Assisterr

Qu’est-ce que Assisterr ?

Assisterr est un ensemble de produits conçu autour de modèles linguistiques spécialisés de petite taille, d’agents intelligents basés sur l’IA, ainsi que de solutions pour la commercialisation de ces agents. Le site officiel est actuellement destiné principalement aux entreprises, en leur proposant des agents IA spécialisés pour tâches spécifiques, et ils aident les startups technologiques à développer leurs produits, à les tokeniser et à pénétrer le marché grâce au service ATaaS.

Il a débuté par des outils de soutien aux développeurs Web3, avant de s’étendre à la création de SLM sans code et à la collaboration communautaire. Il est important de comprendre ces étapes, sinon il est facile de confondre les points de la version ancienne du réseau de test, les produits d’assistance aux développeurs et les solutions commerciales actuelles.

Évolution du produit et positionnement actuel

Principales capacités du Lab d’IA d’entreprise

• Modèles dédiés aux tâches : création de petits modèles de langage autour d’un poste bien défini, de connaissances sectorielles ou de processus opérationnels.
• Développement d’agents intelligents : combiner des modèles, des connaissances, des outils et des règles métier pour créer des agents IA capables d’exécuter des tâches.
• Accès au savoir entreprise : organiser les documents, les questions-réponses, les processus et les informations internes en une base de connaissances consultable.
• Intégration sécurisée : connecter les systèmes existants en fonction de l’environnement de l’entreprise, et contrôler les droits d’accès aux données et aux opérations.
• Optimisation continue : utiliser les retours d’expérience réels pour ajuster la recherche, les suggestions, les ensembles de données et les performances du modèle.
• Ajustement en temps réel : mise à jour des connaissances spécialisées et de la logique de travail en fonction des changements métier.
• Contrôle des coûts : utiliser de petits modèles tâche-spécifiques pour traiter les tâches appropriées, afin de réduire la dépendance à de grands modèles universels pour toutes les demandes.

Quelle est la différence entre SLM et les grands modèles généraux ?

SLM est généralement entraîné ou adapté pour des domaines et des tâches plus restreints, en mettant l’accent sur l’efficacité, la cohérence professionnelle et la flexibilité de déploiement. Il n’est pas naturellement plus précis que les grands modèles, et ses performances dépendent encore de la qualité des données, des limites de la tâche et des méthodes d’évaluation.

Comment planifier un agent intelligent dédié à une entreprise

1. Choisissez une tâche aux limites claires et permettant d’évaluer les résultats, comme des questions-réponses sur les connaissances internes ou un support technique de première ligne.
2. Organiser les documents autorisés, les problèmes historiques, les réponses types, les règles métier et les cas exceptionnels.
3. Définir les données que l’agent peut lire, les outils qu’il peut appeler ainsi que les actions qui doivent être traitées manuellement.
4. Établir des tests de référence à l’aide d’échantillons représentatifs pour vérifier respectivement la précision, les citations, les refus de réponse et le taux d’achèvement des tâches.
5. Se connecter aux systèmes d’entreprise dans un environnement contrôlé, et configurer l’identité, les privilèges minimaux, les journaux et les approbations.
6. Après des essais à petite échelle, analyser les cas d’échec, puis mettre à jour les données, les indications, les outils ou les modèles.
7. Une fois le seuil de qualité atteint, étendre progressivement l’éventail d’utilisation, tout en conservant les mécanismes de version et de rollback.

Processus de création SLM sans code

La documentation technique d’Assisterr décrit AI Lab comme un environnement de développement SLM sans code, permettant aux utilisateurs de préparer des données autour d’un sujet professionnel et de créer des agents. Les points d’accès réels, les conditions pour accéder au réseau de test et les règles relatives aux tokens peuvent varier ; il convient de se référer aux informations affichées dans le compte avant de procéder.

1. Définir le domaine professionnel du SLM, les utilisateurs cibles, les types d’entrée et les résultats attendus.
2. Préparer des questions-réponses de haute qualité, des documents sectoriels et des échantillons de validation capables d’identifier les réponses incorrectes.
3. Créez un projet dans l’AI Lab, indiquez son usage et configurez les paramètres du modèle ou de l’agent.
4. Générer ou importer des données d’entraînement, puis faire vérifier la qualité des échantillons par des contributeurs ou des experts du domaine.
5. Après avoir terminé l’entraînement ou l’adaptation, exécutez l’ensemble de test en vérifiant en particulier les problèmes de bord et les refus d’erreur.
6. Publier dans l’environnement disponible ou la boutique de modèles, et collecter en continu des requêtes ainsi que des retours d’utilisateurs.

