Snorkel AI, Inc. est une entreprise américaine spécialisée dans le développement de données pour l’intelligence artificielle. Basée en Californie, elle commercialise notamment Snorkel Flow, une plateforme destinée aux équipes qui construisent des applications d’apprentissage automatique. Son principe : réduire la dépendance à l’annotation manuelle, souvent longue et coûteuse, en transformant les connaissances des spécialistes métier en mécanismes d’étiquetage réutilisables et contrôlables.
Des recherches de Stanford à l’entreprise
Fondée en 2019, Snorkel AI prolonge un projet de recherche lancé à Stanford autour de la supervision faible. Cette méthode consiste à exploiter des sources d’information imparfaites — règles, dictionnaires, bases de connaissances ou prédictions d’autres modèles — pour produire des données d’entraînement. Plutôt que d’exiger une étiquette humaine pour chaque exemple, elle combine ces signaux et tient compte de leurs désaccords.
Le projet open source Snorkel a contribué à diffuser cette approche dans la communauté de l’apprentissage automatique. L’entreprise, cofondée notamment par Alex Ratner, a ensuite développé une offre commerciale pour l’appliquer aux contraintes des organisations : collaboration entre experts et développeurs, gestion des données et intégration aux processus de création de modèles.
Industrialiser le travail sur les données
Snorkel Flow permet de définir des fonctions d’étiquetage, c’est-à-dire des règles ou des programmes qui attribuent automatiquement des catégories à des exemples. Une équipe peut, par exemple, repérer certains termes dans des documents pour identifier leur sujet ou extraire une information utile. La plateforme aide ensuite à combiner ces indications, à entraîner des modèles et à analyser leurs erreurs.
L’intérêt n’est pas seulement d’accélérer une première annotation. Lorsqu’un besoin métier change ou qu’une nouvelle catégorie apparaît, les équipes peuvent modifier leurs règles et régénérer les étiquettes, plutôt que reprendre tout le corpus à la main. Cette logique concerne notamment la classification de textes et l’exploitation de documents dans des secteurs où le vocabulaire et les exigences sont spécifiques.
Avec l’essor de l’IA générative, Snorkel AI applique également son approche à la préparation de données adaptées aux grands modèles de langage et à leur évaluation. Le modèle économique repose sur la commercialisation de logiciels et de services aux entreprises. Le site snorkel.ai présente ces offres, ainsi que des ressources techniques consacrées à l’IA centrée sur les données.
Et maintenant ?
La généralisation des modèles préentraînés déplace une partie de la compétition vers les données propres à chaque organisation. Pour Snorkel AI, l’enjeu est de rendre cette adaptation plus reproductible, tout en démontrant son utilité face à l’annotation assistée par les modèles eux-mêmes. La supervision faible ne supprime toutefois pas le besoin de contrôle humain : des règles mal conçues peuvent propager des erreurs ou des biais. La capacité à mesurer la qualité des données et les performances sur des cas métier concrets restera donc déterminante pour son développement.