Gretel.ai

Gretel aide les équipes à obtenir des données utilisables quand les données réelles sont sensibles ou rares. Les développeurs connectent un jeu de données, comme des fiches clients ou des tables médicales, et Gretel entraîne un modèle qui produit de nouveaux enregistrements avec les mêmes motifs statistiques mais sans lien direct avec des personnes réelles. Les équipes utilisent les résultats pour tester du logiciel, partager des données entre services, et entraîner des modèles de machine learning sans attendre des validations de vie privée. Il génère aussi du texte et des données tabulaires pour le fine-tuning de modèles de langage.

La plateforme couple la génération à des contrôles. Des rapports de qualité comparent les données synthétiques à l’original, et des outils de vie privée comme la confidentialité différentielle et des filtres réduisent le risque que la sortie fuite de vraies informations. Des fonctions de transformation peuvent détecter et masquer des données personnelles dans des enregistrements existants. Des API et des bibliothèques open source permettent d’ajouter ces étapes aux pipelines.

Selon la presse, NVIDIA a racheté Gretel pour renforcer ses outils de génération de données d’entraînement, et la technologie est en train d’être intégrée aux services de NVIDIA. À cause de ce changement, vérifie comment le produit se vend actuellement avant de construire dessus. Les données synthétiques ne sont pas automatiquement privées ni exactes, et des motifs rares peuvent être perdus ou déformés, donc la validation est essentielle. Les alternatives incluent Mostly AI, Tonic.ai, Hazy et Synthesized, et des bibliothèques open source comme SDV. La catégorie compte surtout dans la santé, la finance et d’autres secteurs régulés.