Emergence AI

Une phrase pour présenter

Emergence AI est une entreprise spécialisée dans l’intelligence d’entreprise et les agents IA. Son produit phare, CRAFT, permet aux organisations d’effectuer des évaluations de préparation des données, un enrichissement des métadonnées, une analyse du langage naturel ainsi que des workflows multi-agents contraints, directement dans leur cloud, leurs data centers ou des environnements hybrides.

Présentation des outils

Emergence AI est le nom commercial utilisé par Merlyn Mind, Inc., et vise actuellement principalement les organisations qui souhaitent intégrer l’IA dans leurs données d’entreprise et leurs décisions opérationnelles. CRAFT n’est pas un outil de chat en un clic destiné aux particuliers, mais plutôt un système d’entreprise composé de solutions, de services de plateforme partagée et d’infrastructure Kubernetes.

Le produit met l’accent sur le fonctionnement des agents dans le cadre de mécanismes de contrainte, de stratégie et de validation, afin d’effectuer une analyse des causes racines, la détection d’anomalies, la simulation de scénarios ainsi que des requêtes fiables en langage naturel. Le déploiement peut se faire sur des infrastructures sous le contrôle du client, ce qui facilite la gestion par l’organisation des données, des stratégies, des modèles et des limites d’exécution.

Composition des produits CRAFT

La documentation officielle indique clairement que le CRAFT Toolkit est une fonctionnalité prévue, il ne peut donc pas être décrit comme étant déjà largement disponible actuellement. Les connexions de données personnalisées font partie du système de connexions de données CRAFT et ne dépendent pas du Toolkit qui n’a pas encore été publié.

Architecture technique en trois niveaux

Fonction principale

Évaluation de la disponibilité des données

CRAFT Assess évalue la qualité des données, le degré de couverture et le respect des stratégies, afin d’identifier les lacunes que l’organisation doit combler avant de déployer des agents autonomes. Il permet de transformer l’expression vague « les données ne sont pas prêtes » en une liste de problèmes traçables.

Metadata et amélioration de la qualité des données

CRAFT Enrich peut compléter automatiquement les métadonnées, classifier les actifs de données et générer des règles de qualité des données ainsi que des fiches de notation. Le flux de travail est orchestré par Agent et Prefect, mais les règles doivent néanmoins être examinées par le propriétaire des données afin d’éviter que le modèle ne comprenne mal la sémantique des champs.

Verified Talk-to-Data

Data Insights permet aux utilisateurs de poser des questions aux bases de données d’entreprise en langage naturel ; le système génère du SQL, effectue des vérifications et retourne des réponses, des graphiques ou des insights. La solution met l’accent sur la détection de motifs et la validation, et il ne faut pas considérer que des réponses fluides signifient nécessairement que la requête est correcte.

• Poser des questions métier par le biais d’un dialogue ; il n’est pas nécessaire que chaque utilisateur sache écrire du SQL.
• Générer des requêtes candidates en combinant le schéma de la base de données et les règles métier.
• Vérifier la structure et les résultats avant et après l’exécution.
• Conserver plusieurs niveaux de contexte pour continuer à poser des questions ou ajuster la portée de l’analyse.
• Créer des graphiques interactifs, des tableaux de bord et des résultats partageables.

Analyse des causes racines et détection des anomalies

L’agent peut rechercher des anomalies dans plusieurs sources de données d’entreprise et traquer les causes potentielles, ce qui le rend adapté au débogage des opérations, de la fabrication et des pipelines de données. Les résultats de l’analyse restent influencés par l’intégrité des données, la période considérée et les définitions métier ; les décisions à haut risque nécessitent une confirmation par des experts du domaine.

Simulation de scénarios et analyse stratégique

La plateforme peut créer des scénarios en se basant sur des hypothèses et comparer les résultats possibles, afin de tester des plans avant d’agir. La simulation dépend de données d’entrée, de règles et d’hypothèses de modélisation, et ne peut pas remplacer la validation dans un marché réel, en ingénierie ou sur le plan réglementaire.

Orchestration multi-acteurs

CRAFT utilise le protocole A2A pour coordonner plusieurs agents spécialisés, et échange des tâches et des états via JSON-RPC 2.0 ainsi que des flux d’événements serveur. Le pipeline à états prend en charge les workflows à plusieurs étapes et l’annulation collaborative, ce qui est idéal pour assigner la planification, la consultation, l’analyse et la validation à différentes composantes.

