Choisissez en fonction du type de données dont vous disposez, et non du marketing de la plateforme. Les prédictions métier sur données tabulaires (attrition, scoring des prospects, prévisions) conviennent à Obviously AI, H2O ou DataRobot. Pour les images, utilisez Teachable Machine pour un test rapide, et Roboflow ou Vertex AI AutoML pour tout projet sérieux. La classification de texte ne justifie de plus en plus souvent aucune plateforme dédiée. Deux outils que la plupart des comparatifs de 2026 mentionnent encore ne sont plus des choix pertinents, et c’est par là que commence ce guide.
Comment ce guide a été conçu
Il s’agit d’un guide d’achat, pas d’un benchmark. Personne ici n’a fait passer le même jeu de données dans huit plateformes en les chronométrant, et tout comparatif qui vous attribue une note en étoiles pour la « précision » sans publier le jeu de données vous invite à faire confiance à un chiffre qu’il a inventé. Ce qui suit s’appuie sur la documentation actuelle et les tarifs publiés de chaque fournisseur, vérifiés en août 2026, ainsi que sur l’élément que la plupart des listes omettent : le produit existe-t-il encore ?
Lorsque les tarifs sont communiqués uniquement après un échange commercial, cela est indiqué plutôt que supposé.
Deux plateformes à rayer en premier de votre liste restreinte
Lobe n’existe plus
Le classificateur d’images par glisser-déposer de Microsoft figure encore en tête de la plupart des listes des « meilleurs outils de ML sans code », généralement présenté comme gratuit et accessible aux débutants. Son développement s’est arrêté en 2021, son modèle de classification d’images a été abandonné en janvier 2023 et les applications de bureau ne sont plus distribuées. Si un guide publié cette année recommande Lobe, son auteur n’a pas vérifié.
Les solutions de remplacement sont Teachable Machine pour un test rapide, et Roboflow ou Vertex AI AutoML de Google pour tout ce que vous comptez déployer.
Akkio est monté en gamme
Pendant des années, Akkio a été la réponse honnête pour une « équipe non technique, premier modèle, petit budget », avec un tarif en libre-service d’environ 49 $ par utilisateur et par mois. En juillet 2026, le service ne publie plus de tarifs en libre-service : le site ne propose plus qu’une offre Enterprise AI Analytics Platform destinée aux agences médias, accessible via un formulaire de contact commercial.
Cet outil peut toujours être le bon choix pour vous. Ce n’est plus le premier outil adapté à une équipe marketing de deux personnes, et les listes qui citent encore l’offre à 49 $ décrivent un produit que vous ne pouvez pas acheter.
Ce que fait le ML sans code, et où se situe la limite
Ces plateformes automatisent la modélisation, pas la réflexion. Importez un tableau, indiquez la colonne à prédire, et la plateforme teste toute une gamme d’algorithmes, les règle, puis vous renvoie le meilleur avec une estimation de ses performances. Cela prenait réellement une semaine à un data scientist.
Ce qu’elles ne font pas :
- Décider si la question mérite d’être posée. Un modèle qui prédit l’attrition avec une précision de 92 pour cent ne vaut rien si personne n’a décidé de ce qui se passe lorsqu’il se déclenche.
- Corriger vos données. Chacun d’entre eux entraînera volontiers un modèle sur une colonne qui laisse échapper la réponse, puis affichera une précision spectaculaire qui s’effondrera en production.
- Vous dire que le modèle est erroné d’une manière qui compte. La précision globale masque le cas où le modèle est excellent pour les 90 pour cent de clients qui ne partent jamais et inutile pour les 10 pour cent qui partent.
C’est la manière la plus courante dont un projet de ML sans code échoue discrètement.
Pour les prédictions commerciales tabulaires
Attrition, scoring des prospects, prévision de la demande, détection des fraudes. C’est là que se trouve la majeure partie du ML en entreprise et que ces outils sont réellement performants.
Obviously AI
Connectez une source de données, indiquez ce que vous souhaitez prédire et obtenez un modèle en quelques minutes. C’est le chemin le plus rapide entre une feuille de calcul et une prédiction, et le bon choix pour répondre à la question « y a-t-il le moindre signal ici ? » avant que quiconque n’engage un budget. Moins adapté aux modèles que vous comptez exécuter et surveiller pendant un an.
DataRobot
ML automatisé avec les aspects sur lesquels les entreprises font réellement l’objet d’audits : gouvernance des modèles, supervision, détection de la dérive et documentation. L’interface ne nécessite pas de code, mais les concepts, eux, ne sont pas simples ; l’outil convient donc davantage à un analyste de données qu’à un spécialiste du marketing. Tarification entreprise, établie au cas par cas.
H2O AutoML
Open source et gratuit, il rivalise avec l’AutoML commercial sur les tâches tabulaires standard. Il faut quelqu’un à l’aise avec un notebook ou un serveur en fonctionnement ; c’est donc une excellente option pour une équipe comptant une personne technique et disposant de peu de moyens, plutôt que pour une équipe qui n’en compte aucune.
La plateforme produit un chiffre. Hannah conçoit la méthode qui l’entoure : quels éléments d’entrée du pipeline sont admissibles, ce que l’intervalle de confiance signifie pour la décision, et comment présenter une prévision que la direction ne minimisera pas discrètement.