Scénarios d’affaires adaptés

• Relations avec les développeurs : répondre aux questions relatives à l’intégration, aux interfaces et au débogage en se basant sur la documentation du produit.
• Assistant au savoir-faire de l’entreprise : consulter les connaissances relatives aux systèmes, processus et produits dans les documents autorisés.
• Support technique : classification des problèmes fréquents, indication des étapes de diagnostic et transfert des tickets complexes.
• Étude sectorielle : création de résumés structurés et d’analyses préliminaires à partir de données dans des domaines verticaux.
• Automatisation des opérations : collecte, classification et traitement normalisé des informations grâce à l’utilisation d’outils.
• Projets d’entrepreneuriat en IA : transformer des agents intelligents ou des produits de données en projets commerciaux opérationnels.
• Produits de transactions et de données : concevoir des modèles commerciaux pour des agents professionnels ou des services de données disposant de limites claires en matière de gestion des risques.

À qui s’adresse-t-il

• Équipes d’innovation et de digitalisation des entreprises qui ont besoin de déployer en interne des agents spécialisés en expertise.
• Équipes de développement d’applications IA souhaitant réduire les coûts de raisonnement des modèles généraux.
• Les organismes sectoriels qui disposent de données de haute qualité dans leur domaine et prévoient de créer des modèles spécialisés.
• L’équipe DevRel chargée de la documentation pour les développeurs, du support communautaire et des réponses techniques.
• Des agents d’IA, des modèles ou des produits de données existent, et il y a des équipes entrepreneuriales qui ont besoin d’incubation et de soutien commercial.
• Développeurs de Web3 qui étudient l’IA décentralisée, les incitations à la contribution de modèles et l’économie d’agents.

Soutien aux développeurs multicanaux en phase initiale

L’ancienne version du site officiel présentait Assisterr comme une plateforme de support pour les développeurs multicanal, capable de transformer des documents statiques en une base de connaissances consultable. Le système s’adressait à Discord, Telegram et aux communautés sur les réseaux sociaux, afin de gérer l’intégration et les problèmes techniques liés aux protocoles Web3.

• Regrouper les documents d’accord, les tutoriels, les questions fréquentes et les réponses de l’histoire de la communauté.
• Fournir des FAQ pour les développeurs cohérentes sur plusieurs canaux communautaires.
• Réduire le temps consacré par les ingénieurs principaux et le personnel DevRel aux problèmes récurrents.
• Identifier les problèmes fréquents pour fournir des indications pour la mise à jour des documents et l’amélioration des produits.

Des données officielles antérieures indiquaient un taux élevé de traitement automatique, mais il s’agissait de chiffres officiels propres à des projets et des périodes spécifiques. Lors de l’évaluation, les entreprises doivent réverifier ces données en utilisant leur propre ensemble de questions, le taux de résolution et le taux de traitement manuel.

SLM Store collabore avec la communauté

L’écosystème décrit dans le litepaper comprend l’AI Lab, SLM Store, la contribution de données, l’évaluation par les pairs et un répertoire de modèles. Son objectif est de permettre aux spécialistes du domaine de contribuer leurs connaissances, d’offrir aux créateurs de modèles des retours d’expérience, et de maintenir la qualité des données et des modèles grâce à des mécanismes incitatifs.

• Le créateur du modèle définit le domaine, les tâches et les normes de qualité.
• Les contributeurs soumettent ou valident des données d’entraînement ainsi que des questions-réponses spécialisées.
• L’évaluation par les pairs est utilisée pour détecter des échantillons de faible qualité, redondants ou biaisés.
• La boutique de modèles aide les utilisateurs à découvrir et à utiliser des SLM professionnels adaptés.
• La banque de modèles est utilisée pour enregistrer les incitations écologiques liées à un modèle spécifique.

