Produits d’IA
En ligneAIUseCaseHub
AIUseCaseHub a commencé comme une collection personnelle d’idées d’IA appliquée et c’est aujourd’hui un produit de recherche public. Il recense des déploiements réels d’IA en entreprise, chaque fiche étant liée à une organisation, un système et une source publique que chacun peut vérifier. Par-dessus cette base, Insights répond à des questions récurrentes, comme les domaines où l’IA est réellement déployée ou la part d’agentique dans l’IA d’entreprise, tandis que Trends compare la dynamique des déploiements avec ce dont parlent les médias.
- Mon rôle
- Créateur, architecte et développeur
- Début
- Mise à jour
- Visibilité
- Public
- déploiements d’IA sourcés
- 4 015
- schémas récurrents identifiés
- 227
- sources d’actualité suivies pour les tendances
- 282
Problème
La plupart des listes de cas d’usage de l’IA inspirent sans prouver. Les équipes ont besoin de savoir qui a réellement déployé quoi, avec quelle technologie et avec quel résultat déclaré.
Solution
Une base consultable de déploiements réels avec liens vers les sources, filtres par secteur, fonction métier et fournisseur cloud, et des vues d’analyse recalculées à chaque nouveau déploiement.
Architecture
Un pipeline agentique de web scraping (découverte, extraction, revue) alimente une base Cosmos DB avec recherche vectorielle. L’application web, une API développeur et un serveur MCP hébergé lisent tous le même jeu de données sourcé.
Ce que j’en retiens
La curation et la traçabilité comptent plus que le volume. Une bonne bibliothèque de cas d’usage aide à décider quoi construire, et elle doit montrer d’où vient chaque affirmation.
Technologies
- Azure
- Microsoft Foundry
- Cosmos DB
- Vector search
- Agentic scraping
- MCP
#ai-use-cases #research #catalog #evidence
Plus de captures d’écran
