H2O AI

Une phrase pour présenter

H2O.ai est un écosystème de produits qui couvre à la fois l’apprentissage automatique traditionnel, AutoML, le suivi du déploiement des modèles, RAG d’entreprise, les agents intelligents, le fine-tuning des LLM et le développement d’applications IA, offrant à la fois des composants open source gratuits et une plateforme commerciale destinée aux environnements de production et de conformité.

Présentation des outils

H2O.ai a été fondée en 2012 par Sri Ambati et son siège se trouve à Mountain View, en Californie, aux États-Unis. L’entreprise a débuté avec la plateforme open source de apprentissage automatique distribué H2O-3, et son portefeuille de produits s’est depuis étendu à l’IA prédictive, à l’IA générative, aux agents intelligents et au cloud d’IA d’entreprise.

« H2O AI » n’est pas le nom d’un outil de chat distinct. Les utilisateurs peuvent faire référence à H2O-3, Driverless AI, H2O AI Cloud, Enterprise h2oGPTe, H2O LLM Studio, Wave ou d’autres composants ; il est nécessaire de définir clairement la tâche et les exigences en matière de licences avant de choisir.

Les projets open source partagent une partie des technologies et de la marque avec les produits d’entreprise, mais leurs autorisations, déploiements, supports, aspects de sécurité et limites fonctionnelles diffèrent. Le fait que H2O-3 soit open source ne signifie pas que H2O AI Cloud est gratuit, et le fait que h2oGPT soit open source ne signifie pas que Enterprise h2oGPTe l’est également.

Aperçu du système de produits

Plateforme d’apprentissage automatique open source H2O-3

H2O-3 est le projet open source le plus central d’H2O.ai, qui utilise un calcul distribué en mémoire et permet d’entraîner et d’évaluer des modèles sur une machine unique ou un cluster à plusieurs nœuds. Les utilisateurs peuvent travailler via Python, R, Java, Scala, l’interface graphique Flow ou l’API REST.

La version actuelle stable du document est 3.46.0.12. La version open source est gratuite et évolue sous la licence Apache 2.0, mais l’installation, les mises à jour, la correction des vulnérabilités, la capacité, le suivi, les sauvegardes et les pannes en production incombent à l’utilisateur.

Algorithmes et AutoML

• Apprentissage supervisé : GLM, GBM, XGBoost, forêts aléatoires, apprentissage profond, machines à vecteurs de support et modèles de règles, etc.
• Apprentissage intégré : Les ensembles empilés permettent de combiner plusieurs modèles de base pour améliorer la capacité de généralisation.
• Apprentissage non supervisé : K-Means, PCA, détection d’anomalies et autres algorithmes d’exploration de données.
• Modélisation du temps et de la distribution : modèles additifs généralisés, caractéristiques temporellement corrélées et diverses distributions de probabilité.
• H2O AutoML : entraîner plusieurs algorithmes dans le cadre du budget, ajuster les paramètres, intégrer les résultats et générer un classement.
• Interprétation du modèle : L’importance des variables, la dépendance partielle, les méthodes SHAP, etc., varient en fonction de l’algorithme et de la version.
• Interface de données : prise en charge de l’intégration avec les fichiers courants, le stockage d’objets, Hadoop, Spark et les environnements cloud.

Flux de travail typique H2O-3

1. Installer H2O-3 correspondant à la version du client dans un environnement contrôlé.
2. Démarrer un nœud unique ou un cluster, et restreindre l’accès réseau aux ports Flow et REST.
3. Importer des données à partir de fichiers, de bases de données, de stockage d’objets ou de flux Spark.
4. Vérifier le type de colonne, les valeurs manquantes, la cardinalité des catégories, les fuites et la distribution de la cible.
5. Diviser les ensembles d’entraînement, de validation et de test pour éviter les fuites en fonction des horaires d’exploitation et des limites des entités.
6. Exécuter un algorithme unique ou AutoML, et définir le temps, le nombre de modèles et le budget de ressources.
7. Comparer les classements, la stabilité, l’équité, l’interprétabilité et le coût de raisonnement.
8. Sélectionnez la note du serveur, les artefacts de modèles pris en charge ou la mise à niveau d’entreprise en fonction de la licence actuelle et des exigences de production.