Voir Hannah →Pour le texte
La question délicate d’abord
Les plateformes dédiées à la classification de texte ont été conçues à une époque où les classificateurs personnalisés étaient le seul moyen de trier les tickets d’assistance par intention ou de classer les avis par sujet. Un modèle généraliste peut désormais le faire à partir d’une instruction écrite, sans aucune donnée d’entraînement. Pour tout volume inférieur à quelques milliers de documents par mois, un prompt bien rédigé exécuté par lots sera généralement plus efficace que l’effort nécessaire pour étiqueter un jeu de données d’entraînement.
L’intérêt d’un classificateur dédié reste réel à grande échelle, lorsque le coût par appel et la latence comptent, et lorsque vous avez besoin que la même décision soit prise à l’identique à chaque fois.
MonkeyLearn, qui fait désormais partie de Medallia
MonkeyLearn a été racheté par Medallia en 2022, et sa technologie a été intégrée à Medallia’s Experience Cloud. Si vous le voyez recommandé comme produit autonome en libre-service à prix mensuel fixe, considérez cette information comme obsolète et vérifiez ce que Medallia vend réellement aujourd’hui avant de vous baser dessus.
Un export de prédictions n’est pas une réponse. Clara commence par formuler la question, vérifie que les données permettent d’y répondre, puis transforme le fichier en quelque chose sur lequel une partie prenante non technique peut prendre une décision.
Voir Clara →Pour les images
Teachable Machine
L’outil gratuit de Google accessible depuis un navigateur. Aucun compte ni installation nécessaires : obtenez en environ quinze minutes un classificateur fonctionnel d’images, de sons ou de poses à l’aide de votre webcam ou de fichiers importés. C’est la bonne façon de savoir si votre idée est même plausible. Ce n’est pas un système de production, et il ne prétend pas l’être.
Roboflow
Le choix pratique une fois que la version d’essai fonctionne : gestion des jeux de données, annotation, augmentation, entraînement et déploiement au même endroit, conçu spécifiquement pour la vision par ordinateur. C’est là que la plupart des équipes finissent après Teachable Machine.
Google Vertex AI AutoML
Classification d’images et détection d’objets personnalisées avec recherche automatisée d’architectures, au sein de Google Cloud. Cela vaut le coup si vous utilisez déjà GCP, disposez d’un grand jeu de données annoté et avez besoin d’un déploiement en entreprise. Trop lourd pour tout projet de moindre ampleur.
Clarifai
Vision par ordinateur avec une bibliothèque de modèles préconstruits pour des tâches courantes comme la reconnaissance d’objets et la modération de contenu, ainsi qu’un entraînement personnalisé sans code et une API. Particulièrement efficace lorsqu’un modèle préconstruit couvre déjà votre tâche, car vous évitez entièrement l’annotation.
Choisir, en un seul passage
- Feuille de calcul, vous voulez une prédiction aujourd’hui : Obviously AI.
- Feuille de calcul, une personne technique, aucun budget : H2O AutoML.
- Réglementé, audité, avec besoins de suivi et de documentation : DataRobot.
- Images, tester une idée : Teachable Machine.
- Images, construire quelque chose de réel : Roboflow, ou Vertex AI AutoML si vous utilisez déjà Google Cloud.
- Images, et un modèle pré-entraîné peut déjà suffire : Clarifai.
- Texte, volume modéré : essayez un prompt avant d'acheter une plateforme.
Une règle sous-tend tout cela : choisissez l'outil le plus simple qui réponde à la question que vous vous posez maintenant. Le coût du dépassement des capacités d'un outil gratuit, c'est un week-end. Le coût d'un contrat d'entreprise dont vous n'aviez pas besoin, c'est un an.
Ce que DataRobot vend réellement, c'est la rigueur : formuler la question, repérer la colonne qui introduit une fuite de données, choisir la métrique adaptée à la décision, concevoir un test auquel vous pouvez faire confiance. Leila s'en charge.
Voir Leila →Ce qu'aucune plateforme ne résout
Chaque outil ci-dessus automatise le milieu du travail. Les erreurs coûteuses se trouvent aux deux extrémités : choisir une variable cible qui ne correspond à aucune décision que quelqu'un prendra, et remettre à une partie prenante une colonne de probabilités sans recommandation associée.
Si votre équipe ne dispose d'aucune fonction dédiée aux données, c'est cette lacune qu'il faut combler en premier, avant même que le choix de la plateforme ait la moindre importance.
En résumé :
Évitez Lobe, qui n'existe plus, et vérifiez les conditions actuelles d'Akkio avant de planifier en fonction de son ancienne offre à 49 $. Pour les prévisions, associez votre plateforme à Hannah (Prévisions des ventes) ; pour transformer une exportation en décision, à Clara (Analyste de données) ; pour le jugement statistique qu'un contrat d'entreprise vend réellement, à Leila (Data Scientist). 14,99 $, 14,99 $ et 19 $, toutes fonctionnent dans Claude, ChatGPT ou n'importe quel chat AI, avec une garantie satisfait ou remboursé de 30 jours.
État de la plateforme et tarifs vérifiés en août 2026. Les fournisseurs modifient leurs conditions sans préavis ; vérifiez donc les tarifs actuels sur le site du fournisseur avant d'engager votre budget.
Prêt à mettre cela en pratique ? Parcourez les Skills de technologie et de développement pour Claude et ChatGPT, ou explorez toutes les Skills Claude et la bibliothèque de prompts.