Aller au contenu principal
usedby
EncordusedbyUIPath

Comment UIPath utilise Encord

UiPath utilise Encord pour annoter et gérer les données d'entraînement de ses modèles d'image, de vidéo, de texte et de voix. L'entreprise s'en est servie pour enrichir le jeu de données d'entraînement de son modèle d'extraction de tableaux, avec plusieurs annotateurs travaillant simultanément et des flux de relecture structurés.

ConfirméÉtude de cas de l’éditeur · Vérifié le 30 oct. 2026
Voir la preuve capturée

L’usage : comment UIPath déploie Encord

UiPath uses Encord to annotate and manage training data across image, video, text, and voice models. It used the platform to expand the training dataset for its table extraction model, with multiple simultaneous annotators and structured review flows.

Autres résultats publiés

Chiffres publiés dans l’étude de cas de Encord. usedby ne les mesure pas de façon indépendante.

4x

the team achieved more than a 4x reduction in error rate

96–97%

Before, the model was performing at around 96–97% mAP on their internal dataset

Le témoignage du client

Ce qu'Encord apporte aujourd'hui à notre équipe, c'est surtout de la disponibilité d'esprit. Fini la corvée de démarrer un nouveau projet de zéro. Nous l'avons simplement déléguée et nous nous sommes concentrés sur le modèle.
Traduction automatique de l’anglais
Voir l’originalWhat Encord is bringing to our team now is mostly headspace. Taking away the pain of starting a new project from scratch. We just delegated that away and focused on the model.
Dragos Bobolea, Director, Applied Sciences, UIPath — Source

Les autres outils IA utilisés par UIPath

Autres relations publiques recensées sur usedby.

DrataConfirméDropzone AIConfirméFireworks AIObservéNoma SecurityObservéProductboardObservéSeekOutObservé
Explorer la stack IA de UIPath

Les clients de Encord dans le secteur Intelligence artificielle

Des entreprises du même secteur, avec une preuve publique.

Ambi RoboticsConfirméArchetype AIConfirméPickle RobotConfirméStandard AIConfirméThoro.aiConfirméUVeyeConfirmé
Voir tous les clients de Encord

Autres témoignages

Consulter la source

Cette synthèse repose sur l’étude de cas publiée par Encord. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.

encord.com
Source publiée
28 avr. 2026
Dernière vérification
30 oct. 2026
encord.comCapture de l’étude de cas de Encord sur UIPathOuvrir la capture
Ce que dit le témoignage, et ce que nous avons vérifié

Ce que nous avons comparé à la page.

  • Le chiffre : 10x+Vérifié

    Le chiffre est sur la page ; son libellé est formulé par nous.

  • L’extrait cité plus hautVérifié

    Copié mot pour mot depuis la page, près du nom de UIPath.

  • La date de publicationVérifié

    Lue dans les métadonnées de la page, jamais devinée.

  • UIPath utilise EncordVérifié

    Ligne de niveau Confirmé.

  • Le résultat lui-mêmeNon vérifié

    Nous le citons ; nous ne l’avons pas mesuré.

After using Encord to more than 10x the size of the training dataset, the team achieved more than a 4x reduction in error rate, pushing accuracy above 98% and close to 99%.
Extrait de la page. encord.com