Frontière de sécurité open source

Le document H2O-3 conçoit la plateforme pour être déployée à l’intérieur d’un centre de données sécurisé ; les services Flow et REST ne doivent pas être exposés directement au réseau public. Le port Web par défaut est généralement 54321, et les nœuds du cluster utilisent également des ports de communication internes adjacents.

Le logiciel open source ne signifie pas par défaut une sécurité garantie. L’équipe doit configurer elle-même la segmentation du réseau, TLS, l’authentification, les permissions des fichiers, le masquage des données, les correctifs de dépendances, les journaux, les clés et la confiance entre nœuds.

H2O-3 OSS et H2O-3 Secure

H2O-3 Secure est la voie commerciale destinée à la gouvernance de la production au sein de la gamme de produits de 2026 ; elle conserve la compatibilité du code, des API et des pipelines d’H2O-3, tout en ajoutant un soutien à long terme, des correctifs de vulnérabilités commerciales, des packages d’entreprise et des contrôles d’assistance à l’audit.

H2O-3 Secure ne permet pas automatiquement aux clients de passer les audits SOC 2, ISO 27001 ou ISO 42001. Il offre des capacités de produit qui peuvent fournir des preuves et des contrôles, mais l’organisation doit encore mettre en place ses propres processus, personnel, données et gouvernance des risques.

H2O Driverless AI

Driverless AI est une plateforme commerciale d’AutoML qui gère automatiquement la visualisation des données, l’ingénierie des caractéristiques, le choix des modèles, la mise au point des paramètres, la validation, l’interprétation et la préparation du déploiement. Une fois que l’utilisateur a défini les colonnes cibles et les préférences d’expérience, le système recherche et compare les pipelines candidats.

Capacité centrale

• Détection automatique des problèmes de qualité des données, des colonnes d’ID potentielles, des signaux de fuite forts et des caractéristiques disponibles.
• Exécuter la transformation de caractéristiques avancée et découvrir les interactions entre variables.
• Sélection automatique des algorithmes, paramètres, méthodes de validation et indicateurs de notation.
• Prend en charge différents chemins d’expérimentation tels que les séries temporelles, le NLP, les images et les données structurées.
• Fournit des explications de prédictions globales et ponctuelles, une vérification des écarts et une documentation du modèle.
• Il est possible d’étendre les modèles, les convertisseurs et les évaluateurs à l’aide de recettes Python.
• Il est possible de générer des services REST, des pipelines d’évaluation en Python ou des composants d’évaluation indépendants en Java.
• Prend en charge les environnements CPU et GPU ; l’accélération réelle dépend des données, des algorithmes et du matériel.

Frontières applicables

L’IA sans conducteur réduit le travail de modélisation repetitive, mais ne définit pas à la place de l’utilisateur les objectifs commerciaux corrects, les étiquettes, les fonctions de coût et les critères d’acceptation pour le déploiement. Un modèle qui obtient automatiquement la meilleure note peut également présenter des fuites de données, du dérive, des biais ou des décisions irrationnelles.

H2O AI Cloud

H2O AI Cloud est une plateforme bout en bout basée sur Kubernetes, qui peut fonctionner dans un environnement hébergé par H2O, dans le cloud privé du client ou sur des infrastructures locales. Elle unifie la modélisation, les notebooks, MLOps, une boutique d’applications, les permissions et plusieurs produits H2O au sein d’un espace de travail.

Composants principaux par défaut

• AI App Store : Distribution et exécution d’applications IA destinées aux utilisateurs professionnels.
• Gestionnaire d’engine d’IA : Gère les engines de calcul tels que H2O-3, Driverless AI et Notebook.
• H2O Driverless AI et H2O-3 : responsables de l’AutoML et des modèles prédictifs.
• H2O MLOps : gestion, déploiement, exploitation et surveillance des modèles.
• Wave SDK : Créer des applications AI à faible code en Python.
• Flux de travail et services de plateforme : couverture des permissions, tokens, clés, centre de modèles et télémétrie.
• Des composants tels que H2O Drive, LLM Studio et Admin Analytics sont sélectionnés en fonction de la version ou de la configuration.

