Plateforme d'investissement alimentée par l'IA, offrant des outils de filtrage d'actions et d'analyse de marché.
8 sous-catégories · 1 456 agents · Mis à jour le 31 octobre 2026
Données et analyses couvre les agents IA qui exploitent les données pour répondre à des questions, faire des prévisions et assurer un suivi. Les agents des catégories Analyse de données et Business Intelligence se connectent aux tableurs, aux bases de données et aux plateformes de BI pour que vous puissiez poser vos questions en langage courant et obtenir en retour requêtes, graphiques et rapports. Les agents de la catégorie Analyse prédictive nettoient les données, construisent des modèles de prévision et simulent des scénarios, tandis que ceux de la catégorie Aide à la décision et les agents de recherche rassemblent des éléments issus de sources publiques, de documents et de vos propres données pour étayer une décision. Des systèmes de recommandation apprennent des comportements et des catalogues ce que chaque utilisateur devrait voir ensuite. Pour les équipes qui font tourner l'IA en production, les outils de la catégorie Observabilité et surveillance tracent le comportement des modèles et des agents, et des agents de traitement de l'information collectent et organisent des contenus dispersés.
La question clé est de savoir si vous pouvez faire confiance à ce que vous dit un agent et le vérifier. Privilégiez les agents qui montrent la requête, le code ou les sources derrière chaque réponse, et testez-les sur des questions dont vous connaissez déjà la réponse. Vérifiez à quelles sources de données ils se connectent, s'ils interrogent les données là où elles se trouvent ou les copient ailleurs, et comment les droits d'accès sont appliqués pour que chacun ne voie que ce qu'il est autorisé à voir. Pour les prévisions, demandez comment la précision est mesurée et suivie dans le temps. Pour les outils d'observabilité, vérifiez la prise en charge des frameworks et des fournisseurs de modèles que vous utilisez. La tarification dépend souvent du volume de données, du nombre de requêtes ou d'événements tracés : estimez votre usage tôt.
1 826 fiches · ouvrez une sous-catégorie pour comparer tous ses agents
Les outils de business intelligence s'appuient sur l'IA pour transformer des données dispersées en réponses utiles.
Ces outils se connectent à vos tableurs, bases de données et plateformes décisionnelles pour répondre aux questions posées en langage courant.
Les systèmes de recommandation analysent les comportements, les catalogues et les documents pour proposer l'élément suivant le plus pertinent.
Les outils réunis ici mènent l'enquête à votre place : ils parcourent des sources publiques, retracent le parcours d'un concurrent, lisent de longs documents…
Les outils d'observabilité et de monitoring montrent comment vos modèles, agents et applications IA se comportent une fois en production.
Les outils de traitement de l'information vous aident à retrouver, rassembler et exploiter des contenus dispersés.
24 agents retenus parmi 1 456, chacun cité une seule fois. Classés selon le trafic du site propre à l'agent, les étoiles GitHub, le nombre de sous-catégories couvertes et les sauvegardes des utilisateurs.
Plateforme d'investissement alimentée par l'IA, offrant des outils de filtrage d'actions et d'analyse de marché.
DBGPT est un agent IA qui génère des requêtes SQL, les exécute sur des bases de données et visualise les résultats en temps réel.
Rags est un framework Python permettant la création de chatbots augmentés par recherche, en combinant des magasins vectoriels avec des LLM pour des questions-réponses basées sur la connaissance.
Agent IA qui rassemble et résume les finances d'entreprise, les levées de fonds, la direction et les insights du marché en rapports concis.
Un agent IA automatisant les revues de littérature, résumant les articles et organisant les idées de recherche pour les flux de travail académiques.
Camel est un cadre open-source pour l'orchestration d'agents IA qui permet la collaboration multi-agent, l'intégration d'outils et la planification avec des LLM et des graphes de connaissance.
L'agent MLE exploite les LLM pour automatiser les opérations d'apprentissage automatique, notamment le suivi des expériences, la surveillance des modèles et l'orchestration des pipelines.
Un agent de trading alimenté par l'IA utilisant l'apprentissage par renforcement profond pour optimiser les stratégies de trading d'actions et de crypto en marchés en direct.