Découplage par le fournisseur de modèles

La plateforme s’connecte à des modèles tels que Gemini, GPT et Claude via LiteLLM, afin de réduire la dépendance des solutions vis-à-vis d’un seul fournisseur. Le fait que les modèles puissent être remplacés ne signifie pas que les résultats soient entièrement équivalents ; l’équipe doit néanmoins évaluer séparément les conditions de données, les coûts, le contexte, les appels d’outils et la qualité.

Gestion d’actifs

Le service Asset centralise l’enregistrement des connexions de données, des agents, des modèles, des fichiers et des produits, et les isole par organisation et projet. La carte d’agent permet de valider la version du protocole, les capacités, les interfaces et les descriptions de sécurité avant la persistance.

Identité de l’entreprise et autorisation à faible granularité

CRAFT utilise OIDC et PKCE pour gérer l’identité multi-locataire et prend en charge le connexion unique. Les permissions sont héritées entre les organisations, les projets et les ressources grâce au modèle relationnel OpenFGA, ce qui permet de distinguer les rôles tels que les viewers, les développeurs, les opérateurs et les administrateurs.

Clé et connexion de données

Les métadonnées de connexion sont stockées dans la base de données des actifs, tandis que les identifiants tels que les noms d’utilisateur et les mots de passe sont enregistrés dans Infisical ou un backend de gestion des secrets externe via l’API Secrets. Ces identifiants ne sont pas renvoyés dans les réponses des API ordinaires, mais injectés uniquement lors de la création de la connexion à la solution.

Observabilité

La plateforme peut collecter des traces, des métriques et des journaux via OpenTelemetry, et observer l’infrastructure à l’aide de la pile Grafana LGTM. Langfuse est optionnel et permet le suivi des appels de modèles, la gestion des versions des prompts, l’évaluation ainsi que l’analyse des coûts ; ces deux utilisations de l’observabilité sont distinctes.

Génération automatique d’SDK

CRAFT peut générer des SDK en Python et TypeScript conformes aux spécifications OpenAPI, afin d’aider les solutions à appeler les services de la plateforme. Ces SDK s’adressent aux environnements déployés et au développement collaboratif ; cela ne signifie pas que tous les points d’accès des produits d’entreprise soient ouverts au public sans condition.

Solutions orientées vers les affaires

Processus d'utilisation de l’analyse de données

1. Déterminer les problèmes métier à analyser, les responsables des données et la portée des données autorisées.
2. Créer des organisations et des projets dans CRAFT, ainsi que configurer les identités et les permissions des projets.
3. Créer des comptes en lecture seule pour la base de données, limités aux schémas et tables nécessaires.
4. Enregistrez la connexion via le service Asset et confiez les identifiants à l’API Secrets pour qu’ils soient stockés.
5. Tester le réseau, les permissions et les connexions de requête, puis permettre à Data Insights de lire le modèle.
6. Poser des questions de petite portée en langage naturel pour vérifier le SQL généré par le système et les définitions métier.
7. Vérifier manuellement les réponses, les graphiques, les fenêtres temporelles et les méthodes d’agrégation.
8. Conserver les définitions d’indicateurs validées, et les étendre progressivement à davantage d’utilisateurs et de sources de données.
9. Surveiller en continu les appels du modèle, la performance des requêtes, les droits d’accès et les journaux d’erreurs.

Points clés pour se connecter à PostgreSQL

• Préparer l’adresse de la base de données accessible via le réseau CRAFT.
• Créer des utilisateurs en lecture seule et ne leur accorder que les droits minimums nécessaires au modèle cible.
• Enregistrer la connexion de données en utilisant un jeton d’identité valide et une identifiant de projet.
• Permettez aux métadonnées de connexion et aux identifiants d’être stockés séparément dans les services Asset et Secrets.
• Vérifier que les identifiants originaux ne sont pas renvoyés dans la réponse de lecture.
• Utilisez une requête minimale pour tester la connexion avant de la transmettre à Data Insights.

Workflow de gouvernance des données

1. Il est nécessaire d’évaluer les sources de données, les catalogues, les propriétaires et la portée de la réglementation.
2. Utiliser CRAFT Assess pour identifier les lacunes en termes de qualité, de couverture et de stratégie.
3. Classer les problèmes en fonction de leur impact sur les activités et des risques liés à l’utilisation des agents.
4. Exécutez Enrich pour compléter les descriptions d’actifs, les classifications et les règles de qualité des candidats.
5. Laissez le propriétaire des données examiner la sémantique, le niveau de sensibilité et les seuils déduits par le modèle.
6. Exécuter les règles via le flux de travail et générer une fiche d’évaluation de la qualité.
7. Attribuer les règles de défaillance aux équipes responsables et suivre les correctifs.
8. Réaliser des évaluations régulières pour éviter le dérive causé par les changements de modèles, de données et de politiques.

