IA sans code: avantages, secteurs et principales différences

Les outils d'IA sans code permettent aux utilisateurs de créer, entraîner ou déployer des applications d'IA sans écrire de code. Ces plateformes reposent généralement sur des interfaces glisser-déposer, des prompts en langage naturel, des assistants de configuration guidés ou des générateurs visuels de flux de travail. Cette approche abaisse les barrières à l'entrée et rend le développement de l'IA accessible aux utilisateurs sans connaissances en programmation.

Récemment, l'IA sans code s'est étendue bien au-delà de l'automatisation simple et des prototypes à un stade précoce. De nombreuses plateformes prennent désormais en charge des flux de travail de niveau production, traitent plusieurs types de données comme le texte et les images, et incluent des fonctionnalités de type agent qui permettent aux models d'exécuter des tâches plutôt que de générer des sorties.

Découvrez les principales applications sectorielles, les plateformes sans code leaders et les distinctions essentielles par rapport à l'AutoML.

Qu'est-ce que l'IA sans code ?

Les plateformes d'IA sans code permettent aux utilisateurs de créer, entraîner, déployer ou automatiser des applications alimentées par l'IA sans écrire de code. Au lieu de programmer, les utilisateurs passent généralement par des générateurs glisser-déposer, des prompts en langage naturel, des parcours de configuration guidés, des gabarits, des connecteurs ou des éditeurs visuels de flux de travail.

Cette catégorie comprend plusieurs types de produits différents :

• Créateurs basés sur LLM : Assistants personnalisés, chatbots, agents, flux de travail RAG, copilotes de base de connaissances.
• Outils d'IA prédictive / de type AutoML : Prédiction de l'attrition, scoring des leads, prévisions, classification de documents, classification d'images.
• Outils d'automatisation et de flux de travail d'agents : Flux de travail multi-étapes qui acheminent les données, appellent des APIs, résument du texte, classifient des entrées ou déclenchent des actions.
• Créateurs d'applications d'IA / outils de « vibe coding » : Applications web, outils internes, pages de destination, tableaux de bord et prototypes générés à partir de prompts.

Les frontières ne sont pas toujours nettes. Certains créateurs d'applications « sans code » génèrent du vrai code source, exposent des intégrations GitHub ou autorisent des modifications manuelles du code. Ces outils sont souvent mieux décrits comme étant sans code pour la première construction et low-code pour la personnalisation en production.

Plateformes d'IA sans code

Pour rendre l'IA sans code exploitable, voici quelques plateformes et outils leaders que les utilisateurs non techniques peuvent explorer aujourd'hui dans différentes capacités d'IA, notamment les language models, la vision, l'automatisation et l'analyse :

LLM-based platforms

ChatGPT Custom GPTs (OpenAI)

Créez des assistants d'IA sur mesure avec un comportement, un ton ou des connaissances spécifiques. Configurez-les à l'aide d'instructions en langage naturel et de téléversements de fichiers.

Flowise

Un générateur visuel par glisser-déposer pour créer des applications basées sur un large language model (par exemple, chatbots, agents, pipelines RAG) en utilisant LangChain sous le capot. Idéal pour le prototypage.

MagickML

Une interface visuelle sans code pour enchaîner des LLMs et des APIs afin de construire de l'IA conversationnelle, des flux de travail et des outils. Conçue pour les non-programmeurs avec prise en charge des agents.

MindStudio

Donne accès à plus de 200 models d'IA via une interface visuelle, permettant aux utilisateurs de créer des flux de travail sans gérer des clés API distinctes ni la facturation pour chaque fournisseur.

Il comprend un générateur de flux de travail par glisser-déposer avec des modules prédéfinis, une fonctionnalité d'IA « Architect » qui génère la structure des flux de travail à partir de descriptions textuelles, et la prise en charge de la sélection dynamique d'outils, permettant aux agents de sélectionner des outils à l'exécution.

Outils de données sans code et d'IA prédictive

Levity

Entraîne des models pour la classification de documents, l'analyse de sentiments ou la reconnaissance d'images. S'intègre à Zapier et Slack.

Obviously.IA

Téléversez votre dataset et générez des prédictions (par exemple, attrition client, prévisions des ventes).

Automatisation et flux de travail

Creatio

Une plateforme agentique sans code qui combine CRM, automatisation des processus et capacités d'IA au sein d'une même plateforme.

