recherches mixtes combinant des vecteurs denses et des vecteurs esparses. Elle est adaptée à des tâches telles que la recherche sémantique, les Q&A sur des documents, les recommandations et la mémoire à long terme des grands modèles.

Une base de données comprend des concepts de gestion courants tels que les bases de données, les tables et les champs, et le vecteur n’est qu’un type de champ parmi d’autres. Les développeurs peuvent enregistrer simultanément des champs métier, afin de restituer à la fois le texte brut et des données structurées lors de la recherche.

5. Intégration des modèles et des services de recherche

La documentation de la plateforme liste des fournisseurs de grands modèles tels qu’OpenAI et Anthropic, et prend en charge des services d’incorporation tels que GPT, Claude, Mistral ainsi que Jina AI et Voyage AI. Les modèles disponibles varient en fonction du fournisseur et des droits de l compte.

Les utilisateurs peuvent se connecter à leurs propres clés de modèle ; les frais et les limites de mise en appel des modèles sont gérés par le fournisseur correspondant. Le document mentionne également Tavily en tant que service de recherche web, utilisé pour fournir aux agents des informations en temps réel provenant d’Internet.

6. Évaluation de l’application

Epsilla offre des projets d’évaluation, des exécutions d’évaluation et des historiques, afin de comparer les performances des agents ou des processus de recherche. Les archives de mises à jour publiques ont listé des indicateurs tels que ROUGE et Token Overlap ; les indicateurs disponibles dépendent de la console actuelle.

7. Publication, intégration et analyse du dialogue

Une fois la configuration terminée, l’utilisateur peut prévisualiser et publier l’application, ou intégrer l’interface de chat sur un site web. Les paramètres de publication peuvent être associés à des thèmes, des logos, Markdown et LaTeX.

La plateforme comprend une analyse de l’interaction des utilisateurs, permettant de voir comment l’application est utilisée. Avant sa mise en œuvre, l’entreprise doit déterminer les dimensions d’analyse, la durée de conservation des données et les règles de traitement des informations personnelles.

8. Gestion de projets et d’équipes

Le projet sert à regrouper les agents, les bases de connaissances, les outils d’évaluation et les ressources d’intégration, ainsi qu’à attribuer des droits d’accès aux membres de l’équipe. La clé au niveau du projet permet un accès programmé aux ressources ; une fois créée, elle doit être conservée avec soin et renouvelée régulièrement.

Epsilla Vector Database

Capacités de base de données vectorielles

• Prend en charge la recherche de similarité orientée vers des vecteurs d’incorporation.
• Prend en charge les opérations de gestion telles que les bases de données, les tables, les champs, l’insertion, la mise à jour, la suppression et les requêtes.
• Prend en charge le filtrage des métadonnées, ce qui permet de restreindre la portée des résultats selon l’utilisateur, la date, la catégorie ou les droits.
• Prend en charge une recherche mixte permettant la fusion de vecteurs denses et spars.
• Prend en charge l’incorporation intégrée, permettant à certains scénarios d’utiliser directement des entrées en langue naturelle et de recevoir des résultats en retour.
• Fournit des capacités architecturales liées à la séparation du calcul et du stockage, au Serverless et au multi-locataires.

Déploiement et client

Les développeurs peuvent démarrer le service de base de données via Docker et monter le répertoire des données dans un stockage persistant. Les paquets clients Python peuvent être utilisés pour créer des bases de données et des tables, écrire des enregistrements ainsi que pour exécuter des requêtes sémantiques.

Processus de travail complet

1. Créez un compte Epsilla et accédez au projet par défaut pour vérifier les exigences en matière d’équipe, de conformité des données et de budget.
2. Sélectionnez un fichier local, un site web ou un système de contenu cloud, créez une base de connaissances et effectuez l’autorisation.
3. Définir les stratégies de parsing, de partitionnement, d’incorporation, de métadonnées et de synchronisation, puis attendre que les données soient indexées.
4. Créez un Chat Agent ou un Smart Search Agent, sélectionnez le modèle et associez une base de connaissances.
5. Configurer les prompts, les étapes de recherche, les outils et les modes de sortie, puis tester des problèmes réels dans un environnement de prévisualisation.
6. Établir des données et des indicateurs d’évaluation pour revoir la justesse des réponses, le contenu des citations et les cas d’échec.
7. Enregistrer la version de l’application, puis choisir entre publication sur page web, intégration ou appel programmé pour la mettre en ligne.
8. Ajuster en permanence la base de connaissances et les flux de travail en utilisant des analyses, des rapports d’évaluation et les retours des utilisateurs.

