RecipeBook by Shofo

À propos de RecipeBook by Shofo

RecipeBook by Shofo est une place de marché de données vidéo conçue spécifiquement pour l’entraînement de modèles d’intelligence artificielle. Contrairement à ce que son nom pourrait laisser croire, il ne s’agit pas d’un outil de recettes culinaires, mais d’une plateforme qui donne accès à un catalogue de plus de 25 millions de clips vidéo prêts à être utilisés pour l’apprentissage automatique.

Ce service permet aux équipes de recherche et développement en IA de rechercher, filtrer, évaluer et acheter des données vidéo d’entraînement sans avoir à passer par des négociations commerciales complexes ou des processus d’approvisionnement lourds. La plateforme propose une recherche sémantique qui permet de trouver des clips correspondant à des concepts visuels précis, sans nécessiter de mots-clés prédéfinis ni de métadonnées textuelles exhaustives.

RecipeBook by Shofo se distingue par son modèle self-service : les utilisateurs peuvent parcourir le catalogue et acheter les clips qui les intéressent directement depuis l’interface, sans avoir à contacter un représentant commercial. La livraison des données sélectionnées s’effectue en quelques minutes, ce qui représente un gain de temps considérable pour les équipes de machine learning.

Fonctionnalités principales

Recherche sémantique avancée

La plateforme met à disposition un moteur de recherche visuelle qui parcourt l’ensemble des 25 millions de clips. Plutôt que de se fier uniquement à des mots-clés ou des descriptions textuelles, le système analyse le contenu visuel des vidéos pour trouver des séquences correspondant à des concepts, des objets, des actions ou des environnements spécifiques. Cette approche permet de découvrir des clips pertinents même en l’absence de métadonnées riches.

Filtres granulaires

Les utilisateurs peuvent affiner leurs résultats de recherche à l’aide de nombreux filtres. Il est possible de trier les clips selon leur qualité (résolution, netteté), leur durée, leur nombre d’images par seconde (FPS), leur ratio d’aspect (16:9, 4:3, etc.) et le type de source de la vidéo. Ce dernier filtre distingue trois catégories : les vidéos réelles (captées par des caméras), les vidéos de simulation (générées par des environnements virtuels) et les vidéos créées par des IA génératives.

Boucle de classement par rétroaction

L’une des fonctionnalités les plus innovantes de RecipeBook by Shofo est son système de reranking basé sur le feedback utilisateur. Après une première recherche, l’utilisateur peut consulter un échantillon de clips et attribuer une note à chacun selon sa pertinence. La plateforme utilise ensuite ces évaluations pour entraîner un modèle de classement (appelé « probe ») qui réordonne l’ensemble du catalogue afin de faire remonter les clips les plus alignés avec les préférences exprimées. Cette boucle peut être répétée pour affiner progressivement les résultats.

Achat en libre-service

Le processus d’acquisition est entièrement automatisé. Une fois la sélection de clips finalisée, l’utilisateur peut les acheter directement depuis l’interface, sans formulaire de contact, sans appel commercial et sans négociation. Le paiement s’effectue selon un modèle simple : 3 $ CA par heure de vidéo (facturé environ 3 $ US). La livraison des données est annoncée en quelques minutes.

Pas d’indemnité pour l’offre self-service

Il est important de noter que l’offre en libre-service n’inclut pas de clause d’indemnité légale. Les clients assument donc une partie du risque juridique lié à l’utilisation des données, ce qui peut constituer un point de vigilance pour certaines organisations.

Tarification

La structure tarifaire est simple et transparente pour les achats en libre-service. Le prix unitaire de ≈ 3 $ CA par heure de vidéo permet de démarrer avec un budget modeste, ce qui est particulièrement adapté pour des tests ou des projets de faible envergure. Pour des besoins plus massifs, il est possible de contacter l’équipe pour négocier des conditions personnalisées, bien que les détails de ces offres ne soient pas divulgués publiquement.