Grâce à son centre de commandement IA Command, les organisations peuvent concevoir, déployer et gérer des agents d'IA sans coder, tout en conservant une visibilité et une gouvernance complètes sur l'utilisation de l'IA. Creatio fournit également des agents d'IA prédéfinis et personnalisables pour la vente, le marketing et le service, aidant les équipes à automatiser des tâches, orchestrer des flux de travail et générer des informations dans toute l'entreprise.

Bardeen

Une plateforme d'automatisation de navigateur qui combine des agents d'IA et l'automatisation sans code pour des tâches répétitives telles que le reporting, le tri des e-mails et la planification.

Make.com (anciennement Integromat)

Propose des modules LLM pour automatiser des flux de travail tels que la génération d'e-mails, la création de documents ou le routage de requêtes basées sur des entrées en langage naturel.

Les fonctionnalités comprennent des agents d'IA natifs avec des panneaux d'orchestration visuelle et de raisonnement, un module de recherche Web IA, l'intégration du client MCP pour une utilisation standardisée des outils, et l'assistant IA Maia pour aider à créer des automatisations en langage naturel.

Zapier IA

Fournit des automatisations améliorées par l'IA avec des outils comme OpenAI, permettant des flux de travail basés sur la logique (par exemple, résumer des e-mails, rédiger des réponses, classer des messages).

Vibe coding / Créateurs d'applications

Base 44

Permet aux utilisateurs de transformer des prompts en langage naturel en applications Web et mobiles full-stack en générant automatiquement l'infrastructure backend (bases de données, APIs, authentification, stockage, paiements) et la logique frontend à partir d'un anglais simple.

Il comprend des fonctionnalités pilotées par l'IA telles que le chat de création et le mode discussion ; une infrastructure de base telle que la gestion de bases de données, le stockage de fichiers, les systèmes d'e-mail et le traitement des paiements ; ainsi que des outils de gestion d'applications tels que les domaines personnalisés, l'automatisation des flux de travail et l'analyse.

Lovable

Lovable.dev est un générateur Web qui permet aux utilisateurs de créer, itérer et déployer des applications à l'aide de prompts en langage naturel au lieu du codage manuel. Les utilisateurs peuvent décrire le fonctionnement de leur application ou de leur site, et la plateforme génère un frontend, un backend, une base de données, une authentification et des intégrations fonctionnels, avec du code réel modifiable et des options de déploiement.

Bolt.new (par StackBlitz)

Créateur d'applications d'IA basé sur navigateur utilisant Claude pour générer des applications full-stack à partir de prompts textuels avec des aperçus instantanés via la technologie WebContainer.

Comment choisir une plateforme d'IA sans code

Utilisez ces critères avant de présélectionner des fournisseurs :

Sans code avec des agents d'IA : des créateurs d'agents citoyens plus capables

Des recherches récentes montrent que les outils sans code deviennent plus performants en associant des interfaces en langage naturel à une orchestration basée sur des agents. Cela permet aux non-experts de créer des flux de travail et des applications d'IA multi-étapes sans toucher au code ni à l'infrastructure.

Étude AIAP : flux de travail en langage naturel pris en charge par plusieurs agents

AIAP démontre comment une plateforme sans code peut transformer des instructions utilisateur ambiguës en flux de travail structurés. Le système utilise plusieurs agents internes qui interprètent la requête, la décomposent en tâches, extraient des données et des actions, et mappent ces actions aux bons outils.¹

Les capacités notables incluent :

• Convertir des entrées formulées de manière floue en étapes claires et ordonnées.
• Identifier directement des données, des actions et le contexte à partir du langage naturel et les visualiser.
• Faire correspondre automatiquement les actions décrites par l'utilisateur à des APIs ou à des models appropriés.
• Permettre aux non-experts de créer des services d'IA de bout en bout, comme le montrent des études utilisateur où les participants ont créé des flux de travail fonctionnels à l'aide de prompts en langage naturel et de blocs modulaires.

Étude LLM4FaaS : générer et déployer des applications par le langage naturel

LLM4FaaS se concentre sur une couche différente du développement sans code : transformer des descriptions en langage naturel en applications déployables.

Il intègre un LLM à une plateforme Function-as-a-Service afin que les utilisateurs puissent décrire la fonctionnalité souhaitée, tandis que le système gère automatiquement la génération de code, l'empaquetage et le déploiement.²

Les principaux enseignements incluent :

• Les utilisateurs écrivent des descriptions ; le système construit des prompts, génère du code et le déploie sans exiger de connaissances techniques.
• Le backend FaaS supprime les tâches opérationnelles telles que la configuration du serveur ou de l'environnement d'exécution.
• Lors d'évaluations avec de vrais prompts utilisateurs, LLM4FaaS a atteint un taux de réussite sémantique de 71 %, surpassant une base de référence non FaaS et un outil d'exécution LLM existant.

