Iris.ai

Une phrase pour présenter

Iris.ai est une plateforme d’IA qui transforme les articles scientifiques, les brevets et les documents d’entreprise en connaissances consultables, extrayables et vérifiables, ciblant actuellement les équipes de R&D, les services de gestion des connaissances et les secteurs réglementés.

Présentation des outils

Iris.ai est géré par la société norvégienne Iris AI AS. Au début, il a attiré l’attention des utilisateurs de la recherche grâce à son outil de découverte de la littérature en IA. Aujourd’hui, sa positionnement de marque s’est étendu pour devenir une base de connaissances en IA d’entreprise, permettant de structurer les données via Axion, Neuralith et RSpace, ainsi que d’utiliser l’Agentic RAG dans les workflows de recherche.

Par conséquent, il ne peut plus être simplement décrit comme un site de recherche de thèses. Le module de documents qui intéresse les chercheurs individuels reste fait pour RSpace, tandis que les clients entreprises peuvent intégrer des documents internes, des graphiques, des brevets et des bases de données dans un système de connaissances et d’agents plus complet.

Trois positions de produits majeures

Structuration des données Axion

Axion est utilisé pour transformer les connaissances dispersées dans des documents, des images, des scans, des tableaux et des graphiques en un format uniforme lisible par les machines. Il ne se limite pas à l’OCR ; il crée plutôt une couche de données réutilisable en combinant la segmentation contextuelle, les métadonnées, les relations entre entités et des schémas sectoriels.

• Connecter PDF, Word, Excel, PowerPoint, texte brut, pages web et images scannées.
• Identifier les valeurs, les étiquettes, les relations et les descriptions à partir de tableaux, de graphiques et d’images.
• Traiter le texte dans l’image par OCR et générer une description du contenu visuel.
• Utilisez des modèles sectoriels pour organiser des documents tels que des contrats, des brevets, des essais cliniques et des états financiers.
• Données structurées pouvant être utilisées pour la recherche, l’analyse, le RAG et les agents intelligents.
• Marquer les éléments nécessitant une vérification manuelle dans le rapport de qualité et l’évaluation auto.

Processus de travail Axion

1. Déterminer les problèmes métier à prendre en charge ainsi que les champs et relations nécessaires.
2. Se connecter à des fichiers, au stockage cloud, à des bases de données ou à des systèmes d’entreprise, et définir la portée du traitement.
3. Sélectionnez le schéma du secteur ou concevez une couche de données opérationnelles personnalisée.
4. Exécuter l’OCR, la segmentation contextuelle, l’extraction des graphiques de tableaux et la liaison des entités.
5. Vérifier les rapports de qualité, les champs à faible confiance et les documents anormaux.
6. Les échantillons sont corrigés par des experts du domaine, puis les règles de prélèvement et d’indexation sont ajustées.
7. Confiez les résultats stables aux agents de recherche, RAG, d’analyse ou Neuralith.

Formats et langues pris en charge par Axion

Orchestration d’agents Neuralith

Neuralith est conçu pour la conception, le déploiement et la gouvernance des systèmes Agentic RAG d’entreprise. Il organise les recherches, les modèles, les outils et les workflows d’agents sur la base de données créées par Axion, permettant aux applications de répondre et d’exécuter des tâches en s’appuyant sur les connaissances de l’entreprise.

Espace de travail de recherche RSpace

RSpace regroupe la découverte de la littérature, le filtrage, l’analyse thématique, l’extraction structurée, la synthèse et les questions-réponses dans une même zone de travail. Les chercheurs peuvent combiner des modules pour effectuer une revue de littérature en une seule fois, ou bien suivre en continu de nouveaux articles, brevets ou documents de recherche interne.

Découverte et sélection de la littérature

Explore ne demande pas à l’utilisateur d’écrire dès le début une expression de recherche booléenne parfaite, mais plutôt de comprendre les concepts à partir d’une question ou de documents représentatifs et d’élargir la recherche correspondante. Les résultats doivent néanmoins être affinés au moyen de filtres et d’un jugement sectoriel.

• Définissez d’abord la question de recherche, les critères d’inclusion et les critères d’exclusion.
• Commencer l’exploration des concepts avec un article hautement pertinent ou une question complète.
• Vérifier les diagrammes conceptuels et les références représentatives, corriger les termes ambigus et les sujets manquants.
• Combinez le temps, la base de données, les thèmes et les conditions de filtrage contextuelles.
• Conserver les raisons d’exclusion pour éviter de revoir à plusieurs reprises le même ensemble de documents.
• Compléter la revue systématique par des recherches natives dans la base de données et enregistrer une stratégie de recherche complète.

