Metaforms

Qu’est-ce que Metaforms AI ?

Metaforms AI est une plateforme de livraison d’IA développée par WorkHack India Private Limited pour les agences de recherche de marché, les fournisseurs d’échantillons et les équipes de programmation d’enquêtes. Elle permet aux agents de participer à la programmation des questionnaires, à la révision des Tracker, au traitement des données et au contrôle de qualité, tout en conservant la révision manuelle, le suivi des versions et les règles d’équipe.

Metaforms n’est ni un outil de recherche universel, ni simplement un générateur de formulaires destiné aux répondants. L’objectif actuel est de standardiser les tâches répétitives des projets de recherche, allant de la saisie des questionnaires, du code d’enquête, de la validation à la livraison, et ce, pour les équipes de recherche disposant déjà de processus professionnels et de plateformes hébergées.

Fonction principale

• Programmation d’enquêtes par l’IA : après avoir téléchargé le questionnaire et les fichiers de support, sélectionné un modèle et un niveau de complexité, l’IA génère ou modifie par lots l’XML de l’enquête. Les programmeurs peuvent vérifier les différences étape par étape, sans devoir accepter d’un coup tout le code du questionnaire.
• Éditeur XML : modifiez la structure de l’enquête sur le côté gauche, comparez-la avec le questionnaire original sur le côté droit, et utilisez « Generate with AI » ou « Edit with AI » pour traiter les questions spécifiques. Chaque enregistrement crée un historique permettant de consulter ou de restaurer des versions antérieures.
• Assistant de suggestions IA : Il recommande les prochaines instructions en fonction du questionnaire téléchargé et de l’XML généré, que l’utilisateur peut modifier ou accepter. L’option d’Acceptation automatique génère des blocs de manière continue, mais pour les logiques complexes, il convient de désactiver l’acceptation automatique et d’examiner chaque élément individuellement.
• Mode Think Hard : Lorsqu’on rencontre des boucles imbriquées, MaxDiff, Conjoint, vérification inter-question, JS/CSS ou une logique cachée, cela oblige l’agent à planifier avant de générer. Cela peut améliorer la cohérence structurelle, mais ne remplace pas les données de test ni la prévisualisation sur plateforme.
• Spécialisations : Activer, en fonction du projet, des fonctionnalités telles que les types de questions standards, la validation, les boucles, les quotas, les sources d’échantillons, les images, la recherche de données et les scripts. Plus le questionnaire est long, moins il est possible de sélectionner de spécialisations en même temps, ce qui nécessite une création et une modification par étapes.
• Règles d’IA : Générer des résultats à partir des instructions de l’équipe ou du client, d’exemples de code, d’explications et de contraintes de schéma XML. Les règles peuvent être appliquées obligatoirement à tous les projets ou sélectionnées selon les besoins, tout en conservant les droits d’accès, les insights d’utilisation et l’historique des versions.
• Modèles et Shell : Associer l’XML de base, la feuille de quota, les placeholders dynamiques et les dossiers de règles IA pour créer des modèles réutilisables. Les nouveaux projets partent de ce même standard, ce qui réduit les différences dans le travail des différents programmeurs.
• Gestion des versions Tracker : compare les versions anciennes et nouvelles des études de suivi pris en charge, identifie les problèmes et les logiques affectés, et protège les numéros de questions, les étiquettes, les valeurs stockées, la disposition des données, les quotas et l’historique. Les clients n’ont pas besoin de refaire l’ensemble du projet après leurs modifications.
• Vérification des données : Des vérifications en Python ou SPSS sont générées en fonction des variables du questionnaire ; après exécution, les enregistrements échoués sont listés. L’utilisateur peut consulter le code, ajouter manuellement des vérifications, corriger la syntaxe à l’aide de l’IA, et revoir les erreurs logiques.
• Macros SPSS : réutiliser des fonctions de validation courantes dans des modèles de traitement de données, en combinant les règles d’IA pour générer des scripts cohérents. Les macros font actuellement partie du chemin de validation de SPSS ; on ne peut pas en déduire que Python les prenne en charge de la même manière.
• Intégration de plateforme : Utilisez des clés API pour créer ou obtenir des projets Forsta Decipher, IntelliSurvey et Confirmit, et vous pouvez également configurer des intégrations personnalisées pour des plateformes d’enquêtes internes. La portée des connexions et les permissions des identifiants doivent être contrôlées par l’administrateur.
• Rôles et groupes d’utilisateurs : Owner, Admin et Editor disposent de droits différents en matière de gestion des utilisateurs, de projets, de modèles et de conservation des données, et peuvent autoriser l’accès aux projets au niveau individuel ou en groupe.