L'IA sans code dans tous les secteurs

Figure 1 : intérêt en ligne pour l'IA sans code.

Finance

Les institutions financières peuvent utiliser des outils d'IA sans code pour l'analyse prédictive, l'analyse de sentiments, la détection de fraude et l'analyse des données clients.

Ces outils aident à créer des models prédictifs précis et à effectuer des tâches telles que l'analyse de données historiques, la construction de models de régression linéaire ou l'intégration de l'IA pour l'évaluation des risques, le tout sans nécessiter de code.

Santé

Les solutions d'IA sans code aident les prestataires de soins de santé à analyser des données structurées et non structurées pour le diagnostic des patients, la classification d'images (par exemple, radiographies ou IRM) et l'analyse prédictive. Cette approche sans code accélère l'adoption de l'IA dans la recherche médicale et l'efficacité opérationnelle.

Par exemple, les outils d'IA en santé permettent aux prestataires d'identifier les traitements optimaux en analysant les données des patients, notamment la génétique, le mode de vie et les antécédents médicaux, afin d'élaborer des plans de soins personnalisés. Cette approche améliore l'efficacité des traitements, minimise les effets secondaires et réduit les coûts en évitant les procédures inutiles.

Commerce de détail et e-commerce

Les détaillants et les entreprises de commerce électronique peuvent utiliser l'IA sans code pour la segmentation de la clientèle, l'analyse de sentiments à partir de données textuelles, les models prédictifs de prévision des ventes et le marketing personnalisé avec des outils d'IA générative.

Par exemple, la personnalisation de site Web avec l'IA et l'apprentissage automatique permet de personnaliser l'expérience d'achat en ligne en fonction du comportement et des préférences des clients, tels que l'historique d'achat et les habitudes de navigation. Elle offre des recommandations de produits et des messages marketing personnalisés, renforçant les relations et la fidélité des clients.

Un autre exemple d'utilisation de l'IA sans code dans le commerce de détail est la mise en œuvre de systèmes de caisse en libre-service. Les systèmes de caisse en libre-service simplifient les transactions en permettant aux clients d'effectuer leurs achats de manière autonome. Ces systèmes automatisent des tâches telles que la lecture des articles et le traitement des paiements pour une expérience de passage en caisse fluide.

Fabrication

Les plateformes d'IA sans code aident les entreprises manufacturières à automatiser des tâches telles que la détection d'objets, la détection d'anomalies et la maintenance prédictive à l'aide de la vision par ordinateur et de l'apprentissage automatique. Ces outils peuvent également analyser les données métier et optimiser les processus sans nécessiter d'expertise en science des données.

Par exemple, les outils d'IA sans code permettent aux fabricants d'optimiser les processus pour une production durable. Les outils d'exploration de processus aident à identifier et à éliminer les goulots d'étranglement en analysant les performances entre les régions, jusqu'aux étapes individuelles, y compris la durée, le coût et le personnel.

Ces informations permettent aux fabricants de rationaliser les flux de travail et d'établir des systèmes cohérents, garantissant des livraisons ponctuelles et précises malgré l'exploitation de plusieurs usines dans différentes régions.

Marketing et publicité

Les spécialistes du marketing peuvent analyser les données pour créer des campagnes ciblées à l'aide de models d'IA générative pour la création de contenu, la génération d'images et le traitement du langage naturel avec des outils sans code. Ces outils leur permettent de gérer efficacement les données clients et de déployer des solutions d'IA en quelques clics.

Éducation

Les établissements éducatifs peuvent tirer parti de l'IA sans code pour développer des assistants d'IA, analyser les données de performance des étudiants et intégrer l'IA dans les plateformes d'apprentissage.

Par exemple, ChatGPT aide les enseignants à améliorer leur flux de travail en offrant un soutien pour la vérification grammaticale, l'évaluation des écrits et la notation. Les enseignants peuvent utiliser ChatGPT pour relire les plans de cours, fournir un retour sur les écrits des étudiants et enseigner la grammaire et les compétences rédactionnelles.

De plus, ChatGPT facilite la notation en analysant le contenu, la structure et la cohérence des travaux des étudiants, en offrant un retour automatisé et en aidant à créer des grilles d'évaluation alignées sur les objectifs d'apprentissage.