Tutoriel d'utilisation

Créer le premier agent intelligent pour les questions-réponses dans une base de connaissances

1. Créez une base de connaissances dans le projet et choisissez un canal de données pour lequel une autorisation d’utilisation a déjà été obtenue.
2. Téléchargez une petite quantité de documents représentatifs pour initialiser l’indexation en utilisant les paramètres de parsing et de segmentation par défaut.
3. Créer un agent de chat et le lier à cette base de connaissances, en définissant la portée des réponses et la manière de gérer les cas où une réponse n’est pas possible.
4. Préparer des questions factuelles, des questions inter-documents et des questions sans réponse, puis vérifier une par une le contenu récupéré et la réponse.
5. Après confirmation de l’efficacité, élargissez la portée des données et activez la synchronisation automatique adaptée à la source de données.

Accéder à la clé du modèle propriétaire

1. Sélectionnez le fournisseur de modèles dans les paramètres d’intégration.
2. Créer une clé de modèle avec des permissions minimales, et effectuer la validation dans Epsilla.
3. Attribuez les modèles nécessaires aux agents ou aux tâches d’incorporation, afin d’éviter d’utiliser par défaut des modèles coûteux.
4. Vérifiez séparément la consommation des ressources d’Epsilla et la facture du fournisseur de modèles, car les deux peuvent être facturés indépendamment.
5. Définir des alertes budgétaires et mettre en place un processus de rotation des clés, afin de les annuler rapidement en cas de départ d’un membre ou de fuite de clé.

Base de données vectorielle auto-hébergée

1. Préparer un serveur compatible avec Docker, et planifier le répertoire de données persistantes, les ports ainsi que la stratégie de sauvegarde.
2. Le serveur de récupération télécharge l’image de la base de données vectorielle, monte le répertoire de données, puis lance le service.
3. Installez le client officiel, connectez-vous à la base de données et créez la structure des tables ainsi que les index vectoriels.
4. Écrire un petit nombre d’enregistrements de test pour valider les requêtes sémantiques, le filtrage des métadonnées et les champs retournés.
5. Avant le lancement, compléter par une authentification d’identité, une isolation réseau, un suivi en temps réel, des mises à jour et des plans de reprise après sinistre.

À qui s’adresse-t-il

• Équipe de gestion des connaissances d’entreprise : utiliser les informations dispersées dans des documents, des sites web et des systèmes de collaboration pour les questions-réponses internes.
• Équipe des produits et du service client : création d’assistants produits, de recherches dans le centre d’aide et d’agents d’assistance client.
• Développeur : Construire des applications RAG en utilisant des bases de données vectorielles ouvertes, des clients et des interfaces.
• Équipe de conseil et de services professionnels : création d’agents spécialisés basés sur des documents sectoriels, des réglementations et des dossiers de projets.
• Équipe des données et de l’IA : test des workflows de segmentation, d’incorporation, de recherche et des méthodes d’évaluation des réponses.
• Équipes ayant besoin d’un déploiement privé : gestion autonome d’une base de données vectorielle et intégration de la couche applicative aux systèmes existants.

Scénarios d'utilisation typiques

• Questions-réponses sur le système interne : permettre aux employés de trouver des réponses dans les politiques, les processus et les manuels opérationnels.
• Support client : Intégrer la documentation du produit et les questions fréquentes dans l’assistant de conversation pour réduire les demandes répétées.
• Recherche intelligente sur le site : rechercher dans le centre d’aide ou la base de contenus en se basant sur le sens plutôt que uniquement sur les mots-clés.
• Assistant de connaissances projet : synchronisez les données du projet dans Drive, Notion, Confluence ou Jira.
• Étude de documents : recherche et synthèse de plusieurs rapports, avec conservation d’extraits de connaissances traçables.
• Base de recherche pour les développeurs : offre un stockage vectoriel pour les chatbots, les recommandations, la recherche et la mémoire des grands modèles.

Avantages du produit

• Le processus, allant de l’accès aux données à la publication par les agents, est relativement complet, ce qui permet de réduire les tâches de configuration entre plusieurs services indépendants.
• Il couvre en même temps les besoins de visualisation pour le personnel commercial, ainsi que ceux de gestion des bases de données, des clients et des programmes pour les développeurs.
• Les connecteurs de base de connaissances couvrent les fichiers courants, les sites web, le stockage cloud et les systèmes de collaboration d’entreprise.
• Les paramètres tels que le découpage en blocs, l’incorporation, les métadonnées, les questions hypothétiques et la synchronisation automatique sont adaptés à une optimisation continue de RAG.
• Prend en charge les projets, les membres, les versions et les évaluations, facilitant la gestion de plusieurs applications par une équipe.
• Le code source de la base de données vectorielle de base est public, les développeurs peuvent examiner l’implémentation et l’héberger eux-mêmes conformément à la licence.