Processus de développement de solutions

1. Choisissez la solution de référence ou le modèle Starter le plus proche des besoins.
2. Créer un service FastAPI et enregistrer les solutions et les actifs d’Agent conformément aux conventions.
3. Accès aux identités Keycloak, aux permissions OpenFGA, aux secrets et au stockage partagé.
4. Configurez les modèles autorisés et les stratégies de budget via LiteLLM.
5. Définir les capacités A2A, les entrées/sorties et les règles de validation pour l’agent.
6. Effectuer les tests de service minimal sur le poste local, puis les emballer en conteneur et en Helm Chart.
7. Déploiement via GitOps dans les environnements de développement, de test, de démonstration et de production.
8. Intégrez OpenTelemetry et Langfuse optionnel pour observer le fonctionnement du bout en bout.
9. Établir les droits d’accès, les données, les modèles et les tests de régression avant de les rendre accessibles aux utilisateurs métier.

Les guides de développement officiels fixent comme objectif du document une mise en œuvre minimale Quickstart en 30 minutes, mais une solution d’entreprise complète nécessite encore la participation d’équipes chargées de l’infrastructure, des identités, des données, des modèles, de la sécurité et de l’exploitation. Le site public ne montre que du contenu relevant de la sphère de sécurité des partenaires, et certaines informations relatives à la mise en œuvre font l’objet de documents contrôlés.

Mode de déploiement

CRAFT peut être déployé dans le cloud du client, dans un data center ou dans un environnement hybride, et exige une exécution sur des clusters Kubernetes conformes aux spécifications CNCF. L’architecture évite autant que possible de dépendre d’un seul cloud, en utilisant Helm, ArgoCD, Terraform ainsi que des solutions de stockage d’objets et de backends de clés interchangeables.

Dépendances de la plateforme de base

• Kubernetes et Helm sont chargés de l’orchestration et du déploiement des conteneurs.
• ArgoCD est utilisé pour le déploiement GitOps en développement, en test, en démonstration et en production.
• Keycloak gère l’identité et le single sign-on.
• OpenFGA gère les droits relatifs aux relations entre organisations, projets et ressources.
• PostgreSQL, Redis et les plateformes de stockage d’objets gèrent l’état et les événements du système.
• Infisical ou la gestion externe des secrets permet de conserver les identifiants de connexion.
• L’stack OpenTelemetry et Grafana offre le suivi, les métriques et les journaux.

Prix et modalités d’achat

Au 22 août 2026, le site officiel d’Emergence AI ne divulgue pas les montants des forfaits fixes de CRAFT, ni les prix par poste ni la quantité disponible dans la version gratuite. Le produit est proposé via des partenariats entreprises et des devis sur mesure ; les clients potentiels doivent soumettre leurs besoins en matière d’activités, de données, de déploiement et de sécurité pour obtenir une proposition.

Préparatifs avant la demande de prix auprès d’une entreprise

1. Listez les problèmes métier ciblés, sans commencer par des besoins généraux et vagues pour l’agent.
2. Sources de données statistiques, types de bases de données, taille des actifs et fréquence de mise à jour.
3. Déterminer les limites des déploiements cloud, locaux, hybrides ou isolés du client.
4. Modèles expressément autorisés, régions de données, niveaux de sensibilité et exigences de conformité.
5. Estimer l’ampleur des utilisateurs, des requêtes, de la concurrence, des pipelines et des appels aux modèles.
6. Listez les identités, clés, répertoires et systèmes d’observabilité qui doivent être connectés.
7. Définir la précision de la définition, la sécurité SQL, la qualité des données et les indicateurs d’acceptation métier.
8. Demandez un devis qui indique séparément la licence, la mise en œuvre, l’infrastructure, le modèle et le support.