Technologie et startups

Les startups peuvent bénéficier d'outils d'IA sans code qui leur permettent de prototyper rapidement des models d'IA, permettant aux utilisateurs de tester des models d'IA générative avec la vision par ordinateur et des processus de bout en bout.

Par exemple, une startup technologique peut utiliser des outils d'IA sans code pour créer un chatbot intelligent afin d'automatiser le support client. Elle peut entraîner le chatbot à traiter les FAQ, résoudre les problèmes courants et transmettre les demandes complexes à des agents humains.

En utilisant des plateformes sans code, l'équipe peut intégrer le chatbot à son site Web et à ses systèmes CRM sans avoir à écrire de code.

Logistique et chaîne d'approvisionnement

Les entreprises de logistique peuvent utiliser des outils sans code pour analyser des données structurées et non structurées, prévoir la demande, optimiser les itinéraires et gérer les stocks.

Par exemple, des bots alimentés par l'IA dotés de vision par ordinateur peuvent automatiser des tâches d'inventaire répétitives, telles que la lecture en temps réel. Ces bots peuvent soutenir la gestion des stocks dans les entrepôts et les magasins de détail, améliorant l'efficacité et la précision.

Quelle est la suite pour l'IA sans code

L'orientation de l'IA sans code devient plus claire à mesure que la recherche progresse et que de nouveaux outils arrivent sur le marché. La tendance générale va vers des plateformes qui prennent en charge des tâches plus complexes tout en restant accessibles aux utilisateurs non techniques.

Utilisation croissante de systèmes agentiques, multimodaux et multi-agents

De nouveaux efforts de recherche indiquent une évolution vers des systèmes capables de traiter des entrées plus larges et de coordonner plusieurs étapes. Ces développements permettent aux utilisateurs de créer des flux de travail qui traitent du texte, des images et potentiellement de la vidéo dans un seul environnement.

Ces flux de travail peuvent également déclencher des actions plutôt que de fournir des prédictions, élargissant ainsi la gamme d'applications possibles.

Expansion des plateformes open source et auto-hébergeables

De plus en plus d'équipes choisissent des outils qu'elles peuvent déployer sur leur propre infrastructure. Cela aide les organisations à garder le contrôle de leurs données, à réduire leur dépendance vis-à-vis des fournisseurs externes et à adapter les outils à leurs besoins spécifiques.

La croissance de ces plateformes offre aux équipes techniques une flexibilité supplémentaire tout en continuant à prendre en charge des interfaces sans code pour les utilisateurs quotidiens.

Intégration plus poussée dans les opérations d'entreprise

L'IA sans code va au-delà des automatisations isolées. Les organisations commencent à intégrer ces outils dans des processus plus larges, notamment les systèmes internes, le support client, l'analyse et la coordination des flux de travail.

Améliorations de l'utilisabilité et de l'abstraction

De nombreuses plateformes s'efforcent de simplifier l'expérience utilisateur. Des interfaces plus claires, des flux de travail guidés et de meilleures explications du comportement des models aident les utilisateurs à comprendre ce que fait le système.

Dans le même temps, les outils visent à offrir suffisamment d'options de configuration aux équipes qui ont besoin de plus de contrôle. Trouver l'équilibre entre simplicité et flexibilité restera probablement un objectif de conception clé.

Principaux avantages des solutions d'IA sans code

Il abaisse les barrières à l'adoption de l'IA

L'IA sans code permet aux experts métier d'expérimenter l'IA sans attendre des capacités rares en science des données ou en ingénierie. Les équipes commerciales, opérationnelles, financières, RH et de support peuvent transformer des décisions répétées ou des flux de travail manuels en processus assistés par l'IA.

Elle peut réduire les coûts de développement initiaux

L'IA sans code peut être moins coûteuse que le développement sur mesure, car les équipes commencent avec des interfaces prédéfinies, des connecteurs, des gabarits et des models hébergés. Les économies proviennent d'un prototypage plus rapide, de moins de transferts et de moins d'ingénierie personnalisée pour les flux de travail courants.

Cependant, il ne faut pas présumer d'un faible coût. La tarification peut évoluer en fonction des sièges, des tâches, des crédits, des tokens, des prédictions ou de l'infrastructure. Un flux de travail bon marché pendant les tests peut devenir coûteux s'il s'exécute des milliers de fois par jour, utilise des models d'IA premium ou nécessite des fonctionnalités de sécurité d'entreprise.