Analyse thématique

Analyze identifie les mots, concepts et thèmes fréquents dans un ensemble de documents, et fournit les résultats au panneau de filtrage. Il est adapté pour découvrir la structure interne d’un ensemble de recherches, mais les étiquettes thématiques doivent être interprétées par des experts du domaine.

Une fréquence de mot élevée ne signifie pas une preuve forte, et le clustering thématique n’équivaut pas non plus à une relation de cause à effet. Les utilisateurs doivent se référer aux articles spécifiques pour vérifier les méthodes, l’échantillon, les statistiques et les conclusions.

Extraction structurée

Extract peut définir les champs à extraire en fonction du Layout des données de sortie, et organiser les informations contenues dans des articles, des brevets ou des rapports en tableaux comparables. Les champs courants incluent le matériau, l’échantillon, la méthode, les indicateurs, les conditions expérimentales et les conclusions.

1. Déduire l’ensemble minimal de champs à partir de la question de recherche, et définir le type et l’unité de chaque champ.
2. Sélectionner des documents représentatifs pour établir un échantillon d’extraction.
3. Description des champs de configuration, synonymes, valeurs autorisées et règles pour les valeurs manquantes.
4. Exécuter l’extraction et vérifier au hasard les correspondances entre le texte, les tableaux et les graphiques.
5. Unifier les unités, les noms d’entités et le format des champs à plusieurs valeurs.
6. Soumettre les résultats à faible confiance ou en conflit aux experts du domaine pour confirmation.
7. Après l’export des données, l’identifiant du document et sa version sont conservés, ce qui permet de revenir en arrière.

Résumer et Chat

Summarize permet de compresser un document unique ou un ensemble de documents, tandis que Chat permet aux utilisateurs de poser des questions supplémentaires concernant le contenu de l’espace de travail. Les deux sont utiles pour une navigation rapide, mais ne peuvent pas remplacer la lecture des textes originaux clés, des tableaux statistiques et des matériaux complémentaires.

• L’abstract doit distinguer les conclusions de l’auteur, les résultats expérimentaux et les généralisations générées par la plateforme.
• Lors de la pose des questions, définissez l’ensemble des données, la période et la signification des termes.
• Il est demandé que les réponses indiquent des références permettant de revenir au document et au paragraphe.
• Les chiffres importants, les comparaisons et les conclusions négatives doivent être vérifiés manuellement.
• Ne prenez pas pour absente une information qui n’a pas été mentionnée.

Multi-RAG et technologie de recherche

Le RAGaaS d’Iris.ai ne repose pas uniquement sur la similarité vectorielle, mais combine la recherche vectorielle, la parcours de graphes, les empreintes de connaissances et la recherche par mots-clés. Le système choisit la méthode de recherche en fonction de questions courtes, de questions longues ou de questions basées sur des entités.

Les entreprises peuvent choisir leurs propres grands modèles et comparer différents modèles ainsi que des stratégies de fine-tuning à l’aide d’un cadre d’évaluation. La précision réelle dépend de l’interaction entre la structure des données, la recherche, les prompts, le modèle et l’évaluation métier.

Gestion des connaissances d’entreprise

Iris.ai permet de collecter en masse des documents internes accumulés au fil des ans, de les indexer, d’améliorer leurs métadonnées et de les mettre à jour en continu, afin que les connaissances puissent être recherchées et utilisées par des agents intelligents. Il est adapté aux secteurs de la recherche et du développement, de la fabrication, des sciences de la vie, de la finance et du secteur public, où les données sont complexes et où une traçabilité stricte est requise.

• Créer des champs pour le propriétaire du document, le niveau de confidentialité, la version et la date d’expiration.
• Restreignez la portée de la consultation des données par département, projet et rôle.
• Définir des règles de péremption pour les politiques d’expiration et le retrait des articles.
• Distinguer les articles externes, les brevets des enregistrements d’expériences internes et des décisions prises.
• Surveiller en continu les nouvelles données et exécuter un index incrémental.
• Permettez à chaque réponse de conserver la chaîne de retraçabilité du document, du paragraphe et des champs extraits.

Déploiement et intégration

Axion peut se connecter à des bases de données internes, des CRM, des outils BI et au stockage cloud ; RAGaaS peut également servir les développeurs d’applications d’entreprise. Avant l’achat, il convient de valider le débit, les champs, les Webhook, l’authentification et la récupération en cas d’erreur à l’aide de données de exemple, et non seulement en regardant une démonstration.

Forfaits et tarifs Axion

0,05 euro par page est le prix publicitaire minimum d’Enterprise sous les conditions de remise maximale ; il ne s’agit pas d’un tarif fixe applicable à tous les projets. La complexité du document, l’OCR, les graphiques, le schéma, les modalités de déploiement, les services d’ingénierie et le volume des engagements influencent le devis final.