À qui s’adresse-t-il

• Responsable des données d’entreprise : Évaluer si les données sont adaptées aux agents et à l’analyse du langage naturel.
• Équipe de gouvernance des données : complétion automatique des métadonnées, classification des actifs et génération de règles de qualité.
• Spécialistes des opérations et de l’analyse : utilisation du langage naturel pour interroger les données et créer des visualisations.
• Équipe d’ingénierie des données : identifier les anomalies dans les pipelines de données et suivre les causes potentielles.
• Ingénieur de plateforme : Déploiement et maintenance d’une plateforme d’agents d’entreprise dans un environnement Kubernetes.
• Équipe de sécurité et de conformité : contrôle de l’accès aux données par l’identité, les autorisations, les clés et les audits.
• Organisations de semi-conducteurs et de fabrication : mise en place de solutions d’analyse isolée orientées vers les données sectorielles.
• Partenaires de conception conjointe : Développement d’applications d’agents personnalisés sur les services partagés CRAFT.

Scénarios d'utilisation typiques

• Évaluer l’intégrité des données, la propriété et les lacunes stratégiques avant de déployer l’agent d’entreprise.
• Générer automatiquement des descriptions, des classifications et des règles de qualité candidates pour le catalogue de données.
• Permettre aux commerciaux de consulter les bases de données de vente, d’opérations ou de fabrication en langue naturelle.
• Transformer les résultats de recherche en graphiques, tableaux de bord et insights partageables.
• Orchestration de processus de collecte de données, d’analyse, de vérification et de rapportage à travers plusieurs agents.
• Détecter les anomalies dans le pipeline de données et remonter jusqu’à la table source, à la règle ou au système en amont.
• Comparer les résultats des scénarios sous différentes hypothèses avant de prendre des actions stratégiques.
• Déployer des applications d’agent spécialisées dans l’industrie sur un réseau privé contrôlé ou dans un environnement hybride.

Avantages du produit

• Il couvre les données prêtes à l’emploi, la gouvernance, l’analyse et les flux de travail d’agent, et ne se limite pas à une interface de chat.
• Peut être déployé dans le cloud du client, un data center ou une infrastructure hybride, afin de réduire la pression liée au transfert des données vers l’extérieur.
• Basé sur Kubernetes et des composants open source courants, pour éviter de dépendre de services propriétaires d’un seul cloud.
• Unifier l’identité, les permissions et les identifiants via Keycloak, OpenFGA et la API Secrets.
• Prend en charge plusieurs fournisseurs de modèles, permettant à l’équipe de choisir en fonction de la sécurité, des performances et du coût.
• A2A et les pipelines étatiques conviennent pour décomposer des tâches complexes à plusieurs étapes.
• La conversion du langage naturel en SQL, associée à des modèles et des mécanismes de validation, facilite l’établissement de processus auditable.
• OpenTelemetry et Langfuse couvrent respectivement l’observation de l’infrastructure et des appels de modèles.

Restrictions d'utilisation et précautions

• Le produit est conçu pour une mise en œuvre en entreprise et nécessite Kubernetes, des fonctionnalités d’identité, de gestion des données et d’opérations.
• Le site officiel ne divulgue pas de prix standard ; les coûts de pilote et de déploiement officiel doivent être évalués séparément.
• Le toolkit CRAFT reste un module en phase de planification et ne peut pas être acheté selon les fonctionnalités déjà mises en ligne.
• La génération de SQL à partir de langage naturel peut encore mal interpréter les indicateurs, les dates, les relations de connexion ou les définitions métier.
• Plusieurs agents augmentent le nombre d’appels au modèle, les délais, les points de défaillance et la complexité du débogage.
• Le fait que les modèles soient interchangeables ne signifie pas pour autant qu’ils soient entièrement équivalents en termes de qualité et de conformité.
• Les règles de qualité des données générées automatiquement peuvent entraîner des faux positifs, des faux négatifs ou des seuils irréalistes.
• L’autogestion permet d’améliorer le contrôle, mais elle entraîne également une plus grande responsabilité en matière de correctifs, de sauvegardes, de surveillance et de capacité.
• Le fait que les documents de développement soient publics ne signifie pas que tous les services internes et le code soient accessibles au grand public.
• Les licences des différents dépôts GitHub officiels diffèrent, il n’est donc pas possible de les décrire tous comme étant entièrement open source.
• La DPA restreint les données sensibles non convenues ; l’organisation doit d’abord effectuer la classification des données.