Composants payants supplémentaires

Processus d’introduction à l’IA Cloud

1. Demander une démonstration et confirmer avec le service des ventes le mode de déploiement Managed ou Hybrid.
2. Déterminer l’espace de travail, le fournisseur d’identité, le réseau, les clés, la zone de données et les responsabilités des administrateurs.
3. Créez un moteur Driverless AI, H2O-3 ou Notebook, et configurez la CPU, la mémoire, la GPU et le disque.
4. Téléchargez ou connectez des données d’exemple, en terminant d’abord la classification des données et l’approbation d’accès.
5. Exécuter les expériences et vérifier la performance, la stabilité, l’interprétabilité et l’équité sur un ensemble de validation indépendant.
6. Enregistrer le modèle candidat dans MLOps, et configurer l’approbation, les services, la surveillance et le retrait.
7. Utilisez Wave ou l’application store pour créer des interfaces d’entreprise, et restreignez les droits de chaque espace de travail et instance d’application.
8. Surveillez les modèles, les applications, les ressources, les connexions, les coûts et les événements de sécurité une fois en ligne.

Enterprise h2oGPTe et AI Super Agent

Enterprise h2oGPTe est une plateforme d’IA générative conçue pour les données privées des entreprises, permettant de combiner des bibliothèques de documents, des bases de connaissances, des bases de données, des modèles prédictifs et des outils métier au sein de RAG et d’agents intelligents. Elle prend en charge plusieurs modèles, le routage des modèles, des règles de surveillance, un contrôle des coûts, ainsi qu’un déploiement local, dans le cloud ou isolé.

RAG d’entreprise et IA de documents

La plateforme permet de créer des questions-réponses, des résumés, des recherches et des JSON structurés à partir de documents autorisés, ce qui est adapté à l’extraction de contrats, d’indicateurs de conformité et de documents d’audit. Les réponses fondées sur des sources doivent néanmoins faire l’objet d’une vérification pour s’assurer que la recherche est complète, que les extraits ne sont pas obsolètes et que le modèle a bien compris le contenu.

Combinaison de l’IA prédictive et de l’IA générative

h2oGPTe peut transmettre les résultats de prédiction de H2O-3 ou de Driverless AI, les explications Shapley et les données commerciales à un agent d’analyse. Cela permet de générer des recommandations commerciales à partir de la « probabilité d’occurrence », mais le modèle linguistique ne peut pas modifier les preuves provenant du modèle original.

H2O AI Super Agent

Super Agent est l’agent prioritaire au code universel dans Enterprise h2oGPTe, capable de sélectionner des outils, d’écrire et d’exécuter du code, de corriger des erreurs et d’iter pour accomplir des tâches à plusieurs étapes. Une même demande peut suivre des parcours différents en fonction du contexte et des outils utilisés, nécessitant ainsi un environnement sandbox, une approbation et un audit complet.

• Idéal pour la recherche approfondie, l’analyse prédictive, le traitement de documents, la consultation de données et les workflows inter-systèmes.
• On peut décomposer des objectifs complexes en tâches secondaires et coordonner plusieurs agents spécialisés.
• Prend en charge les approches de déploiement d’IA souveraine tels que le cloud, VPC, local et totalement isolé.
• Les appels d’outils et l’exécution de code augmentent les risques liés aux privilèges ; il est impératif d’appliquer le principe du moindre privilège par tâche.
• Le classement de référence reflète les performances sur un ensemble de test spécifique et ne signifie pas que le système soit supérieur aux autres pour toutes les tâches d’entreprise.
• Les décisions à haut risque, les opérations d’écriture et la communication externe doivent faire l’objet d’une approbation manuelle et d’un retrait.

Différences entre la version open source et la version entreprise de h2oGPT

L’open source h2oGPT offrait auparavant des fonctionnalités de question-réponse sur des documents locaux, RAG, inférence de modèles et entrées multimédias, sous licence Apache 2.0. Le dépôt officiel GitHub est désormais archivé ; la dernière mise à jour du code remonte à 2025, et la dernière version officielle reste la 0.2.1 de 2024.