Restrictions d'utilisation et précautions

• Les réponses de RAG peuvent encore omettre des informations, citer à tort ou les résumer de manière erronée ; les résultats commerciaux clés nécessitent une vérification manuelle.
• La qualité de la base de connaissances dépend fortement des fichiers originaux, des résultats de l’analyse, de la stratégie de segmentation, des modèles intégrés et de la conception des droits d’accès.
• Les modèles externes, les services de recherche et les sources de données peuvent engendrer des frais supplémentaires ; il n’est donc pas possible d’estimer le coût total en se basant uniquement sur l’abonnement Epsilla.
• Free et Starter présentent des limites évidentes en termes de nombre d’utilisateurs et de projets, ce qui les rend inadaptés à des structures de permissions complexes à plusieurs départements.
• Le scraping de pages web, la synchronisation des disques cloud et les connecteurs d’entreprise sont affectés par les droits, les débits et les formats de contenu des tiers.
• Une base de données vectorielle auto-hébergée n’équivaut pas à la privatisation d’une plateforme cloud complète ; l’interface des agents, l’évaluation et les connecteurs doivent être vérifiés séparément.
• La GPL-3.0 impose des obligations en matière de distribution et de création d’œuvres dérivées ; une vérification conjointe par les équipes techniques et juridiques est requise avant toute intégration à des fins commerciales.
• Les documents publics ne précisent pas en détail toutes les options relatives à la conservation des données, à l’entraînement des modèles et aux zones de données ; une confirmation contractuelle doit être obtenue avant la mise en ligne des données sensibles.

Prix et forfaits

La plateforme cloud Epsilla propose des niveaux Free, Starter, Professional et Enterprise. Les documents publics vérifiables actuels indiquent des limites pour les membres et les projets, mais ne fournissent pas de montants à jour et fiables ; par conséquent, il ne faut pas se référer à des captures d’écran historiques ou aux prix de tiers.

La page de facturation de la console permet de consulter le forfait actuel, l’utilisation des ressources, les méthodes de paiement et les factures historiques, ainsi que de demander une mise à niveau. Les coûts réels, la capacité de stockage, le nombre d’applications, le quota de messages et les avantages entreprise sont déterminés selon la page d’achat ou le contrat.

Coûts supplémentaires

• Lors de l’utilisation des clés de grands modèles propriétaires, les frais de génération et d’incorporation de texte sont facturés séparément par le fournisseur du modèle.
• Les services de recherche sur le web peuvent nécessiter un compte distinct et un quota d’appels.
• Le stockage d’objets, le trafic des plateformes cloud et les systèmes de contenu d’entreprise peuvent engendrer des frais de tiers.
• Les bases de données auto-hébergées nécessitent des coûts en matière de calcul, de stockage, de sauvegarde, de surveillance et de maintenance.

Plateformes de support et intégration

API, SDK et situation du logiciel open source

Epsilla Cloud permet de gérer les clés API au sein des projets et offre des fonctionnalités telles que la gestion automatisée de la base de connaissances. Lorsque la clé du projet n’est affichée qu’une seule fois, elle doit être immédiatement sauvegardée en toute sécurité ; en environnement de production, il est également nécessaire d’appliquer des principes de moindre privilège, de rotation des clés et d’audit des accès.

Le dépôt principal de la base de données Epsilla Vector est soumis à la licence GPL-3.0, et son noyau est implémenté en C++. Les clients officiels en Python et JavaScript utilisent Apache-2.0, tandis que les applications de exemple ainsi que certains dépôts d’intégration utilisent MIT ; il faut consulter séparément les licences pour chaque projet.

Confidentialité, sécurité et droits d’auteur

• Avant de télécharger la base de connaissances, il convient de vérifier les autorisations d’accès aux fichiers, au site web et aux données cloud, afin d’éviter de exposer les informations des clients ou des employés à des personnes non autorisées.
• L’accès à des modèles tiers envoie les données d’entrée nécessaires au fournisseur correspondant ; les finalités de traitement des données et les règles de conservation doivent être consultées dans le contrat avec ce fournisseur.
• Les clés de projet, les clés de modèle et les identifiants d’autorisation des sources de données ne doivent pas être inclus dans du code public, des prompts ou des documents partagés.
• L’équipe doit définir une portée d’accès minimale pour le projet et révoquer les droits en temps opportun en cas de changement de rôle des membres.
• Les documents publics ne précisent pas de manière exhaustive si tous les données des clients sont utilisées pour améliorer les modèles ; pour les scénarios sensibles, des mécanismes d’exclusion et de suppression lors de l’entraînement doivent être clairement définis dans les contrats d’entreprise.
• La responsabilité des correctifs pour les bases de données auto-hébergées, de l’isolation réseau, des sauvegardes, des journaux et du récupération incombe à la partie qui les déploie.