Service de tokenisation d’agents ATaaS

ATaaS est l’abréviation de Agent Tokenization as a Service, destiné aux équipes disposant déjà d’agents, de modèles, de produits de données ou de prototypes. Il offre des services complets allant du tri des projets, à la conception des tokens, en passant par la liquidité et l’accès au marché, mais la tokenisation ne signifie pas pour autant que le produit génère déjà des revenus réels.

Étapes de demande et d’évaluation ATaaS

1. Préparer des agents intelligents, des modèles, des produits de données ou d’autres applications d’IA pouvant être démontrés.
2. Organiser les utilisateurs cibles, les données d’utilisation réelles, les modes de revenus, l’architecture technique et le profil de l’équipe.
3. Soumettre une demande d’incubation ou de collaboration à Assisterr, et confirmer les critères de sélection et les limites des services.
4. Obtenir des avis juridiques, fiscaux et de conformité boursière pour la région concernée avant de décider de la tokenisation.
5. Vérifier l’offre de tokens, la propriété, les mécanismes de liquidité, le contrôle des contrats et la divulgation des risques.
6. Définir le soutien du marché, la gestion communautaire, les coûts, la répartition des revenus et les indicateurs d’acceptation par étapes.
7. Une fois en ligne, publier régulièrement les avancées du produit, les activités de la trésorerie et les changements importants liés aux risques.

Prix et mode de facturation

Assisterr ne propose actuellement aucun forfait en monnaie fiduciaire unifié pour son AI Lab d’entreprise ou ATaaS ; les projets d’entreprise doivent contacter l’équipe afin d’obtenir une évaluation. Le sASRR mentionné dans les documents anciens fait partie des unités de token synthétiques du réseau de test et ne peut pas être converti en prix de service actuel ni en valeur d’actif réel.

Tokens et risques financiers

• Le prix des tokens peut fluctuer fortement, et l’avancement du produit ne garantit ni liquidité ni rendement sur investissement.
• La diffusion de courbes et le marché automatique peuvent entraîner des écarts de prix, des dépassements de commande, des trades automatisés et des risques de fuite de liquidité.
• Le plan de attribution nécessite de vérifier les contrats sur la chaîne, les droits de contrôle, les bénéficiaires et la possibilité de modification.
• Différentes juridictions peuvent considérer les tokens comme des valeurs mobilières, des actifs virtuels ou des produits financiers réglementés.
• Il doit exister une relation claire et exécutable entre les revenus de l’agent, la valeur du token et les droits de gouvernance.
• Avant de participer, il convient d’examiner de manière indépendante le contrat, les audits, la divulgation des risques, ainsi que les avis fiscaux et juridiques.

Avantages du produit

• Prendre en compte les petits modèles de domaine, les outils d’agents et les processus d’entreprise au sein d’une même solution.
• Modèle axé sur les tâches, adapté aux scénarios où des exigences de coût, de délai et de cohérence professionnelle sont présentes.
• Avec de l’expérience en soutien aux développeurs et en gestion de communautés Web3, idéal pour les produits techniques.
• L’approche SLM sans code abaisse la barrière à l’entrée pour les spécialistes du domaine dans la création de données et de modèles.
• ATaaS couvre plusieurs aspects tels que l’incubation, la structure des tokens, la liquidité et l’accès au marché.
• GitHub officiel fournit une partie de la validation de qualité, des démonstrations et du code d’intégration, afin de faciliter l’évaluation technique.

Restrictions d'utilisation

• Le site officiel actuel, l’ancien site, GitBook et le Litepaper présentent une positionnement du produit à différentes étapes.
• Le programme d’entreprise ne dispose pas de prix fixe public ; le délai de mise en œuvre et le coût total doivent être évalués séparément.
• Le développement sans code ne signifie pas qu’il n’est pas nécessaire de préparer les données, de définir les critères d’évaluation ou de mener des travaux d’ingénierie de sécurité.
• Les SLM professionnels peuvent se dégrader de manière significative sur des tâches en dehors de leur domaine, il est donc nécessaire de mettre en place des mécanismes de refus de réponse et de transfert à un opérateur humain.
• Les données de contribution communautaire peuvent contenir des erreurs, des biais, des problèmes de droits d’auteur ou de confidentialité.
• ATaaS introduit des risques liés aux tokens, au marché et à la réglementation, et n’est pas adapté aux équipes qui n’ont besoin que d’un modèle de facturation SaaS classique.
• Certaines fonctionnalités historiques et règles du réseau de test ont pu changer, et ne peuvent donc pas être considérées directement comme des engagements actuels.