Sécurité et gouvernance

Vérification de gouvernance avant mise en ligne

1. Déterminer le propriétaire, l’usage, le niveau de sensibilité et les utilisateurs autorisés pour chaque source de données.
2. Créer des comptes en lecture seule pour analyser la base de données et restreindre les schémas, les tables et le réseau.
3. Séparer les droits des utilisateurs humains, des comptes de service et des agents, afin d’éviter le partage d’identités à hautes prérogatives.
4. Définir les délais de timeout, le nombre de lignes, le coût et les limites d’opérations interdites pour SQL.
5. Définir des critères d’approbation manuelle et des exemples de test pour les indicateurs métier.
6. Vérifier les données sensibles, personnelles et commerciales, dans les suggestions, le SQL, les résultats et les journaux.
7. Définir l’approbation, le retrait et l’audit pour les actions d’agent ayant des effets secondaires.
8. Vérifier régulièrement l’héritage des autorisations, le renouvellement des clés, la restauration des sauvegardes et les modifications des modèles.

Confidentialité, DPA et conformité

La politique de confidentialité du site s’applique principalement aux visiteurs du site officiel, tandis que le traitement des données liées aux services d’entreprise doit se conformer aux accords clients et au DPA de 2025. Le DPA précise qu’Emergence, en tant que traitement, peut recevoir et stocker des appels API, des messages, des résultats de modèles, ainsi que des données techniques et d’utilisation, et les traiter et les supprimer selon les instructions du client.

Le Trust Center liste le GDPR, SOC 2 Type 1, SOC 2 Type 2 et SOC 3, et fournit des informations sur la sécurité telles que l’authentification multifacteur, le single sign-on, ainsi que le chiffrement statique et en transit. Les rapports détaillés et les données sensibles nécessitent généralement une demande d’accès via le Trust Center ; l’acheteur doit vérifier que la portée de l’audit, les dates et les services achetés sont couverts.

GitHub et les projets open source

Emergence AI gère l’organisation officielle GitHub, mais les problèmes résolus et les licences des différents dépôts diffèrent. La documentation CRAFT indique que les composants clés de la plateforme sont conçus pour être open source et pouvant être hébergés en interne, cependant, à la date de vérification, aucun dépôt de code source public couvrant l’ensemble des produits d’entreprise CRAFT n’a été identifié.

Différences entre Agent-E et CRAFT

Agent-E est un projet d’automatisation de pages web publié précocement, utilisant principalement un navigateur pour remplir des formulaires, effectuer des recherches et manipuler des sites web. CRAFT est une plateforme actuelle pour les données d’entreprise et l’intelligence artificielle ; les deux sont maintenus par la même organisation officielle, mais leur positionnement sur le marché, leur déploiement et leurs licences ne doivent pas être confondus.

API et compétences des développeurs

Informations de base

Indice de recommandation

Le score de recommandation est de 4,4 sur 5. CRAFT intègre la préparation des données, l’analyse du langage naturel, la gouvernance, les multiples agents, les droits d’accès, les clés et l’observabilité dans des déploiements Kubernetes contrôlés par le client, ce qui le rend adapté aux grandes organisations ayant des exigences élevées en matière de limites des données et de fiabilité.

L’obstacle principal est l’absence de prix standard public, la complexité élevée en matière de déploiement et de gouvernance, ainsi que la nécessité d’une distinction stricte entre les fonctionnalités planifiées et celles actuelles. Il convient davantage aux entreprises disposant d’équipes spécialisées en ingénierie de plateformes, en gouvernance des données et en sécurité, et non à des utilisateurs individuels cherchant à tester rapidement un produit léger d’agent.

Questions fréquentes

Qu’est-ce qu’Emergence AI ?

Emergence AI est une entreprise qui développe des systèmes d’intelligence d’entreprise et d’agents IA. Son produit phare actuel, CRAFT, est utilisé pour la préparation des données, la gouvernance, l’analyse du langage naturel et les workflows multi-agents contraints.

Qu’est-ce que CRAFT ?

CRAFT est une plateforme intelligente pouvant être déployée dans l’infrastructure d’une entreprise, composée de solutions métier, de services partagés tels que l’identité et les actifs, ainsi que d’une infrastructure Kubernetes.

Quelle est la différence entre CRAFT Assess et Enrich ?

Assess est chargé de détecter les problèmes de qualité des données, le manque de couverture et les lacunes dans les stratégies, tandis qu’Enrich s’occupe de compléter les métadonnées, de classer les actifs et de générer des règles de qualité. Le premier a une approche diagnostique, le second une approche d’amélioration.

Le outil CRAFT est-il déjà disponible ?

Non. La documentation officielle actuelle indique clairement que le Toolkit est un module prévu, et les outils de validation des certificats et de formalisation automatique ne peuvent pas être décrits comme étant universellement disponibles.

