DataRobot et H2O.ai sont deux plateformes cloud d’IA. Mais quelle solution convient le mieux à votre entreprise ?
Pour commencer, quelques notions de contexte. Les plateformes cloud d’IA fournissent des fonctionnalités d’intelligence artificielle (IA) et d’apprentissage automatique (ML), regroupées pour simplifier le processus d’analyse des données : recherche de tendances, création de modèles, simulations et scénarios hypothétiques. Ces plateformes cherchent également à élargir le champ d’application de cette technologie afin de la rendre accessible aux analystes métier, aux développeurs logiciels, aux architectes d’entreprise et aux équipes des opérations informatiques.
« Les fournisseurs de plateformes d’IA/ML proposent des fonctionnalités et des outils adaptés à de nombreux rôles au sein de l’entreprise, afin que les équipes puissent développer, mettre en production et gérer un portefeuille croissant de solutions d’IA », a déclaré Mike Gualtieri, analyste chez Forrester Research.
Ce contexte étant posé, examinons ces deux grandes plateformes cloud d’IA, DataRobot et H2O.ai. Nous passerons en revue leurs principales fonctionnalités et les comparerons afin d’aider votre entreprise à choisir la solution la mieux adaptée à ses besoins.
À lire aussi : Qu’est-ce que l’intelligence artificielle ?
DataRobot vs. H2O.ai : principales fonctionnalités
H2O AI Cloud est conçu pour résoudre des problèmes métier complexes grâce à des fonctionnalités d’apprentissage automatique automatisé (autoML), censées transformer la manière dont l’IA est créée et utilisée. La plateforme cherche à démocratiser l’IA tout en continuant à fournir aux data scientists les fonctionnalités dont ils ont besoin.
La plateforme couvre l’ensemble du cycle de vie de la data science et optimise les flux de travail afin d’augmenter la quantité et la qualité des projets livrés aux parties prenantes métier. Elle inclut des fonctionnalités d’interprétabilité et d’exploitation des modèles de machine learning. Elle est utilisée par des data scientists, des développeurs, des ingénieurs en machine learning, des analystes et des professionnels de l’informatique.
H2O.ai fournit des capacités de calcul haute performance grâce à l’intégration de Nvidia Rapids et peut faire évoluer les charges de travail en prenant en charge l’accélération réseau des GPU Nvidia fondés sur l’architecture Ampere ainsi que le dernier environnement d’exécution CUDA. Les utilisateurs peuvent surveiller l’utilisation du système et fournir des métriques pour le suivi des ressources et la mise à l’échelle automatique de clusters multinœuds via une API de performance de la plateforme. Son AI AppStore aide également les utilisateurs métier à trouver et à utiliser des applications d’IA personnalisées.
DataRobot AI Cloud est une plateforme de machine learning destinée à automatiser, fiabiliser et accélérer l’analyse prédictive. Elle aide les data scientists et les analystes à créer et déployer rapidement des modèles prédictifs précis, en une fraction du temps requis par d’autres solutions. Elle permet de suivre visuellement l’avancement des prédictions à l’aide de graphiques et de gérer les charges de travail et les retards. Les utilisateurs peuvent ainsi voir quelles prédictions sont retardées, pourquoi elles le sont et dans quel délai elles seront disponibles.
Une autre fonctionnalité permet aux utilisateurs de comparer la dérive des données sur plusieurs caractéristiques (ou groupes de caractéristiques), ainsi que sur plusieurs périodes. Cette opération peut être effectuée à la fois sur les données d’entraînement et sur les données de scoring. Disponible dans le cloud, la solution existe également dans une version gérée appelée DataRobot Dedicated Managed AI Cloud. Cette version hébergée dédiée d’AI Cloud est administrée par les experts de DataRobot afin de prendre en charge les projets d’IA et de machine learning, avec les avantages des services cloud publics, tout en réduisant les coûts et le délai de valorisation lors du déploiement, de la mise à niveau et de la gestion de l’infrastructure d’IA.