Enterprise h2oGPTe reste le produit commercial phare actuel de H2O.ai, dont les fonctionnalités, l’architecture et le support continuent d’évoluer. Le catalogue ne doit pas confondre h2oGPT, mis en archive en raison de son nom similaire, avec la version complète open source de la plateforme d’entreprise.

H2O LLM Studio

H2O LLM Studio est un framework open source et une interface graphique sous licence Apache 2.0, utilisé pour préparer les données, affiner, évaluer et exporter des modèles de langage, qu’ils soient de grande ou de petite taille. Le dépôt officiel reste actif, et la version 1.15.0 a été publiée en août 2026.

Capacités de la version open source

• Configurer les ensembles de données, les modèles, les paramètres d’entraînement et l’évaluation via une interface graphique.
• Prend en charge les modèles Hugging Face et diverses méthodes d’ajustement paramétrique efficace.
• Enregistrer les expériences, les indicateurs, les points de contrôle et les configurations de raisonnement.
• Idéal pour la recherche en équipe unique, les prototypes et des environnements de fine-tuning autogérés.
• L’entraînement nécessite une GPU adaptée, des pilotes, de la mémoire vidéo, du stockage et une licence pour les modèles.
• Le logiciel open source est gratuit, mais les ressources de calcul, la préparation des données, l’exploitation et la sécurité ne le sont pas.

Enterprise LLM Studio

Enterprise LLM Studio est une version sous licence construite sur le noyau d’entraînement open source, destinée aux environnements de production multi-utilisateurs derrière un pare-feu ou dans le cloud privé. Il ajoute un stockage centralisé des modèles et des ensembles de données, des droits par rôle, une gestion des versions, une API REST complète, ainsi que des stratégies de génération de données et d’ajustement automatique.

La version entreprise est entièrement fermée et ne constitue pas un simple forfait d’hébergement pour le projet Apache 2.0. Les fonctionnalités expérimentales de formation multimodale et de détection d’objets ne doivent pas être utilisées directement dans des processus de production critiques sans avoir été testées.

Développement d’applications H2O Wave et IA

H2O Wave est un framework open source pour le développement d’applications Web en temps réel et de tableaux de bord en Python ou R, sous licence Apache 2.0. Les développeurs peuvent utiliser des composants UI prêts à l’emploi pour afficher des modèles, des données, des formulaires et des interactions, sans avoir besoin de mettre en place tout d’abord une stack technique frontale complète.

L’application Wave peut fonctionner de manière indépendante, ou être importée dans la boutique d’applications d’H2O AI Cloud et partagée selon les espaces de travail. Le dépôt officiel est actif et la version 1.8.12 a été publiée en août 2026.

Créer une application Wave

1. Installer un environnement Python ou R compatible avec le projet, ainsi que le Wave SDK.
2. Définir les pages, cartes, formulaires, tableaux et composants visuels.
3. Se connecter à H2O-3, Driverless AI, des modèles externes ou des API métier.
4. Ajouter des validations d’entrée et des permissions pour les actions de téléchargement, de consultation, de prédiction et de téléchargement.
5. Tester localement et enregistrer les dépendances, les variables d’environnement, les versions du modèle et des données.
6. Déploiement indépendant ou emballage de l’application pour la mettre dans la boutique d’applications d’AI Cloud.
7. Définir le sommeil de l’instance, les ressources, les groupes d’accès, les journaux, les mises à jour et le retrait.