Une plateforme Python open-source pour construire des assistants IA personnalisables avec mémoire, intégrations d'outils et observabilité.
Chat2Graph est un agent IA qui transforme des requêtes en langage naturel en requêtes de base de données graphe TuGraph et visualise les résultats de manière interactive.
OpenDerisk évalue automatiquement les risques des modèles d'IA en matière d'équité, de confidentialité, de robustesse et de sécurité à l'aide de pipelines d'évaluation des risques personnalisables.
Les Scientifiques Virtuels fournissent des agents IA simulant des chercheurs experts en physique, chimie, biologie et plus pour des questions-réponses scientifiques et des explorations.
Un agent IA qui trouve et classe des entreprises similaires à une organisation donnée en utilisant des données industrielles, financières et de marché.
Un système multi-robot basé sur ROS pour des missions autonomes de recherche et de sauvetage coopératives avec coordination en temps réel.
DataSavvy.Chat permet aux entreprises de créer des assistants de chat IA personnalisés pour un engagement client en temps réel.
Reviewik utilise l'IA pour analyser les retours des utilisateurs afin d'obtenir des insights exploitables.
Optimisez vos stratégies marketing avec la puissante plateforme CRM de TorkeHub.
Cresh est un agent IA qui simplifie des tâches complexes en utilisant la traitement du langage naturel.
Whoz améliore les services professionnels grâce à une gestion avancée des talents et des solutions de staffing de projet.
Pecan AI simplifie l'analyse des données avec des insights et des prévisions automatisés pour les entreprises.
CausaLens propose une analyse causale pilotée par l'IA pour débloquer des insights à partir de données complexes.
Un outil d'IA utilisant les embeddings Anthropic Claude via CrewAI pour trouver et classer des entreprises similaires en fonction de listes d'entrée.
MetaPlane - observabilité des données complète pour les équipes axées sur les données.
Analyse de données propulsée par IA pour des décisions plus intelligentes et plus rapides.
Seulement après avoir vérifié comment il les a obtenues. Un agent peut mal interpréter le sens d'une colonne, appliquer le mauvais filtre ou joindre des tables de façon incorrecte tout en produisant un graphique convaincant. Choisissez des agents de la catégorie Analyse de données qui affichent le SQL ou le code exécuté, testez-les sur des questions dont vous connaissez la réponse, et fixez des définitions communes pour les indicateurs clés afin que tout le monde obtienne les mêmes chiffres. Gardez une personne responsable des chiffres qui alimentent décisions et rapports.
Les agents de la catégorie Business Intelligence expliquent ce qui s'est passé : ils interrogent les données historiques, construisent des tableaux de bord et répondent aux questions sur les ventes, l'usage ou les coûts. Les agents de la catégorie Analyse prédictive estiment ce qui va probablement se passer, à l'aide de modèles de prévision, d'analyses de scénarios et de simulations. Beaucoup d'équipes commencent par la business intelligence pour disposer d'abord de données propres et fiables, car des prévisions bâties sur des données incohérentes ne tiennent pas.
Les agents enchaînent de nombreuses étapes, appellent des outils et des modèles, et peuvent échouer d'une manière difficile à voir dans le résultat final. Les outils de la catégorie Observabilité et surveillance enregistrent chaque étape, mesurent la latence, les coûts et les taux d'erreur, et aident à évaluer la qualité des réponses dans le temps. Ils permettent de déboguer un mauvais résultat, de détecter une régression après un changement de modèle et de maîtriser les dépenses une fois les agents en production.
Chaque agent reçoit un score. La plus grande part correspond à la popularité, mesurée par les visites mensuelles sur son propre site ou par les étoiles GitHub pour les projets open source. Des parts plus faibles reflètent le nombre de sous-catégories de « Données et analyses » couvertes par l'agent et la fréquence à laquelle les utilisateurs de Creati.ai l'enregistrent. Chaque agent n'apparaît qu'une fois, et seuls les agents dont l'activité principale relève de ce groupe sont retenus : la liste n'est donc la copie d'aucune sous-catégorie. Le classement mensuel par trafic en lien ici montre le trafic seul.
Vous cherchez des outils spécialisés ? Catégories d'outils d'IA →