Recommandations pour la sécurité et la gouvernance des données

• D’abord, distinguez les données publiques, internes, confidentielles et réglementées, puis déterminez l’étendue d’accès au modèle.
• Prétraitement des informations personnelles, des clés, des données clients et du contenu protégé par le droit d’auteur avant l’entraînement ou la récupération.
• Configurez des droits minimaux, une approbation manuelle, des limitations de vitesse et des journaux d’opérations pour les appels d’outils d’agents intelligents.
• Créer un ensemble de test indépendant pour surveiller en continu les hallucinations, l’injection de suggestions, les fuites de données et les réponses hors sujet.
• Définir la propriété des données, des poids du modèle, du contenu généré, des retours et des actifs dérivés.
• Avant d’effectuer des achats, l’entreprise doit déterminer l’emplacement des données, la durée de conservation, le mécanisme de suppression et les responsabilités en cas d’incident.

GitHub et le monde du logiciel open source

L’organisation officielle GitHub d’Assisterr a rendu publics les dépôts relatifs à la vérification de qualité, aux démonstrations, à l’intégration SLM et aux hackathons. La mise en ligne de dépôts ne signifie pas que la plateforme entreprise, AI Lab, SLM Store ou ATaaS soient entièrement open source.

Informations de base

Indice de recommandation

L’indice de recommandation global est de 4,0 sur 5. Il convient aux équipes souhaitant explorer les SLM professionnels, les agents d’entreprise ou la tokenisation de produits IA, mais il est nécessaire de vérifier avant l’achat les modules disponibles, le périmètre de livraison, le prix et les responsabilités en matière de conformité.

Questions fréquentes

Que fait Assisterr principalement actuellement ?

Actuellement, l’entreprise se concentre sur le développement de SLM et d’agents IA spécifiques aux tâches d’entreprise, ainsi que sur la fourniture de services ATaaS aux équipes de startups en IA.

Est-ce toujours un outil d’assistance pour les développeurs ?

Le support des développeurs était une orientation initiale ; l’ancien site contient encore des informations pertinentes, mais le site principal actuel s’est tourné vers les agents d’entreprise et la tokenisation des agents.

Assisterr convient-il aux utilisateurs particuliers ordinaires ?

Il convient mieux aux entreprises, aux équipes de développement et aux projets de start-ups en IA, et n’est pas un outil destiné aux utilisateurs ordinaires pour des conversations quotidiennes.

Est-il possible de créer un SLM sans code ?

La documentation technique décrit le processus du AI Lab sans code, mais l’accès, les qualifications et les fonctionnalités disponibles doivent être vérifiés en fonction de l’état actuel du produit.

Qu’est-ce que sASRR ?

sASRR est l’unité de token synthétique mentionnée dans les anciens documents du réseau de test, et ne doit pas être considérée comme le prix réel actuel des tokens ou comme un package en monnaie fiduciaire.

Qu’est-ce que ATaaS ?

Il s’agit d’un service qui aide les agents IA, les modèles ou les produits de données à être incubés, à concevoir des tokens, à déployer de la liquidité et à entrer sur le marché.

Que représente la structure 80/20 ?

Le plan public destine 80 % de la quantité fournie à une attribution à long terme, tandis que les 20 % restants servent à l’émission progressive et à la détermination des prix ; les détails spécifiques des projets nécessitent encore la vérification des contrats.

Assisterr a-t-il un prix public ?

Il n’existe actuellement aucun forfait uniforme de monnaie légale pour les entreprises ; il est nécessaire de contacter l’équipe pour confirmer les options AI Lab et ATaaS.

Assisterr est-il open source ?

La plateforme complète n’est pas un produit open source, mais les parties relatives à la validation de qualité, aux démonstrations et à l’intégration SLM sont rendues publiques par les développeurs.

Qu’est-ce qu’il faut vérifier en premier avant d’utiliser une entreprise ?

Il convient de vérifier en priorité la précision des tâches, les limites des données, les droits d’accès du système, l’étendue de la livraison et le coût total ; lorsqu’il s’agit de tokens, il est également nécessaire de procéder à une analyse juridique et contractuelle.