Entrée, traitement et sortie

Étudier le flux de travail de programmation

1. Configurez la clé API de la plateforme d’hébergement d’enquêtes dans les paramètres d’administration, et testez la connexion avec les droits minimums.
2. Créez une série d’étude Ad-hoc ou de suivi, et sélectionnez un nouveau projet ou importez un projet existant sur la plateforme.
3. Sélectionnez un modèle adapté au client et à la plateforme, puis saisissez le nom du projet, le répertoire et le chemin de stockage.
4. Téléchargez le questionnaire original, les quotas, les matériaux et autres fichiers de support, puis vérifiez la version et le nom.
5. Choisissez Basic ou Advanced en fonction de la complexité du questionnaire, et activez les Specializations et les dossiers AI Rule nécessaires.
6. Générer des questions en lot dans l’éditeur XML, comparer un par un le questionnaire, l’XML et les différences.
7. Pour les blocs de répétition simples, on peut utiliser Prompt Assistant ; pour les branches complexes, les boucles et les scripts, il convient d’utiliser Think Hard et de procéder à une revue manuelle.
8. Exécuter dans l’environnement de prévisualisation avec des données normales, aux limites et en cas de conflits, pour vérifier les sauts, les quotas, les valeurs de stockage, les sources d’échantillonnage et les conditions de terminaison.
9. Une fois approuvé, il est synchronisé sur la plateforme hébergée, avec conservation des historiques de version, de modification, de test et de livraison.

Flux de travail de traitement des données

1. Créez un projet de traitement de données, sélectionnez l’outil de validation Python ou SPSS ainsi que le modèle correspondant.
2. Téléversez les questionnaires et les documents de variables, puis utilisez les règles d’IA et les macros pour définir les critères de validation de l’équipe.
3. Générer des vérifications selon le sujet, lire les instructions lisible par l’homme et examiner le code réel.
4. Télécharger les données SAV ou préparer l’environnement d’exécution pour exécuter des vérifications par question individuelle et pour l’ensemble du projet.
5. Vérifier les enregistrements d’échec pour distinguer les problèmes de données réels, les exceptions du questionnaire, les erreurs de mappage et les erreurs de script.
6. Vérifiez en utilisant « Edit with AI » ou des modifications manuelles, exécutez à nouveau et notez les raisons des corrections.
7. Exporter le script final, le rapport d’échec et les archives d’examen, à remettre signés par le responsable du traitement des données.

Adapté aux utilisateurs et aux scénarios

• Institut de recherche de marché : améliorer les capacités de programmation pour les enquêtes multi-client et de traitement des données, tout en maintenant les normes pour chaque client.
• Fournisseurs d’échantillons et de panels : intégrer les questionnaires de recherche, les quotas et les sources d’échantillons dans les processus existants de gestion d’enquêtes.
• Enquête auprès des programmeurs : réduire la rédaction repetitive d’XML pour consacrer du temps à la logique complexe, aux contraintes de plateforme et aux tests.
• Équipe de traitement des données : Génère des fichiers en Python ou SPSS pour valider et consulter de manière centralisée les enregistrements échoués.
• Équipe Tracker : Gestion des modifications par vague et protection des numéros de questions, des étiquettes, des valeurs stockées, de l’historique et du layout des données.
• Il n’est pas adapté aux personnes qui souhaitent simplement créer des questionnaires simples, et il ne peut pas remplacer la conception de la recherche, l’échantillonnage, l’interprétation statistique ou le responsable de la qualité humaine.

Plateforme et modules

Prix et facturation

Metaforms adopte clairement un système de facturation par projet et par module, plutôt que par place ou par token ; il est possible d’ajouter les membres nécessaires à un projet et d’utiliser des agents en fonction des besoins du travail. La page publique ne fournit pas de montant annuel précis, de prix unitaire par projet, de liste des modules, de frais pour un nombre de projets supérieur ou de prix pilote.

Les règles relatives aux remboursements, à la résiliation anticipée, aux éléments non utilisés, au report des projets et à l’augmentation des frais de renouvellement ne sont pas encore publiées. Les achats d’entreprises doivent inclure dans la commande la définition des modules, de la plateforme et du projet, le soutien à la livraison, la formation, le transfert de données, les conditions d’acceptation et de sortie.

