Filters Clear all
Free tier
API
Open source
Platform

général 5

Les outils généraux d'IA et d'apprentissage automatique regroupent des plateformes pour créer, déployer et gérer des modèles ML, ainsi que des outils d'infrastructure, d'évaluation et de gestion de workflows qui soutiennent le développement IA dans son ensemble. Avec 674 outils, cette catégorie couvre un large spectre allant des constructeurs ML sans code aux infrastructures MLOps destinées aux développeurs.

HARPA AI Browser Agent

général

Extension Chrome combinant plusieurs modèles IA

Free From $12 45 · 56,158 votes

Revisor

général

Surveiller les procédures électorales et comptabiliser les votants

Free 38 · 60,806 votes

PatternedAI

général

Motifs prêts à l'impression en quelques secondes

Free 36 · 27,351 votes

Legal Intern AI

général

Assistant de recherche juridique doté d'IA

Free 35 · 12,622 votes

iTextMaster

général

Fusionnez, divisez, compressez et convertissez vos PDF dans le navigateur

Free 34 · 8,373 votes

Cette catégorie s'adresse à des publics très différents. Des plateformes comme Ultracode et Workverse s'orientent vers l'automatisation et la productivité bâties sur l'IA, tandis que des outils d'infrastructure comme EdgeTrace servent les ingénieurs qui gèrent des pipelines de modèles et surveillent les systèmes en production. Des outils comme Userpersona et Hippo Scribe appliquent des techniques d'apprentissage automatique à des tâches précises, comme la génération de personas ou la transcription médicale. Le fil conducteur est qu'ils sont pilotés par apprentissage automatique sans s'inscrire dans un secteur vertical bien délimité comme la génération d'images ou la transcription vocale. Pour naviguer dans cette catégorie, les filtres les plus utiles sont la profondeur technique (sans code ou API-first), l'environnement de déploiement (cloud ou auto-hébergé) et le cas d'usage cible. Beaucoup d'outils de niveau entreprise nécessitent un devis personnalisé, tandis que les outils développeurs proposent souvent une facturation à l'usage. Évaluer la précision du modèle et la latence sur vos données spécifiques est presque toujours indispensable avant de passer en production.