Elle accélère l'expérimentation

Les outils d'IA sans code aident les équipes à passer rapidement de l'idée au prototype. Un utilisateur métier peut tester un classifieur de support, un flux de travail de scoring des leads, un chatbot ou un processus de routage de documents avant de demander aux équipes d'ingénierie de créer une version de production.

Elle aide les data scientists et les développeurs à se concentrer

L'IA sans code peut réduire le nombre de demandes simples et répétitives que reçoivent les équipes de science des données et d'ingénierie. Les équipes techniques peuvent se concentrer sur l'architecture des données, la gouvernance, l'évaluation des models, les systèmes de production et les cas d'utilisation à haut risque, tandis que les utilisateurs métier gèrent des flux de travail plus sûrs et plus étroits.

Ne manquez pas nos benchmarks et analyses basées sur les données. Le bouton ouvre Google ; sélectionner AIMultiple confirme que vous souhaitez voir AIMultiple plus souvent dans les résultats de recherche Google.

Ajouter comme source préférée

Quels sont les défis de l'IA sans code ?

Limites d'évolutivité

Les outils d'IA sans code facilitent la création de prototypes et de petites automatisations internes, mais ils rencontrent souvent des difficultés lorsque la charge de travail augmente. Cela se produit parce que les utilisateurs ont peu de contrôle sur l'infrastructure sous-jacente. À mesure que les projets se développent, les contraintes cachées de la plateforme deviennent plus visibles.

Les principaux problèmes incluent :

• Les performances ralentissent lors du traitement de datasets plus volumineux ou de volumes de requêtes plus élevés.
• Limites du fournisseur concernant la taille des données, le débit des API ou les types de models disponibles.
• Impossibilité de modifier l'architecture du système, comme le prétraitement personnalisé ou la logique de flux de travail.
• Manque d'options de configuration détaillées sur lesquelles les équipes techniques s'appuient pour maintenir l'efficacité des grands systèmes.

Limites de performance et de généralisation

De nombreux outils d'IA sans code reposent sur des models préentraînés ou des interfaces de formation simplifiées. Ces raccourcis aident les utilisateurs non techniques à démarrer rapidement, mais ils limitent également jusqu'où la performance peut être poussée pour des tâches spécialisées.

Les limitations courantes incluent :

• Accès minimal ou nul aux paramètres de fine-tuning au-delà des contrôles de haut niveau.
• Boucles d'entraînement simplifiées qui limitent l'expérimentation sur la conception de models.
• Pipelines de données restreints qui ne peuvent pas prendre en charge une ingénierie de caractéristiques avancée.
• Risque plus élevé de surapprentissage lors de l'utilisation de datasets petits ou étroits.

Gouvernance, sécurité et « shadow IA »

L'IA sans code permet aux développeurs citoyens, mais elle peut aussi créer une « shadow IA » : des flux de travail, des agents et des assistants créés en dehors de la supervision informatique. Les risques incluent l'exposition de données sensibles, l'utilisation non approuvée de models, des automatisations dupliquées, des logiques métier contradictoires et des flux de travail qui prennent des décisions sans responsabilité.

Les équipes d'entreprise doivent définir qui peut créer, publier, connecter des sources de données, utiliser des APIs externes et faire passer les flux de travail d'IA en production.

L'humain dans la boucle et les biais

L'IA sans code n'élimine pas la nécessité d'une révision humaine. Les utilisateurs métier peuvent être moins équipés pour détecter les biais des models, les hallucinations, les fuites de données ou le surapprentissage. Les flux de travail à fort impact doivent inclure des seuils de confiance, des règles d'escalade, un échantillonnage, des approbations humaines et des contrôles qualité périodiques.

Quelles sont les différences entre AutoML et l'IA sans code ?

AutoML et l'IA sans code sont tous deux des outils conçus pour simplifier le développement de models d'IA et d'apprentissage automatique (ML), mais ils s'adressent à des groupes d'utilisateurs et à des objectifs différents, avec des distinctions clés :

Public cible

• AutoML : Principalement destiné aux data scientists et aux utilisateurs techniques ayant une expertise en science des données et en apprentissage automatique.
• IA sans code : Pour les utilisateurs sans connaissances techniques, tels que les analystes métier, les enseignants, les professionnels des RH, les équipes commerciales et marketing.