API, SDK et statut open source

• Metaforms se connecte à Decipher, IntelliSurvey et Confirmit en utilisant les clés API des plateformes de sondages fournies par les clients, et peut également créer des intégrations pour des plateformes internes.
• Cette capacité de connexion n’équivaut pas à une API publique pour les développeurs ; aucun point d’entrée unifié, SDK, Webhook, limite de vitesse ou tarification d’API indépendante n’a été confirmé.
• Aucun dépôt GitHub officiel du produit complet ni licence open source n’a été identifié ; il convient de considérer la plateforme de programmation et l’agent IA comme du logiciel commercial propriétaire.
• Il convient de déterminer si le code XML, Python et SPSS généré ou exporté par l’utilisateur peut être réutilisé dans d’autres projets en se référant au contrat client, aux droits de propriété des modèles et aux règles des plateformes tierces.

Confidentialité, sécurité et conformité à la recherche

• Metaforms gère les noms de compte et les adresses e-mail, et peut également collecter des informations identifiables des clients à des fins de recherche, des questionnaires, des réponses, des données d’échantillonnage et des informations médicales.
• La politique de confidentialité énumère les engagements relatifs à la HIPAA, au GDPR et à la loi indienne IT Act, et prévoit les droits d’accès, de rectification, de suppression, de limitation, d’opposition et de portabilité. Lorsqu’il s’agit d’informations de santé protégées, il convient de signer l’accord applicable et de vérifier les contrôles spécifiques.
• La page du produit indique qu’il a obtenu les certifications ISO/IEC 27001 et SOC 2 Type II, qu’il fait l’objet de tests d’infiltration indépendants annuels, et qu’il est conforme aux normes HIPAA et GDPR. L’acheteur doit demander les certificats en vigueur, le périmètre des rapports, la lettre de pontage ainsi que la liste des sous-traitants.
• Le journal peut contenir l’IP, le navigateur, l’opérateur, l’heure, la page et les clics ; le site utilise également des cookies ; la politique de confidentialité mentionne également les technologies publicitaires de tiers, et les entreprises doivent vérifier si l’environnement d’application en utilise également.
• Les rôles des utilisateurs doivent être configurés en fonction de la séparation des responsabilités, afin que seuls les propriétaires aient accès au contrôle de la conservation des données. Avant de partager des projets, des modèles et des règles, il convient de vérifier l’isolation des clients et leurs droits d’édition.
• La page des conditions de service conserve toujours la définition du site WorkHack de 2023, ce qui présente un écart temporel significatif par rapport au produit Metaforms actuel, ainsi qu’à l’éventail des modules et des modalités de facturation. Les autorisations finales, les responsabilités, les remboursements et le traitement des données sont régi par le contrat signé et ses annexes les plus récentes.
• L’analyse des données des répondants doit respecter les exigences de consentement éclairé, de limitation à des fins précises, de minimisation, de conservation, de suppression et de transfert transfrontalier ; le code généré par l’IA ne peut pas résoudre seul les problèmes de conformité.

Avantages et limites d'utilisation

• Avantages : L’agent est conçu autour du processus de livraison des enquêtes professionnelles, permettant de réutiliser XML, les règles de la plateforme, les modèles clients et le code de validation.
• Avantages : la génération par lots, l’examen des différences, l’historique des versions et la détection des anomalies permettent de préserver un contrôle manuel.
• Avantages : tarification par projet plutôt que par siège ou token, adapté à la collaboration entre plusieurs personnes et à l’utilisation par des agents fréquents.
• Restrictions : La capacité de spécialisation varie en fonction de la longueur du questionnaire ; les questionnaires complexes peuvent nécessiter une génération par étapes.
• Restrictions : Auto-Accept accélère les blocs répétitifs, mais peut également propager des erreurs aux problèmes suivants.
• Restrictions : Les scripts Python et SPSS peuvent contenir des erreurs de syntaxe ou logiques ; ils doivent être exécutés avec des données de test réelles et signés manuellement.
• Restrictions : le prix standard, l’API unifiée, les remboursements, le SLA standard, la durée de conservation des données spécifiques et la couverture de toutes les plateformes ne sont pas divulgués.

Résumé

Metaforms AI convient aux équipes professionnelles de réalisation de recherches qui ont besoin de programmer des enquêtes à grande échelle, de réviser des suiveurs et de valider des données. Lors de l’évaluation, il convient d’utiliser des questionnaires réels et des données historiques pour tester la précision XML, la détection des anomalies, la synchronisation de la plateforme et le coût de la révision manuelle, tout en confirmant les spécifications du projet, les preuves de sécurité et les droits contractuels.