Iris.ai

Iris.ai vise à réduire le temps que les scientifiques passent à trouver et à lire les articles pertinents. Au lieu de recherches par mots-clés, un chercheur peut entrer la description d’un problème ou un résumé, et le système trouve des articles liés par le sens. Il aide ensuite à explorer les résultats avec une carte visuelle des sujets, des filtres fondés sur le contenu, et des outils qui extraient des données et résument les constats sur beaucoup de documents. Les équipes de recherche s’en servent pour balayer un domaine, vérifier les travaux antérieurs et décider où se concentrer.

La plateforme est tournée vers les flux de recherche en entreprise. Elle peut chercher dans des documents internes en plus des bases publiques, ce qui permet à une entreprise de combiner ses propres rapports et brevets avec la littérature publiée. Des outils de lecture et d’extraction sortent les faits clés, les méthodes et les résultats, et des fonctions de workflow aident les équipes à documenter leur recherche et à partager les constats. L’entreprise a décrit sa technologie comme adaptée au langage scientifique spécialisé.

Iris.ai se vend aux organisations sur des contrats sur mesure, sans large offre grand public, et vise les entreprises à forte R&D et les instituts de recherche. Les résultats dépendent de la qualité des collections de documents sous-jacentes, et les résumés automatiques sont à vérifier face aux articles. Elicit, Consensus et SciSpace servent plus directement les chercheurs individuels, Semantic Scholar propose une recherche gratuite, et les alternatives entreprise incluent les outils d’Elsevier et Clarivate. Ça convient aux grandes équipes qui gèrent beaucoup de littérature.