Prix de RSpace et Neuralith

Le site officiel ne divulgue pas de prix de abonnement unifié pour RSpace et Neuralith ; les devis sont principalement établis sur la base de démonstrations et d’une évaluation des besoins de l’entreprise. Les pages de prix relatives aux assistants personnels portant le même nom qu’Iris en ligne ne font pas partie de ce produit et ne doivent pas être confondues.

Méthodes de test d’achat

1. Choisir des échantillons réels contenant du texte, des tableaux, des scans, des graphiques et plusieurs langues.
2. Définir à l’avance la précision au niveau des champs, le taux de rappel de recherche, la traçabilité des réponses et le temps de traitement.
3. Faire en sorte que les fournisseurs présentent le processus complet d’Axion, RSpace ou Neuralith sur les mêmes échantillons.
4. Vérifier les marques de faible confiance, la correction manuelle et la capacité de retraitement.
5. Tarifs distincts pour le logiciel, les crédits, la mise en œuvre, l’OCR, le déploiement, le support et la consommation supplémentaire.
6. Vérifier les processus de suppression des données, des droits d’accès, d’audit, de sauvegarde et de résiliation des contrats.
7. Valider les indicateurs par des essais de production à petite échelle avant d’augmenter le volume de données.

Confidentialité et stockage externe

Politique de confidentialité : Google Drive, Dropbox et Microsoft SharePoint accèdent via l’autorisation OAuth2 ; la plateforme ne conserve que des tokens chiffrés et non les mots de passe des utilisateurs. Les tokens sont stockés dans un environnement AWS situé dans l’Espace économique européen.

• Autorisez uniquement les dossiers nécessaires au projet et le niveau d’accès minimal.
• Vérifier à nouveau les droits de partage sur la plateforme de stockage d’origine et chez Iris.ai.
• Lorsque la connexion est interrompue ou le compte est supprimé, les tokens OAuth associés sont annulés et supprimés.
• Les données des utilisateurs Google ne doivent pas être utilisées à des fins publicitaires ou vendues, et sont soumises à des exigences de utilisation limitée.
• Les entreprises doivent toujours indiquer la date de suppression des copies de documents, des index, des résultats d’extraction et des sauvegardes.

Sécurité et gouvernance des données

Le système peut réduire les erreurs de connaissances, mais il ne peut pas garantir que toutes les extractions et réponses soient exactes. Les décisions régulées doivent prévoir un contrôle par des experts, une approbation et une responsabilité finale.

Suppression de comptes et de données

L’utilisateur peut supprimer son compte dans les paramètres de compte ; les contenus associés seront immédiatement supprimés et ne pourront pas être restaurés. Si la suppression a lieu avant la fin de la période payée, la subscription ne sera pas renouvelée, mais le montant non utilisé ne sera pas remboursé.

Les comptes qui n’ont pas connu d’activités de recherche substantielles sur une longue période pourraient être considérés comme des comptes latents après deux ans et être exportés puis supprimés à la suite de plusieurs notifications. Les modalités de conservation et de résiliation des contrats d’entreprise peuvent varier ; il convient de se référer aux documents signés.

GitHub et l’état open source

Iris.ai dispose d’une organisation GitHub conforme à son identité de marque, mais ne met actuellement en ligne qu’un dépôt de contrat ICO mis à jour en 2018. Le code des plateformes principales Axion, Neuralith, RSpace ou Multi-RAG n’est pas rendu public.

L’entreprise indique que son système combine des modèles développés en interne ainsi que des modèles open source modifiés et affinés, ce qui ne signifie pas que le produit final est open source. L’état open source dans le catalogue doit être marqué comme non, et les droits de déploiement ainsi que les droits sur le code source doivent être évalués séparément.

À qui s’adresse-t-il

• Chercheurs ayant besoin de découvrir et de filtrer des articles académiques entre différentes bases de données.
• Équipe de recherche et développement chargée de la revue systématique, des tableaux des preuves et de l’analyse des brevets.
• Équipes de données qui doivent extraire des champs structurés à partir de scans, de formulaires et de graphiques.
• Équipes d’IA d’entreprise souhaitant utiliser les connaissances internes pour soutenir le RAG et les agents intelligents.
• Organisations réglementées qui accordent de l’importance au déploiement privé, aux droits d’accès, à l’audit et à la traçabilité.
• Équipe de plateforme AI qui doit comparer les performances réelles en conditions opérationnelles du modèle et du processus de recherche.