Est-il possible de consulter une base de données en langage naturel ?

Oui. Data Insights offre la conversion du langage naturel en SQL, des analyses en plusieurs étapes et de la visualisation, mais la logique des requêtes, les indicateurs métier et les résultats doivent encore être vérifiés.

Quelles bases de données sont prises en charge ?

La documentation d’introduction publique présente en détail la connexion à PostgreSQL, et l’architecture permet d’ajouter des connexions de données selon les besoins. Les autres bases de données spécifiques doivent être vérifiées une par une lors de l’évaluation du projet.

CRAFT prend-il en charge le déploiement privé ?

Il prend en charge le déploiement dans le cloud du client, des data centers ou des environnements hybrides, et fonctionne sur des clusters Kubernetes conformes aux spécifications CNCF. Les conditions spécifiques relatives au mode hors ligne, aux images et aux limites de support doivent être précisées dans le contrat.

Peut-on choisir différents grands modèles ?

Il est possible d’accéder à Gemini, GPT, Claude et autres fournisseurs via LiteLLM. Les entreprises doivent configurer séparément les clés, la politique de données, le budget et les tests de qualité.

Emergence AI est-il gratuit ?

Aucune version gratuite publique ou limite d’essai fixe de CRAFT n’a été trouvée. Le produit est principalement acquis grâce à des partenariats avec des entreprises et à des devis sur mesure.

Combien coûte CRAFT ?

Le site officiel ne divulgue pas de montant fixe. Le prix peut être influencé par les modules, les sources de données, les utilisateurs, la quantité d’utilisation du modèle, l’environnement de déploiement, ainsi que l’étendue de la mise en œuvre et du support ; il est nécessaire de contacter le service des ventes.

Des API et SDK sont-ils fournis ?

Fournit une API de plateforme et permet de générer des SDK en Python et TypeScript conformes aux spécifications OpenAPI. L’accès réel nécessite un environnement déployé, un jeton d’identité et des droits de projet.

Emergence AI est-il open source ?

On ne peut pas répondre simplement que tout est open source. Des projets tels qu’Agent-E disposent de licences publiques, et CRAFT utilise également des composants open source pouvant être hébergés soi-même, mais la plateforme d’entreprise complète comprend toujours des produits commerciaux et du contenu contrôlé.

Qu’est-ce que l’Agent-E ?

Agent-E est un projet d’automatisation de pages web sous licence MIT publié par Emergence AI, permettant de piloter des tâches de navigateur en langage naturel. Ce n’est pas la plateforme d’entreprise CRAFT elle-même.

Emergence World peut-il être utilisé à des fins commerciales ?

Par défaut, c’est interdit. Ce dépôt de recherche utilise la licence CC BY-NC 4.0, qui autorise uniquement l’utilisation à des fins de recherche et d’enseignement non commerciales avec attribution, tandis que toute utilisation commerciale nécessite une autorisation supplémentaire.

Les données quittent-elles l’environnement de l’entreprise ?

CRAFT peut être déployé sur une infrastructure contrôlée par le client, mais les modèles externes, la télémétrie, le support et les sous-traitants peuvent tout de même créer des flux de données. Les entreprises doivent vérifier chaque élément en fonction de l’architecture réelle et du DPA.

Est-ce adapté aux petites équipes ?

Si une petite équipe dispose déjà de capacités en Kubernetes, en données et en sécurité et que ses besoins sont suffisamment complexes, elle peut envisager un projet pilote ; en général, les individus ou les petites équipes sont plus adaptés à des outils d’analyse à faible seuil d’implémentation.

Résumé

CRAFT d’Emergence AI s’adresse aux organisations qui souhaitent que leurs agents utilisent de manière fiable les données d’entreprise. Sa valeur principale réside dans le fait de regrouper l’évaluation des données, l’amélioration des métadonnées, l’analyse du langage naturel, l’orchestration de multiples agents et les contrôles de gouvernance au sein d’une même architecture déployable.

Lors du choix, il convient de partir des problèmes métier spécifiques et des limites des données, en vérifiant l’exactitude des requêtes SQL, l’isolation des droits, le flux de données du modèle, les coûts d’exploitation et les indicateurs de validation. Il faut également faire une distinction stricte entre Assess et Enrich déjà disponibles, le Toolkit en phase de planification, ainsi que des projets de recherche open source indépendants tels qu’Agent-E.