À lire aussi : IA ou ML : intelligence artificielle et apprentissage automatique
DataRobot vs. H2O.ai : ergonomie et assistance
H2O.ai intègre plusieurs fonctionnalités destinées à faciliter son utilisation. La plateforme peut visualiser et traiter automatiquement les problèmes de qualité des données afin de transformer vos données en un jeu de données optimal pour la modélisation. Elle peut afficher visuellement les propriétés statistiques des jeux de données et mettre en évidence les problèmes inattendus de qualité des données, comme les valeurs aberrantes, les corrélations ou les valeurs manquantes. Des descriptions visuelles et textuelles aident automatiquement à détecter les tendances et les informations utiles, notamment les sujets dans les textes, les corrélations et les valeurs aberrantes.
Les utilisateurs semblent également apprécier l’approche no-code de H2O.ai, qui accélère la création de modèles ML complexes. Celle-ci permettrait de créer des modèles détaillés en quelques minutes. Selon les utilisateurs, la solution est bien intégrée à Amazon S3, à la base de données Microsoft SQL Server et à d’autres outils, ce qui lui confère un niveau de sécurité convenable. En revanche, les utilisateurs estiment qu’elle est encore en train de rattraper des fournisseurs plus établis comme DataRobot et qu’il lui manque certaines fonctionnalités. L’un d’eux a indiqué qu’il était difficile de modifier les données après leur chargement et que l’accès entre utilisateurs était limité. D’autres ont évoqué une courbe d’apprentissage pour le déploiement et la gestion des paramètres experts destinés aux data scientists. L’assistance client et la documentation sont également encore en cours d’amélioration.
DataRobot AI Cloud propose de nombreuses fonctions d’automatisation pour accélérer les opérations fastidieuses de data science et de création de modèles. La plateforme peut fonctionner sur toute combinaison de clouds publics, de centres de données ou en périphérie. Les utilisateurs apprécient ses fonctionnalités de gouvernance et de protection des données.
L’approche à plateforme unique de DataRobot AI Cloud s’adresse aux data scientists, aux experts de l’analytique, aux équipes informatiques et aux métiers, en leur offrant une vue unique de toutes les données, quelle que soit leur source ou leur nature. Les utilisateurs soulignent sa simplicité d’utilisation et sa capacité à s’adapter à leurs besoins. La solution serait également rapide et efficace pour créer la plupart des types de modèles.
L’automatisation élimine une grande partie du travail de codage. Elle automatise la configuration, les tests et l’administration des modèles. Ceux-ci peuvent être créés à partir de n’importe quelle source de données, notamment des tableaux et du texte brut, mais aussi des données graphiques et géographiques. Quelques commentaires négatifs sont toutefois à signaler. Les outils permettant d’interpréter les résultats ne sont parfois pas très ergonomiques et peuvent manquer de flexibilité. Certains estiment que la solution privilégie parfois la quantité de modèles au détriment de leur qualité. D’autres se plaignent du nombre d’options, qui peut rendre difficile le choix à effectuer. Un utilisateur a déclaré qu’il souhaitait pouvoir charger et intégrer plus facilement de vastes jeux de données.
En matière d’ergonomie et d’assistance, il y a peu de différences entre les deux solutions. H2O.ai l’emporte grâce à une note légèrement supérieure en matière de facilité d’utilisation dans les avis Gartner Peer Reviews.
À lire aussi : Les meilleures entreprises du traitement automatique du langage naturel
DataRobot vs. H2O.ai : data scientists et développeurs
Les deux plateformes sont utilisées par des data scientists. H20.ai dispose de fonctionnalités avancées d’autoML couvrant l’ensemble du cycle de vie de la data science et optimisant les flux de travail afin d’augmenter à la fois la quantité et la qualité des projets de data science livrés aux parties prenantes métier.
Elle offre de solides fonctionnalités d’interprétabilité et d’exploitation du machine learning, ainsi qu’un contrôle de l’ensemble du pipeline d’explicabilité. Pour les développeurs, H2O.ai convertit automatiquement les artefacts de déploiement de Python/R vers Java/C++, afin de simplifier le transfert des projets entre les équipes de data science et les développeurs. La plateforme adopte une approche open source et low-code du développement, avec suffisamment de flexibilité pour fonctionner avec toutes les principales bibliothèques et frameworks. Les fonctionnalités de suivi des modèles prennent en charge les modèles H2O.ai et ceux de tiers. Elles sont accessibles via une interface visuelle ou une API.