Informations de base

Indice de recommandation

Note de recommandation : 4,3 / 5. Epsilla convient aux équipes qui souhaitent regrouper leur base de connaissances, RAG, la création d’agents intelligents, l’évaluation et la publication sur une même plateforme, ainsi qu’aux développeurs ayant besoin d’une base de données vectorielles open source.

Le principal défaut réside dans le manque de transparence des prix affichés actuellement, et les frontières entre les plateformes cloud et les bases de données open source sont facilement mal interprétées. Avant une acquisition officielle, il convient de vérifier la source des données réelles, la qualité de la recherche, le coût des modèles tiers ainsi que les conditions relatives aux données de l’entreprise.

Questions fréquentes

Epsilla est-il gratuit ?

La plateforme cloud propose un niveau gratuit, adapté à la vérification personnelle ; les documents publics indiquent que le nombre de ses membres et de projets est limité à 1. Les autres forfaits doivent être payés via la console ou une offre entreprise.

Epsilla est-elle seulement une base de données vectorielle ?

Non. La base de données vectorielle en est l’un de ses produits fondamentaux et open source ; actuellement, Epsilla propose également des bases de connaissances, des agents intelligents IA, des workflows, des outils d’évaluation, des fonctionnalités de publication et une gestion d’équipe.

Epsilla est-elle open source ?

Il faut juger séparément. La base de données Epsilla Vector est open source sous GPL-3.0, et les codes sources de certains clients et exemples sont également publiés, mais la plateforme Epsilla Cloud ne peut pas pour autant être qualifiée d’open source dans son ensemble.

Quels documents peuvent être téléchargés ?

Il est possible d’utiliser des fichiers locaux, des sites web, Google Drive, Notion, S3, SharePoint, Confluence, Jira ainsi que divers services de stockage d’objets cloud. Les formats de fichiers et les capacités spécifiques dépendent du forfait actuel et des contraintes du parseur.

Est-ce que cela prend en charge la collaboration d’équipe ?

Gestion des projets et des membres. Free : 1 personne seulement, Starter : jusqu’à 2 personnes, Professional : jusqu’à 20 personnes, Enterprise : les documents publics indiquent un nombre illimité de membres.

Est-il possible d’intégrer son propre modèle ?

Oui. La plateforme permet de configurer les clés du fournisseur de modèles, et les frais de mise en appel des modèles ainsi que les limitations de débit sont gérés par le fournisseur correspondant.

Une API est-elle disponible ?

Fournit des capacités programmables. Les projets cloud permettent de gérer les clés API et les ressources de la base de connaissances ; la base de données vectorielle offre également des interfaces REST et des clients multilingues.

Prend-il en charge le déploiement privé ?

Les bases de données vectorielles open source peuvent être hébergées en self-hosting via Docker, mais cela ne signifie pas que toute la couche d’application d’Epsilla Cloud puisse être déployée en privé. Les entreprises souhaitant privatiser leur plateforme d’agents doivent consulter les responsables officiels pour connaître les limites.

La réponse générée est-elle fiable ?

La qualité des réponses dépend des données, de l’analyse, du découpage, de la recherche et du modèle. Même avec RAG, des omissions ou des interprétations erronées peuvent survenir ; il convient d’utiliser un ensemble d’évaluation et des vérifications manuelles aléatoires pour valider les résultats importants.

Les données seront-elles utilisées pour l’entraînement ?

Les informations publiques vérifiables actuelles ne suffisent pas pour répondre de manière complète aux questions relatives à l’utilisation de ces données pour l’entraînement des modèles. Avant de téléverser des informations sensibles, les entreprises doivent obtenir des conditions écrites concernant l’exclusion, la conservation, la suppression et les zones de données utilisées pour l’entraînement.

Résumé

Epsilla relie la base de connaissances multicanal, la recherche RAG, les agents IA, les workflows, l’évaluation et la publication en un processus d’application complet, tout en conservant une base de données vectorielle open source auto-hébergée.

Les individus peuvent valider leurs connaissances en matière de Q&R via la couche Free, tandis que les équipes doivent choisir un forfait en fonction des membres, des projets et des besoins en ressources. Avant l’achat ou le déploiement, il est essentiel de vérifier attentivement le prix actuel, les frais liés aux modèles et à la recherche externe, la conformité des données, ainsi que les limites réelles de la plateforme cloud et des composants open source.