IBM et Hugging Face proposent des modèles de séries temporelles en temps réel sur Confluent

IBM et Hugging Face annoncent l’intégration de modèles de séries temporelles en temps réel sur la plateforme Confluent. Ces modèles, disponibles en accès anticipé sur Confluent Cloud, visent à automatiser des décisions critiques comme la prévision, la détection d’anomalies ou l’optimisation de processus industriels.

Les deux entreprises combinent leurs technologies pour proposer des modèles de fondation pour séries temporelles (TSFM), entraînés sur de vastes ensembles de données variées. Contrairement aux approches traditionnelles, qui nécessitent des modèles personnalisés et des mois de développement pour chaque série, ces TSFM généralisent leur apprentissage à des séries inédites. Une fois déployés, ils permettent d’effectuer des prévisions, d’identifier des comportements anormaux ou de comparer des séries historiques en temps réel, sans configuration complexe.

Confluent fournit l’infrastructure de streaming, où les données sont déjà en mouvement, tandis qu’IBM apporte les modèles et les fonctions associées. L’objectif est de réduire le besoin en expertise technique : des utilisateurs comme des planificateurs de demande ou des ingénieurs de production peuvent exploiter ces outils directement sur leurs flux de données. Par exemple, un modèle pourrait anticiper une baisse de production sur une chaîne de fabrication et alerter suffisamment tôt pour ajuster les paramètres.

Les cas d’usage ciblés incluent la prévision et la planification, la détection d’anomalies, l’optimisation de la production et l’intelligence sémantique. Les modèles sont déployables via l’accès anticipé sur Confluent Cloud, avec une disponibilité prévue sur Confluent Platform par la suite.