Cas d’utilisation

Entraînement de modèles vidéo génératifs

Les équipes qui développent des modèles capables de générer des vidéos (comme les modèles de diffusion vidéo ou les transformateurs vision-langage) ont besoin de grands volumes de données d’entraînement variées. RecipeBook by Shofo permet de constituer rapidement un corpus de clips représentant des scènes, des actions et des environnements diversifiés.

Détection d’actions et perception visuelle

Pour les pipelines de vision par ordinateur chargés de reconnaître des actions humaines (marcher, courir, attraper un objet, etc.), la plateforme offre la possibilité de sélectionner des vidéos présentant des mouvements spécifiques. Les filtres par FPS et durée permettent d’obtenir des séquences adaptées aux modèles temporels.

Détection d’objets

Les chercheurs qui travaillent sur la détection d’objets, de visages ou de mains dans des vidéos peuvent utiliser la recherche sémantique pour trouver des clips contenant ces éléments dans différents contextes. Les filtres de qualité garantissent que les données soient exploitables pour les algorithmes de reconnaissance.

Compréhension vidéo et analyse de scènes

Les modèles de compréhension vidéo nécessitent des données qui capturent des interactions complexes entre objets, personnes et environnements. Le système de reranking permet d’affiner la sélection pour ne conserver que les clips les plus pertinents pour une tâche d’analyse spécifique.

Construction de jeux de données ciblés pour pré-entraînement ou fine-tuning

Que ce soit pour un pré-entraînement sur de larges corpus ou pour un fine-tuning sur un domaine particulier, la plateforme permet d’assembler des ensembles de données répondant à des critères précis, sans avoir à construire soi-même des pipelines de collecte et de nettoyage.

Notre avis

RecipeBook by Shofo répond à un besoin réel : l’accès rapide et flexible à des données vidéo de qualité pour l’entraînement de modèles d’IA. La promesse d’une plateforme en libre-service avec des millions de clips disponibles immédiatement est séduisante pour les équipes qui souhaitent éviter les lourdeurs administratives et techniques liées à la constitution de jeux de données.

Le principal atout réside dans la boucle de classement par rétroaction. Cette fonctionnalité transforme la recherche de données en un processus itératif et semi-supervisé, ce qui peut considérablement améliorer la pertinence des sélections, surtout pour des cas d’usage spécialisés où les mots-clés traditionnels ne suffisent pas.

Le modèle de tarification à l’heure est avantageux pour les tests et les projets exploratoires. Avec ≈ 3 $ CA par heure de vidéo, il est possible d’évaluer la qualité des données sans engagement financier important. En revanche, pour des volumes conséquents, le coût unitaire peut vite s’accumuler et il serait souhaitable que la plateforme propose des forfaits ou des réductions de volume clairs, d’autant plus que l’absence d’indemnité légale dans l’offre self-service peut constituer un frein pour certaines organisations.

La plateforme se concentre exclusivement sur les données vidéo, ce qui en fait une solution de niche. Les équipes qui auraient besoin d’images fixes, de données textuelles ou de corpus multimodaux devront se tourner vers d’autres fournisseurs. De plus, la recherche visuelle repose sur la qualité du catalogage et de l’indexation du contenu. Comme la plateforme n’inclut pas de légendes ni de données d’engagement, la précision des résultats dépend entièrement de la performance de l’algorithme de recherche sémantique.

En résumé, RecipeBook by Shofo est un outil pertinent pour les laboratoires de recherche, les startups et les équipes ML qui travaillent sur la vision par ordinateur ou la compréhension vidéo et qui ont besoin de données rapidement. Nous recommandons de l’utiliser d’abord à petite échelle pour valider la qualité des clips et la pertinence des résultats avant d’envisager un déploiement à plus grande échelle. Les organisations soucieuses des aspects juridiques et de la traçabilité des données devront examiner attentivement les conditions d’utilisation de l’offre self-service.