Complexité vs simplicité

• AutoML : Offre transparence et contrôle sur l'ensemble du pipeline de ML, y compris le prétraitement des données, l'ingénierie des caractéristiques, la sélection de models et le réglage des hyperparamètres. Cette complexité permet aux data scientists d'adapter et d'affiner les models pour répondre à des besoins spécifiques.
• IA sans code : Simplifie le processus en faisant abstraction des détails du pipeline de ML. Les utilisateurs interagissent avec des interfaces visuelles faciles à utiliser pour un développement rapide de models sans complexité technique.

Flexibilité vs facilité d'utilisation

• AutoML : Offre une plus grande flexibilité pour une personnalisation avancée et un fine-tuning, ce qui le rend adapté aux projets complexes nécessitant un contrôle précis.
• IA sans code : Privilégie la facilité d'utilisation et l'accessibilité, ce qui le rend idéal pour des cas d'utilisation simples, mais moins personnalisable pour des exigences avancées ou nuancées.

Idéal pour

• AutoML : Utilisateurs expérimentés qui souhaitent gérer des tâches répétitives dans le développement du ML tout en conservant la possibilité d'ajuster des aspects spécifiques du pipeline.
• IA sans code : Utilisateurs non techniques qui doivent développer rapidement des solutions d'IA, telles que des models prédictifs ou l'analyse de données, sans entrer dans les détails techniques.

FAQ

Citer cette recherche

Choisissez le format qui correspond à votre lieu de publication. Coller la version avec lien dans votre CMS préserve le lien retour.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Ermut, Sıla},
  title  = {{IA sans code: avantages, secteurs et principales différences}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/no-code-ai}},
  note   = {AIMultiple. Consulté le 21 août 2026}
}

Journal des modifications

11 mises à jour

2026202520232022

1. 23 juin

   Ajout d'une section « Qu'est-ce que l'IA sans code ? » classant les types de plateformes avant la liste des plateformes d'IA sans code.

2. 17 fév

   MindStudio a été ajouté aux plateformes basées sur les LLM.

Liens de référence

1.

AIAP: A No-Code Workflow Builder for Non-Experts with Natural Language and Multi-Agent Collaboration

2.

LLM4FaaS: No-Code Application Development using LLMs and FaaS

Cem Dilmegani

Analyste principal

Suivre

Cem est analyste principal chez AIMultiple depuis 2017.

Le travail de Cem chez AIMultiple a été cité par des publications mondiales de premier plan, notamment Business Insider, Forbes, Morning Brew et Washington Post, par des entreprises mondiales comme Deloitte et HPE, par des ONG comme World Economic Forum et par des organisations supranationales comme European Commission. [1], [2], [3], [4], [5]

Tout au long de sa carrière, Cem a été consultant en technologies, acheteur de technologies et entrepreneur technologique. Il a conseillé des entreprises sur leurs décisions technologiques chez McKinsey & Company et Altman Solon pendant plus de dix ans. Il a également publié un rapport McKinsey sur la digitalisation.

Il a dirigé la stratégie technologique et les achats d'un opérateur télécom, sous la responsabilité du PDG. Il a également dirigé la croissance commerciale de l'entreprise de technologie profonde Hypatos, qui a atteint un revenu récurrent annuel à 7 chiffres et une valorisation à 9 chiffres, passant de 0 à ce résultat en deux ans. Le travail de Cem chez Hypatos a été couvert par des publications technologiques de premier plan comme TechCrunch et Business Insider.

Cem intervient régulièrement lors de conférences technologiques internationales. Il est diplômé de Bogazici University en tant qu'ingénieur informatique et titulaire d'un MBA de la Columbia Business School.

Voir le profil complet

Recherche effectuée par

Sıla Ermut

Analyste sectorielle

Suivre

Sıla Ermut est analyste sectorielle chez AIMultiple, couvrant les modèles d’IA, l’infrastructure d’IA, la gouvernance de l’IA et les applications d’IA d’entreprise. Ses recherches portent principalement sur l’utilisation de l’IA dans le marketing, la santé, les chaînes d’approvisionnement et le développement durable.
Elle a précédemment travaillé comme recruteuse dans des cabinets de gestion de projet et de conseil. Sıla est titulaire d’un master en psychologie sociale et d’une licence en relations internationales.

Voir le profil complet

Commentaires 1

Partagez vos idées

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires. Les commentaires sont laissés dans leur langue d'origine.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire

Evgeniy Mamchenko

Jun 02, 2021 at 13:41

You can try transfer learning for image classification without writing any code in an Android app called Pocket AutoML. It trains a model right on your phone without sending your photos to some "cloud" so it can even work offline.

Répondre