DataRobot facilite également l’utilisation de techniques de modélisation open source issues de R, Python, Spark, H2O, VW, XGBoost et d’autres outils. Les petites équipes de data science peuvent l’utiliser pour créer et déployer un grand nombre de modèles. Au lieu de devoir créer chacun d’eux laborieusement, la plateforme agit comme un multiplicateur de productivité. Sa bibliothèque d’algorithmes et ses prototypes préconfigurés sont utiles pour l’extraction de caractéristiques et la préparation des données. L’automatisation permet de sélectionner et de combiner plusieurs algorithmes afin de produire des modèles prédictifs plus précis. La solution intègre les bonnes pratiques de la data science. Elle permet aux analystes et à d’autres utilisateurs d’effectuer des tâches de modélisation des données qui exigeaient auparavant un haut niveau de compétence.
Il est difficile de départager les deux plateformes dans cette catégorie.
À lire aussi : L’avenir de l’intelligence artificielle
DataRobot vs. H2O.ai : l’avis des analystes
La plus récente analyse de Forrester Research sur les plateformes d’IA/ML place DataRobot largement devant H2O.ai, classé parmi les Leaders. Forrester a désigné DataRobot comme l’une des trois entreprises à obtenir le statut de Leader. Le cabinet d’analystes a déclaré que ses clients « apprécient l’évolution de l’entreprise, passée du statut d’acteur spécialisé du machine learning automatisé (AutoML) à celui de plateforme d’IA couvrant l’ensemble du cycle de vie ».
Ses points forts résident dans les outils et les fonctionnalités de préparation des données, d’évaluation et d’explication des modèles, de ModelOps et de création d’applications. La plateforme a récemment progressé grâce à sa capacité à compléter et enrichir les données pour la modélisation, ainsi qu’à l’ajout d’un framework de plug-ins facilitant l’intégration de fonctionnalités par les partenaires. Forrester estime que son adoption présente une barrière à l’entrée relativement faible, tandis que les utilisateurs soulignent sa facilité d’utilisation et la documentation des modèles.
« DataRobot est une option solide pour les entreprises qui souhaitent une plateforme dotée d’outils destinés aux équipes d’IA élargies, tout en offrant la collaboration et la capacité de mise à l’échelle nécessaires pour gérer les cas d’usage existants et en créer de nouveaux », a déclaré Gualtieri, de Forrester.
H2O.ai a obtenu la note de Contender de la part de Forrester. Le cabinet d’analystes a apprécié son approche du ML, mais estime qu’elle devrait davantage se concentrer sur la plateforme d’IA. Ses algorithmes de ML open source exploitent des architectures de calcul distribué et l’automatisation dont les data scientists peuvent tirer parti. En revanche, la solution manque d’outils destinés aux équipes d’IA élargies, qui la rendraient plus attrayante pour les partenaires technologiques. « H2O.ai possède des atouts en matière d’entraînement, d’inférence et de ModelOps. Les équipes d’IA qui utilisent Driverless AI peuvent être nettement plus productives que les équipes de data science travaillant exclusivement avec du code », a déclaré Gualtieri. « Les domaines à améliorer comprennent la gestion des données, la sécurité et une architecture enfichable pour les partenaires. »
Dans les avis Gartner Peer Reviews, DataRobot est également arrivé en tête. Les utilisateurs ont attribué à DataRobot de meilleures notes pour l’exploration des données, la visualisation, la préparation des données, la gestion des modèles et la collaboration. H2O.ai a obtenu de meilleurs résultats en matière de prévision, d’optimisation, de simulation et d’expérience utilisateur.
DataRobot remporte cette catégorie.
À lire aussi : Les meilleurs outils d’analyse des données
DataRobot vs. H20.ai : conclusion
Les tarifs des deux plateformes sont loin d’être transparents. Mais le consensus veut que DataRobot soit globalement moins cher. Les évaluations des analystes, les commentaires des utilisateurs et l’ensemble des fonctionnalités semblent favoriser DataRobot par rapport à H2O.ai.
Mais H2O.ai progresse rapidement. La plateforme ajoute régulièrement des fonctionnalités tandis qu’elle évolue, passant du statut de spécialiste des algorithmes de ML à celui de plateforme d’IA plus complète. DataRobot a déjà effectué cette transition et reste donc en tête. Mais pour combien de temps ?
À lire aussi : Les meilleurs outils d’exploration de données