Pour les analyses qui reviennent chaque semaine, chaque jour ou lorsqu’un événement important se produit.
BI Dashboarding
Monitoring & Agent Ops
Multi-LLM
Python
FastAPI
L’IA qui travaille sur vos données ne devrait pas être une boîte noire.
Depuis le premier jour, thaink² construit ses agents Data autour d’une conviction simple : lorsqu’une IA travaille avec les données d’une entreprise, les équipes doivent pouvoir comprendre son fonctionnement, inspecter son architecture et garder la maîtrise de son environnement.
aPowerB est le cœur technique de cette conviction rendu public.
C’est le moteur agentique sur lequel s’appuie notre écosystème Data, notamment nos Data Analyst, BI, Predictive et Knowledge Agents disponible sous licence Apache 2.0 pour que vous puissiez l’auditer, l’auto-héberger, l’étendre et construire vos propres agents dessus.
Une architecture pensée pour la production. Pas pour la démo.
aPowerB ne s’arrête pas à une abstraction autour d’un LLM. Il fournit l’environnement nécessaire pour construire, exposer et exécuter des systèmes agentiques dans une architecture réelle.
Matérialisez les agents dynamiquement
Les définitions de vos agents sont stockées en base puis générées sous forme de modules Python exécutables au démarrage. Vous pouvez faire évoluer votre catalogue d’agents sans reconstruire toute votre architecture.
Définitions d’agents persistées en base
Modules Python générés automatiquement
Évolution sans rebuild applicatif complet
Un runtime. Les modèles de votre choix.
LiteLLM fournit une couche unifiée pour connecter différents fournisseurs de modèles ou endpoints compatibles. Faites évoluer votre stack sans réécrire la logique de vos agents.
Multi-LLM via LiteLLM
Modèles locaux et endpoints personnalisés
Changez de fournisseur sans réécrire vos agents
Les capacités essentielles sont déjà là.
RAG, Text-to-SQL, outils personnalisés, intégrations, webhooks, exécutions planifiées et génération d’artefacts : les primitives nécessaires pour transformer un agent en véritable système sont intégrées au runtime.
RAG & Text-to-SQL
Outils, intégrations & webhooks
Exécutions planifiées & génération d’artefacts
Open source là où cela compte. Commercial là où l’entreprise en a besoin.
Transformez vos données en tableaux de bord interactifs, KPI et visualisations que les agents peuvent générer, actualiser et exploiter au fil de vos analyses.
Supervisez vos agents en production : exécutions, logs, événements, consommation de tokens, coûts estimés et appels aux modèles depuis une même vue opérationnelle.
Évaluez automatiquement la qualité du travail des agents avec LLM-as-a-Judge, selon des critères comme l’usage des outils, la cohérence, la complétude et les hallucinations.
Pilotez l’activité de votre organisation depuis une vue centralisée regroupant agents, utilisateurs, usages, événements et principaux indicateurs de la plateforme.
aPowerB Open Source
Agent runtime
Agent orchestration
Agent materialization
Multi-LLM connectivity
RAG
Text-to-SQL
Custom tools & integrations
REST API & CLI
Self-hosting
Apache 2.0
thaink² / Extensions
AgentOps
Evaluation
Usage & cost controls
Enterprise monitoring
Advanced enterprise security
Organisation governance
Priority support
Managed implementation
Enterprise services
Commercial modules
Votre infrastructure. Vos modèles. Vos données.
Déployez aPowerB sur votre propre environnement et gardez la maîtrise de l’endroit où s’exécutent vos agents et où résident vos données.
Le stack de déploiement officiel prévoit notamment Docker Compose, Kubernetes, Helm et un déploiement sur VM. Le Docker Compose self-hosted démarre PostgreSQL, le backend aPowerB et aPowerB UI.
BI Dashboarding
Monitoring & Agent Ops
Helm
VM
Qu’est-ce qu’une Agentic Data Platform ?
Une Agentic Data Platform utilise des agents IA spécialisés pour travailler sur les données de l’entreprise. Contrairement à un dashboard statique ou à un simple chatbot, les agents peuvent explorer plusieurs sources, conduire une analyse, produire des visualisations, générer des livrables et exécuter des missions récurrentes.
Quelle différence entre le mode Proactif et le mode Exploratoire ?
En mode Exploratoire, l’utilisateur pose une question et thaink² mène l’analyse à la demande. En mode Proactif, une mission est définie à l’avance : les agents surveillent les données selon la fréquence ou les conditions prévues et livrent automatiquement les résultats utiles.
Faut-il connaître SQL pour utiliser thaink² ?
Non pour les usages métier. Les utilisateurs peuvent poser leurs questions en langage naturel et obtenir analyses, tableaux, graphiques et dashboards sans écrire eux-mêmes leurs requêtes SQL.
À quelles sources de données thaink² peut-il se connecter ?
La plateforme est conçue pour travailler avec les sources déjà présentes dans l’entreprise : bases de données, Data Warehouses, ERP, CRM, API, fichiers et espaces documentaires. Les connecteurs disponibles dépendent de votre environnement et du cas d’usage.