Avantages du produit

• De la découverte en thèse à la structuration de données multimodales d’entreprise et à l’orchestration d’agents.
• RSpace couvre Explore, Filter, Analyze, Extract, Summarize et Chat.
• Axion peut traiter du texte, des scans, des tableaux, des graphiques et plus de 68 langues.
• Combinaison de Multi-RAG de vecteurs, de mots-clés, de parcours de graphes et d’empreintes de connaissances pour les méthodes de recherche.
• Prend en charge les modèles propriétaires, le cloud, le cloud privé et le déploiement local.
• Accorder de l’importance aux rapports de qualité, aux marquages de faible confiance, à l’évaluation et à la révision manuelle.
• Connaissances complexes adaptées aux domaines de la science, des brevets et des entreprises réglementées.

Restrictions d'utilisation

• Actuellement, il s’agit principalement de démonstrations pour les entreprises et de devis sur mesure, ce qui ne convient pas aux utilisateurs individuels cherchant des prix transparents et bas.
• RSpace et Neuralith ne communiquent pas de prix fixes pour leurs forfaits.
• Les schémas complexes, l’OCR, les graphiques et l’adaptation au domaine nécessitent une mise en œuvre ainsi que l’intervention d’experts.
• L’extraction, les thèmes et les résultats générés peuvent encore être erronés ; il est nécessaire de revenir au texte original pour vérifier.
• Les détails techniques de l’API publique et les informations normalisées pour un accès autonome sont limités.
• GitHub ne rend pas public le code de son produit principal, il n’est donc pas possible d’installer en privé une version open source.
• Une revue systématique nécessite toujours des stratégies de recherche reproductibles ainsi que des jugements manuels d’inclusion et d’exclusion.

Questions fréquentes

Iris.ai n’est-il maintenant qu’un outil de recherche de thèses ?

Non. Les travaux de recherche et le processus d’étude se concentrent sur RSpace, tandis que la position actuelle globale inclut également la structuration des données entreprises Axion ainsi que l’orchestration RAG agente Neuralith.

Quels sont les principaux outils de RSpace ?

Il comprend principalement Explore, Filter, Analyze, Extract, Summarize et Chat, qui peuvent être combinés pour effectuer la découverte de documents, le filtrage, l’analyse thématique, l’extraction de données, la rédaction de résumés et les questions-réponses.

Peut-il gérer des scans et des graphiques ?

Axion prend en charge la numérisation de PDF, l’OCR d’images, l’extraction de tableaux, de graphiques et de diagrammes, ainsi que le traitement de Word, Excel, PowerPoint et de texte brut.

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

Axion indique officiellement qu’il prend en charge plus de 68 langues, y compris le chinois. Les documents techniques multilingues doivent néanmoins faire l’objet d’un test séparé pour l’OCR, la terminologie, les tableaux et la qualité de la traduction.

Combien coûte Iris.ai ?

RSpace et Neuralith ne communiquent pas de prix fixe public. Axion se décline en versions Starter, Professional et Enterprise, mais il est principalement nécessaire de contacter le service des ventes pour obtenir un devis ; le prix minimum annoncé pour Enterprise en grandes quantités peut atteindre 0,05 euro par page.

Peut-il se connecter aux systèmes d’entreprise ?

Il est possible de se connecter à des systèmes tels que le stockage cloud, les bases de données, le CRM et le BI via des API et des méthodes de connexion, et cela prend en charge le cloud, le cloud privé et le déploiement local. Les interfaces spécifiques doivent être déterminées lors de l’évaluation du projet.

Iris.ai est-il open source ?

Le produit principal n’est pas open source. Le compte GitHub officiel ne contient qu’un ancien dépôt de contrat ICO ; le fait que la plateforme développée en interne utilise certains modèles open source ne signifie pas que Axion, Neuralith ou RSpace soient eux-mêmes open source.

Peut-il remplacer directement une revue systématique manuelle ?

Non. Il peut accélérer la découverte, le tri, l’extraction et la synthèse, mais les protocoles de recherche, l’évaluation des biais, la vérification du texte original et les conclusions finales restent de la responsabilité des chercheurs.

Résumé

Iris.ai est passée d’un outil de découverte de la littérature à une plateforme de base de connaissances couvrant la structuration des données, le traitement de la recherche et les agents intelligents d’entreprise. RSpace sert les processus de recherche scientifique, Axion transforme les données complexes en données utilisables par l’IA, et Neuralith est chargé de l’orchestration et de la gouvernance du RAG agentiel.

Il convient particulièrement aux organisations dont les données sont complexes, où l’usage de termes spécialisés est fréquent et où les exigences en matière de conformité sont élevées, mais les barrières à l’achat ainsi que la complexité de mise en œuvre sont également plus élevées que pour un simple assistant de recherche. Vérifier la précision, la traçabilité, le déploiement et le coût total à l’aide d’échantillons réels est déterminant pour décider d’en faire usage.