Encord est une plateforme de développement d'IA centrée sur les données qui fournit des outils pour l'annotation, l'étiquetage et l'évaluation de modèles. La plateforme est conçue pour aider les équipes à construire et à gérer des ensembles de données d'entraînement de haute qualité pour les applications de apprentissage automatique et d'intelligence artificielle, en mettant l'accent sur l'amélioration de l'efficacité et de la précision du pipeline de données.
Fondée en 2020, Encord est née de la constatation que la qualité des données est souvent le principal goulot d'étranglement dans le développement de l'IA. L'entreprise propose une suite de produits qui couvrent l'ensemble du cycle de vie des données, de l'ingestion et de la curation à l'annotation et à l'itération des modèles. Ses outils sont utilisés par des équipes de vision par ordinateur et des organisations travaillant avec des types de données complexes, notamment des vidéos, des images et des ensembles de données multimodaux.
Histoire et fondation
Encord a été fondée en 2020 par Eric Landau et Ulrik Stig-Hansen. Les fondateurs ont identifié une lacune sur le marché pour une plateforme capable de gérer l'échelle et la complexité des flux de travail modernes de données d'IA, en particulier pour les équipes travaillant sur des modèles de apprentissage profond. L'entreprise est basée à Londres, au Royaume-Uni, et a levé un capital-risque important pour soutenir sa croissance.
Le produit initial se concentrait sur l'annotation vidéo, un domaine particulièrement difficile en raison de la nature temporelle des données. Au fil du temps, Encord a élargi ses capacités pour inclure l'annotation d'images, l'évaluation de modèles et les boucles d'apprentissage actif, se positionnant ainsi comme une plateforme complète de développement de données.
Produits et fonctionnalités principaux
La plateforme d'Encord est construite autour de plusieurs modules clés. Le produit principal, Encord Annotate, fournit une interface collaborative pour l'étiquetage des données. Il prend en charge une variété de types d'annotation, notamment les boîtes englobantes, les polygones, les points clés et la segmentation sémantique. La plateforme comprend également des fonctionnalités de suivi vidéo et d'interpolation, essentielles pour des tâches comme la détection d'objets sur plusieurs images.
Un deuxième composant majeur est Encord Active, une boîte à outils pour l'évaluation de la qualité des données et l'évaluation des modèles. Ce module permet aux utilisateurs d'analyser leurs ensembles de données pour identifier les erreurs, les cas limites et les biais. Il fournit également des outils pour l'apprentissage actif, permettant aux équipes de sélectionner les points de données les plus informatifs pour l'étiquetage, réduisant ainsi l'effort global d'étiquetage.
La plateforme s'intègre avec des frameworks courants d'apprentissage automatique et des services cloud, notamment Amazon Web Services, Microsoft Azure et Google Cloud. Elle propose également des API et des SDK pour un accès programmatique, permettant aux équipes d'intégrer Encord dans leurs flux de travail existants.
Technologie et approche
Encord adopte une approche centrée sur les données pour le développement de l'IA, en soulignant l'importance de données d'entraînement de haute qualité par rapport à la seule architecture du modèle. La plateforme utilise diverses techniques pour assister les annotateurs humains, notamment le pré-étiquetage avec des modèles, des contrôles de qualité automatisés et un score de cohérence. Ces fonctionnalités aident à réduire le temps d'annotation et à améliorer la précision des étiquettes.
Pour l'évaluation des modèles, Encord Active exploite des métriques pour mettre en évidence les modes de défaillance et les problèmes de distribution des données. Il utilise des techniques comme l'analyse de augmentation de données et l'attribution d'erreurs pour aider les équipes à comprendre pourquoi un modèle est sous-performant. La plateforme prend également en charge les stratégies de apprentissage curriculaire, permettant aux équipes de structurer leurs données d'entraînement d'une manière qui améliore la convergence du modèle.
Position sur le marché et cas d'utilisation
Encord est en concurrence dans le domaine de l'annotation de données et du développement de l'IA, qui comprend d'autres plateformes comme Scale AI et Labelbox. Cependant, Encord se différencie par son accent sur la qualité des données et ses capacités d'apprentissage actif. La plateforme est utilisée par une gamme d'organisations, des startups aux grandes entreprises, dans des secteurs tels que la santé, les véhicules autonomes et la robotique.
Dans le secteur de la santé, Encord est utilisé pour annoter des données d'imagerie médicale, comme les radiographies et les IRM, pour des tâches telles que la détection de maladies. Dans l'industrie des véhicules autonomes, la plateforme aide à étiqueter les données vidéo provenant de capteurs pour entraîner les modèles de perception. L'entreprise a également été adoptée dans des applications agricoles, manufacturières et de sécurité.
Financement et croissance
Encord a levé des fonds substantiels auprès d'investisseurs de premier plan. En 2022, l'entreprise a annoncé un tour de table de série A de 20 millions de dollars mené par CRV, avec la participation de Y Combinator et d'autres investisseurs. Cela a été suivi d'un tour de table de série B de 30 millions de dollars en 2023, mené par Sapphire Ventures. Le financement a été utilisé pour développer l'équipe d'ingénierie, améliorer les fonctionnalités du produit et élargir la base de clients de l'entreprise.
En 2024, Encord continue d'étendre sa plateforme, avec un accent sur le soutien des flux de travail grand modèle de langage et IA générative. L'entreprise investit dans des outils pour le RLHF (Reinforcement Learning from AI Feedback (RLAIF)) et la curation de données pour les modèles de fondation, reflétant la tendance plus large de l'industrie vers les systèmes d'IA multimodaux et génératifs.
Voir aussi
Références
- Site web officiel d'Encord et blog de l'entreprise.
- Articles de TechCrunch et VentureBeat sur les tours de financement d'Encord.
- Rapports de l'industrie sur les plateformes d'annotation de données.