Développement d’interfaces et intégration

À qui s’adresse-t-il

• Scientifique des données : Utilisation de H2O-3 ou de Driverless AI pour le modélisage de données structurées et l’AutoML.
• Ingénieur en apprentissage automatique : déploiement, surveillance et mise à jour de modèles prédictifs ou de services d’IA générative.
• Chercheurs et étudiants : mener des expériences autonomes gratuites à l’aide de H2O-3 et LLM Studio.
• Équipe de la plateforme d’entreprise : unification du calcul, des espaces de travail, des modèles, des applications et de la gouvernance via AI Cloud.
• Secteurs régulés : Évaluation de H2O-3 Secure, des explications d’IA sans conducteur et des contrôles de sécurité d’entreprise.
• Équipe de gestion des connaissances : Utilisation d’Enterprise h2oGPTe pour créer des RAG privés et des assistants de documents.
• Équipe de modèles : affiner, évaluer et déployer des modèles spécialisés à l’aide d’Enterprise LLM Studio.
• Développeur d’applications : Utiliser Wave pour transformer les capacités du modèle en interface métier.
• Il n’est pas adapté aux utilisateurs individuels qui souhaitent simplement obtenir immédiatement un robot de chat universel à bas prix ; H2O s’adresse principalement aux contextes techniques ou professionnels.

Scénarios d'utilisation typiques

• Fraude, crédit, perte, demande, risque et prédiction des pannes d’équipement.
• Mettre en œuvre AutoML sur des données structurées et comparer divers algorithmes avec des modèles d’intégration.
• Génération automatique de caractéristiques, de stratégies de validation, d’explications et de documents de modèle.
• Enregistrer le modèle de prédiction, le déployer, le surveiller et le réentraîner en cas de dérive.
• Création de questions-réponses fondées sur des documents d’entreprise et des bases de données, ainsi que d’extraction structurée.
• Permettez à l’agent de mener des recherches complexes en combinant les résultats de prédiction, les outils et le code.
• Ajuster finement les LLM ou SLM dans un domaine donné, et comparer la qualité, le délai et le coût.
• Utilisez Wave pour combiner des modèles, des formulaires, des rapports et des processus métier afin de créer des applications d’IA.

Avantages du produit

• Disposant en même temps d’une gamme de produits d’IA prédictive avancée, d’AutoML, d’IA générative et d’agents.
• H2O-3, LLM Studio et Wave utilisent des licences open source libérales, ce qui facilite l’apprentissage et l’autogestion.
• Python, R, Java, Scala, REST et les interfaces graphiques ciblent des utilisateurs techniques différents.
• De l’expérimentation, de l’interprétation à le déploiement et au suivi, se forme un cycle de vie d’entreprise relativement complet.
• Prend en charge le cloud hébergé, le cloud client, les environnements locaux et certains environnements complètement isolés.
• L’IA sans conducteur met l’accent sur l’ingénierie des caractéristiques, l’interprétation, la validation et les pipelines de notation, plutôt que sur l’entraînement d’un seul modèle.
• Enterprise h2oGPTe peut intégrer RAG, des modèles prédictifs, des outils et un routage multi-modèles.
• Les organismes officiels disposent d’organisations GitHub vérifiées par nom de domaine, permettant de vérifier les dépôts open source, les licences et l’état de maintenance.

Restrictions et risques de sélection

• Il existe de nombreux produits aux noms similaires, ce qui rend facile une confusion entre les composants open source, les améliorations commerciales et les plateformes cloud.
• Les entreprises ne communiquent pas de prix fixe pour leurs produits ; les coûts de licence, de support, de calcul et de mise en œuvre doivent être facturés séparément.
• H2O-3 est un système distribué à mémoire, et l’entraînement sur de grandes quantités de données peut nécessiter une grande quantité de mémoire ainsi qu’une planification de cluster spécialisée.
• L’AutoML peut réduire le temps d’expérimentation, mais il ne peut pas remplacer la définition des objectifs, la gouvernance des données, le jugement causal et la responsabilité de mise en production.
• AI Cloud comprend de nombreux composants ; l’identité, le réseau, le stockage, les mises à jour et le support nécessitent une mise en œuvre systématique.
• Le dépôt open source h2oGPT a été archivé ; l’utilisation de nouveaux projets qui s’y réfèrent entraîne des risques liés à la maintenance des dépendances et des vulnérabilités.
• Les modèles, les ensembles de données et les modèles de base tiers ont chacun leur propre licence ; la licence de la plateforme Apache 2.0 ne couvre pas tous les poids des modèles.
• Les résultats générés par l’IA d’entreprise peuvent être erronés ou produire des décisions injustes ; les contrats les plus récents exigent une vérification manuelle finale par le client.
• Les utilisations telles que le diagnostic médical, la biométrie, les infrastructures critiques, les armes et la finance à haut risque sont soumises à des licences d’entreprise.
• La page d’histoire indique toujours une période d’essai gratuite de 90 jours, mais l’entrée principale est désormais orientée vers la demande d’une démonstration ; l’ancien essai ne doit pas être considéré comme une promesse valable actuellement.

