Un framework multi-agent piloté par LLM qui automatise la détection d'anomalies sur des données tabulaires, de graphes et de séries temporelles.
Générez, exécutez, examinez et évaluez des pipelines de détection d'anomalies à l'aide de requêtes conversationnelles.
AD-AGENT est un framework open source qui convertit les demandes en langage naturel en code exécutable de détection d'anomalies. Il coordonne des agents LLM spécialisés pour sélectionner des algorithmes, récupérer de la documentation, générer des scripts et évaluer les performances. Vous devez l'utiliser si vous analysez des données opérationnelles et souhaitez automatiser les flux de travail de détection sur des jeux de données tabulaires, de graphes ou de séries temporelles.
Le système accepte des instructions en langage naturel pour exécuter des algorithmes de détection tels que Isolation Forest ou DOMINANT sur vos jeux de données bruts. Il orchestre des agents distincts pour la planification des tâches, la sélection des modèles, la génération de code, la révision de code et l'évaluation. L'exécution se fait dans des bacs à sable (sandboxes) Modal ou Docker isolés pour empêcher le code LLM non vérifié de s'exécuter directement sur votre machine hôte.
Il convient aux analystes de données, aux chefs de projets techniques et aux ingénieurs opérationnels cherchant à prototyper des routines de détection d'anomalies sans câblage de scripts manuel. Il est moins adapté aux équipes non techniques ayant besoin d'une interface graphique (GUI) terminée ou d'une stabilité de niveau production, car le projet est encore en cours de refactoring actif. Il nécessite également une clé API OpenAI et une infrastructure de conteneurs pour fonctionner.
Convertit des invites textuelles en scripts Python exécutables pour les algorithmes de détection d'anomalies.
Coordonne des agents spécialisés pour gérer la sélection de modèles, la récupération de documents, l'écriture de code, la révision de code et l'évaluation.
S'intègre avec PyOD pour les données tabulaires, PyGOD pour les structures de graphes et TSB-AD pour les jeux de données de séries temporelles.
Exécute le code généré par LLM dans des conteneurs Docker locaux ou des environnements Modal distants pour plus de sécurité.
Expose les étapes d'orchestration individuelles sous forme de fonctions Python à intégrer directement dans des notebooks Jupyter ou des scripts personnalisés.
AD-AGENT est gratuit sous licence BSD-2-Clause. Son utilisation nécessite une clé API OpenAI active, ce qui engendre des coûts d'utilisation par token, ainsi que des coûts d'infrastructure optionnels si vous utilisez les bacs à sable (sandboxes) distants Modal.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
AD-AGENT gère les données tabulaires, de graphes et de séries temporelles en utilisant des intégrations avec les bibliothèques PyOD, PyGOD et TSB-AD.
Oui, les scripts générés s'exécutent dans un environnement de bac à sable (sandbox) isolé utilisant soit des conteneurs Docker locaux, soit des backends Modal distants.
Oui, AD-AGENT s'appuie sur les modèles OpenAI pour le raisonnement des agents et la génération de code, une clé API OpenAI active est donc requise.
Voir Zekai en premier dans Google