Prix et licence

Au 23 août 2026, H2O.ai ne propose pas de prix fixe et uniforme pour ses produits destinés aux entreprises. H2O-3 OSS, H2O LLM Studio et Wave peuvent être utilisés gratuitement avec du code open source, tandis que les produits commerciaux sont facturés en fonction du déploiement, des composants, des utilisateurs, de la puissance de calcul, du support et de l’étendue du contrat.

État d’essai

Les tutoriels historiques du site officiel ainsi que la page des anciennes offres mentionnaient une période d’essai gratuite de 90 jours pour H2O AI Cloud ; l’ancienne page Driverless AI indiquait quant à elle une période d’essai de 21 jours. L’entrée principale actuelle affiche « Request a Demo », sans période d’essai autonome en cours pouvant être vérifiée.

L’évaluation entreprise doit confirmer dans un document de test écrit ou de POC les composants, la capacité de stockage, les GPU, la concurrence, le support, la durée, la suppression et les conditions pour passer à un contrat officiel. Les frais d’infrastructure ou d’images sur le marché cloud peuvent également être facturés séparément de la licence logicielle H2O.

GitHub et les projets open source

H2O.ai dispose d’une organisation GitHub officielle vérifiée par son nom de domaine, qui expose actuellement environ 195 dépôts. Tous les projets de cette organisation ne peuvent pas être considérés comme étant soumis à la même licence, et les recettes ou exemples de code publics ne constituent pas une open source pour les entités Driverless AI et AI Cloud.

Précautions à prendre pour l'utilisation open source

• Lisez d’abord la licence, la NOTICE, les dépendances et la carte de modèle propres à chaque entrepôt.
• Enregistrer la version de soumission utilisée, la version publiée, la version du paquet Python ou R ainsi que la version serveur.
• Vérifier si l’entrepôt est archivé, les derniers correctifs de sécurité, les problèmes non résolus et la matrice de compatibilité.
• La licence Apache 2.0 des frameworks open source ne confère pas automatiquement le droit sur les données d’entraînement ou les poids des modèles.
• Gérer séparément les forks, les exemples, les recettes et le produit principal au sein d’une organisation officielle.
• Dans un environnement de production, il est nécessaire de mettre en place soi-même des SLA, une réponse aux vulnérabilités, des mises à jour, des réversions et un soutien à long terme.

Confidentialité, sécurité et conformité

Selon la politique de confidentialité actuelle de H2O.ai, les données saisies par les clients, les métadonnées et les données des modèles ne sont pas utilisées pour entraîner les modèles H2O.ai, sauf accord écrit contraire entre les deux parties. Les services gratuits, d’essai ou API peuvent traiter les données saisies de manière instantanée, mais des métadonnées limitées peuvent être conservées à des fins de sécurité, de débogage ou de prévention de l’abus.

Le DPA de l’entreprise a été mis à jour en avril 2026, couvrant les plans payants et gratuits, les versions d’essai, les API et les fonctionnalités de test, et exigeant que les clients soient responsables de la légitimité des données ainsi que de la révision finale manuelle des résultats générés par l’IA. H2O.ai s’engage à maintenir des mesures techniques et organisationnelles conformes aux normes du secteur.

Processus de déploiement de la sécurité

1. Sélectionnez une solution open source auto-gérée, gérée, hybride, locale ou entièrement isolée en fonction de la classification des données.
2. Signer la commande, le EULA et le DPA, en énumérant tous les composants, modèles, sous-traitants et zones de données.
3. Placer l’interface de gestion, Flow, REST, les services de modèles et la communication entre nœuds dans un réseau contrôlé.
4. Connectez-vous à l’identité de l’entreprise et attribuez les permissions minimales en fonction de l’espace de travail, du projet, du modèle, de l’application et de l’opération.
5. Placer les clés, les identifiants de stockage d’objets, les tokens de modèle et les comptes de base de données dans le service de clés sécurisées.
6. Vérifier dans un environnement de test les problèmes d’escalade de privilèges, d’injection de messages, de fuites de données, de modèles malveillants et de risques liés aux dépendances.
7. Établir des contrôles manuels pour la formation, l’approbation, le déploiement, les appels d’outils proxy et les sorties à haut risque.
8. Surveillance continue des vulnérabilités, du dérive des modèles, des appels anormaux, des coûts de ressources et des enregistrements d’audit.

Utilisations commerciales et à haut risque

Les projets open source H2O peuvent être utilisés à des fins commerciales conformément à leurs licences respectives, mais les produits commerciaux ne bénéficient qu d’une licence limitée à des fins internes pendant la durée de l’abonnement. L’utilisation au nom de clients tiers, la rélicence, les services de hébergement et la distribution de modèles nécessitent une confirmation par contrat.

L’EULA actuel de l’entreprise limite expressément l’utilisation de l’IA dans des systèmes susceptibles de causer des pertes en vies humaines, des blessures graves ou des dommages catastrophiques, y compris le diagnostic et le traitement médicaux, la surveillance par biométrie, les services d’urgence, les infrastructures critiques, l’aviation, la conduite autonome, les armes et les décisions financières à haut risque.

• Les données, les modèles, les dépendances et les licences des API tierces doivent être vérifiés séparément.
• Les modèles ayant un impact juridique ou significatif sur les individus nécessitent équité, explication, possibilité de recours et révision humaine.
• L’IA générative et les sorties d’agents peuvent contenir des erreurs et ne doivent pas être utilisées directement pour des décisions professionnelles ou à haut risque.
• Les cartes de modèle, les expériences, les caractéristiques, les versions des données, les personnes autorisées et les historiques de déploiement doivent être traçables.
• Les références, les cas clients et les multiples de performance ne décrivent que des conditions spécifiques et ne constituent pas une garantie de résultats.
• Les régulateurs du secteur doivent intégrer les modèles de risque, la protection des données, la validation et le contrôle des modifications dans des processus officiels.

Plateforme de support

Informations de base

Indice de recommandation

Note de recommandation : 4,6 / 5. H2O.ai offre une combinaison rarement vue entre l’apprentissage automatique distribué open source, l’AutoML, l’interprétabilité, le cycle de vie des modèles et l’IA générative d’entreprise.

Il convient le mieux aux organisations disposant de compétences en science des données, en ingénierie de plateformes et en gouvernance, plutôt qu’aux utilisateurs individuels cherchant une solution de messagerie bon marché prête à l’emploi. Le grand nombre de produits, l’opacité des prix pour les entreprises et les frontières complexes entre logiciels libres et solutions commerciales représentent les principaux coûts de compréhension lors du choix d’un produit.

Questions fréquentes

Qu’est-ce que H2O.ai ?

H2O.ai est une entreprise ainsi qu’un écosystème de produits d’IA couvrant l’apprentissage automatique H2O-3, le modélisation automatique Driverless AI, AI Cloud, le RAG et les agents d’entreprise, le micro-tuning des LLM et le développement d’applications Wave.

H2O.ai est-il gratuit ?

Partiellement gratuit. Les composants open source tels que H2O-3, H2O LLM Studio et Wave peuvent être utilisés gratuitement de manière autonome, tandis que Driverless AI, H2O AI Cloud, H2O-3 Secure ainsi que les produits d’IA générative pour entreprises nécessitent une licence commerciale.

H2O-3 est-il identique à H2O AI Cloud ?

Ce n’est pas pareil. H2O-3 est un moteur d’apprentissage automatique open source, tandis que H2O AI Cloud est un environnement d’entreprise qui combine plusieurs moteurs, MLOps, des notebooks, des applications, des droits d’accès et des services de plateforme.

L’H2O-3 OSS peut-il être utilisé pour la production ?

Techniquement, il est possible de l’implémenter soi-même par l’équipe, mais officiellement, le support en production, la correction des vulnérabilités commerciales, les paquets d’entreprise, les artefacts de modèle et les fonctionnalités d’aide à l’audit sont intégrés dans H2O-3 Secure. Les systèmes de production critiques doivent être évalués en fonction des exigences fonctionnelles et de support actuelles.

L’IA sans conducteur remplacera-t-elle les scientifiques des données ?

Non. Il automatise l’ingénierie des caractéristiques, le réglage des paramètres, la validation, l’interprétation et la préparation au déploiement, mais les objectifs commerciaux, la qualité des données, les jugements causaux, l’acceptation des risques et la responsabilité de production restent à la charge de professionnels.

H2O-GPT est-il encore un projet open source actif ?

Le dépôt officiel h2ogpt est désormais archivé, et la dernière version officielle est à 0.2.1. Les versions anciennes peuvent encore être utilisées sous licence Apache 2.0, mais de nouveaux projets devraient évaluer les dépendances, les vulnérabilités et les alternatives en matière de maintenance.

Enterprise h2oGPTe est-il open source ?

Pas open source. Il s’agit d’une plateforme commerciale maintenue en continu, offrant des fonctionnalités RAG, d’agents, de gardiens, multi-locataires, MLOps et support pour les entreprises, et ne peut pas être assimilé à l’h2oGPT open source archivé.

H2O LLM Studio est-il open source ?

La version open source utilise Apache 2.0 et fait l’objet d’une mise à jour active. Enterprise LLM Studio, quant à lui, est un produit sous licence fermée qui ajoute des fonctionnalités de multi-utilisateurs, de gouvernance centralisée, d’API REST et d’automatisation.

Quel est le prix du produit de l’entreprise ?

Le site officiel ne publie pas de prix fixe uniforme. Les frais varient en fonction des composants du produit, du mode de déploiement, de la puissance de calcul, des utilisateurs, du support, du volume de données et de l’étendue de la mise en œuvre ; il est nécessaire de demander une démonstration et un devis entreprise.

Y a-t-il encore 90 jours d’essai gratuit ?

Les anciens tutoriels mentionnent encore une période d’essai de 90 jours avec H2O AI Cloud, mais l’entrée principale est désormais la demande d’une démonstration. À moins qu’une confirmation écrite du service commercial ne soit fournie, la règle des 90 jours antérieurs ne doit pas être considérée comme un avantage actuel.

Les données des clients seront-elles utilisées pour entraîner le modèle H2O ?

La politique de confidentialité en vigueur stipule que les données saisies par le client, les métadonnées et les données des modèles ne seront pas utilisées pour entraîner les modèles H2O.ai, sauf accord écrit explicite des deux parties. Les modèles tiers, les modèles fournis par le client lui-même ainsi que les fonctionnalités de test doivent être vérifiés conformément au contrat spécifique.

H2O AI convient-il aux utilisateurs chinois ?

L’algorithme H2O-3 ne dépend pas en lui-même d’un langage d’interface ; les capacités en chinois de l’IA générative dépendent du modèle choisi, des données de fine-tuning, des embeddings et de l’évaluation. La documentation officielle et la mise en œuvre au niveau des entreprises sont principalement en anglais.

Résumé

L’avantage de H2O.ai réside dans le fait qu’il relie des outils d’apprentissage automatique ouverts à des plateformes de production d’entreprise. Les équipes peuvent commencer avec les prototypes H2O-3 ou LLM Studio, puis évaluer Secure, Driverless AI, AI Cloud ou les produits d’IA générative d’entreprise en fonction des besoins en matière de sécurité, de support, de déploiement et de gouvernance.

Lors du choix du produit, il est nécessaire de vérifier un par un les licences, l’état du stock, le poids du modèle, le déploiement, les artefacts du modèle, les API, le prix et le support. La méprise la plus courante consiste à penser que, parce qu’une entreprise a commencé avec du logiciel open source, tous ses produits le sont également, ou à considérer l’h2oGPT archivé comme une version gratuite actuelle de l’Enterprise h2oGPTe.