Weights & Biases est la plateforme pour développeurs IA qu'utilisent les ingénieurs en apprentissage automatique afin de suivre leurs expériences, explorer les hyperparamètres, versionner jeux de données et modèles, et tracer les agents LLM en production. Rachetée par CoreWeave en mai 2025.
Vous avez utilisé cet outil ? Notez-le
Vous avez utilisé cet outil ? Notez-le
Weights & Biases, presque toujours abrégé en W&B et joignable sous le nom de paquet wandb qui donne son slug à cette fiche, est une plateforme pour développeurs IA dont la finalité affichée est de servir de registre de référence au travail sur l'IA. Le site officiel formule la promesse ainsi : la plateforme pour développeurs permettant de construire des agents, des applications et des modèles d'IA en toute confiance. L'expression qui revient de page en page est délibérément archivistique : des milliers d'entreprises s'appuient sur W&B comme system of record pour l'entraînement de leurs modèles et le développement de leurs applications d'IA.
Cette formulation compte, car elle explique aussi ce que le produit n'est pas. Ce n'est pas un modèle, ni un carnet de notes hébergé, ni une interface par glisser-déposer destinée à ceux qui n'écrivent pas de code. Toute interaction significative avec W&B commence à l'intérieur d'un programme Python qui entraîne déjà quelque chose ou appelle déjà un modèle de langage. Le rôle de l'outil est d'observer ce programme, de consigner ce qui s'est produit sous une forme durable et comparable, puis de rendre ce registre consultable des mois plus tard par un collègue qui n'était pas présent lors de l'exécution. Autrement dit, la discipline qu'il sert porte un nom précis : le suivi d'expériences ML.
L'entreprise a été fondée en 2017 par trois personnes. La première est Lukas Biewald, la deuxième Chris Van Pelt et la troisième Shawn Lewis. Tous trois avaient auparavant créé ensemble une société d'annotation de données nommée Figure Eight. La page « À propos » est inhabituellement précise sur le problème initial : à l'époque, suivre les modèles relevait surtout du travail manuel et les reproduire était pratiquement impossible, alors même que l'apprentissage profond progressait à vive allure. Ce qui commença comme une solution de suivi d'expériences développée pour aider à construire des modèles chez OpenAI est devenu une plateforme MLOps de bout en bout. Le dépôt GitHub corrobore la date de fondation de manière indépendante : wandb/wandb a été créé le 24 mars 2017.
Toute évaluation de W&B en 2026 doit commencer par un changement de propriétaire, car il pèse à la fois sur la feuille de route et sur la chaîne de traitement des données. En mai 2025, Weights & Biases a été rachetée par CoreWeave. Cette phrase provient de la page « À propos » de W&B elle-même, et elle se vérifie du côté de l'acquéreur : CoreWeave, Inc. (Nasdaq : CRWV) a annoncé depuis Livingston, dans le New Jersey, le 5 mai 2025, avoir finalisé l'acquisition de Weights & Biases.
Deux aspects de l'opération méritent une manipulation prudente, car la version la plus répandue est plus affirmative que les preuves ne l'autorisent.
D'abord le prix. L'article de TechCrunch indique clairement que CoreWeave a racheté la plateforme pour un montant non divulgué, et attribue le chiffre souvent cité de 1,7 milliard de dollars à un article de The Information plutôt qu'à l'une des deux sociétés. Le communiqué de clôture publié par CoreWeave, lu intégralement, ne contient aucune valeur de transaction. La formulation honnête est donc que la presse spécialisée a rapporté un montant d'environ 1,7 milliard de dollars, à comparer à une valorisation de 1,25 milliard enregistrée pour l'entreprise en 2023, et non que les parties ont divulgué un prix. Quiconque rédige une note d'achat doit traiter ce nombre comme du journalisme, pas comme un dépôt réglementaire.
Ensuite, l'entité opérationnelle n'a pas changé. Le contrat-cadre de services désigne toujours comme partie contractante Weights and Biases, LLC, société à responsabilité limitée du Delaware dont l'établissement principal se situe au 400 Alabama Street, Suite 202, San Francisco, Californie 94110. Les contrats se signent toujours avec cette entité et restent régis par le droit de l'État de New York.
Ce qui a changé se voit à trois endroits. La page dirigeants présente désormais le cofondateur Lukas Biewald comme directeur général et cofondateur plutôt que comme président-directeur général, tandis que ses deux cofondateurs portent le titre d'ingénieur émérite : une forme organisationnelle cohérente avec le fait de devenir une division au sein d'un groupe coté. La page d'accueil affiche une bannière consacrée aux CoreWeave Sandboxes, des environnements isolés permettant d'exécuter à grande échelle et en sécurité des agents d'IA et du code généré par des modèles. L'infrastructure de la maison mère apparaît donc comme une fonctionnalité de premier plan dans l'interface de W&B. Enfin, la gamme d'inférence sans serveur est décrite dans les propres termes de l'éditeur comme étant propulsée par CoreWeave.
Pour ceux qui redoutent l'enfermement propriétaire, CoreWeave a pris un engagement explicite dans le communiqué de clôture : le groupe reste attaché à l'interopérabilité de la plateforme Weights & Biases afin que ses clients conservent la liberté de choisir n'importe quel mode de déploiement, n'importe quel fournisseur d'infrastructure, ainsi que n'importe quel modèle de fondation, cadre logiciel ou protocole. Il s'agit d'une promesse publique et non d'une clause contractuelle, et elle doit être lue comme telle, mais elle figure au dossier et constitue la réponse la plus directe à la question de savoir si adopter W&B revient aujourd'hui à s'attacher à un unique fournisseur de calcul GPU.
L'entreprise décrit son équipe comme comptant 270 personnes et continuant de croître, réparties dans le monde entier. Les chiffres d'adoption exigent davantage de prudence. Le nombre rapporté par TechCrunch est que plus de 1 400 organisations utilisent ces outils comme registre de référence pour l'entraînement et l'affinage de modèles d'IA. L'article cite comme exemples le laboratoire pharmaceutique AstraZeneca et le fabricant de puces Nvidia. Il s'agit d'un chiffre fourni par l'éditeur et relayé par la presse, sans audit indépendant ; il est cité ici comme tel et non présenté comme un fait vérifié.
L'empreinte open source, en revanche, se vérifie directement. La bibliothèque cliente wandb/wandb est sous licence MIT, écrite en Python, et affichait au moment de la rédaction 11 239 étoiles, 886 forks et 954 tickets ouverts, avec des commits reçus le jour même de cette recherche. Le dépôt distinct wandb/weave, qui relève d'une autre gamme abordée plus bas, est sous licence Apache-2.0 avec 1 121 étoiles et 226 tickets ouverts. Notez la différence de licence entre les deux dépôts : une revue juridique menée sur l'un ne vaut pas pour l'autre. Notez également la frontière que le nombre d'étoiles peut masquer : ce qui est open source, c'est le SDK client et la bibliothèque Weave, pas le service hébergé qui conserve vos exécutions.
W&B se comprend mieux comme sept surfaces produit partageant un même compte, un même système de quotas de stockage et un même point d'entrée Python. La navigation officielle les répartit en sept blocs. Le premier, Models, construit et gère les modèles. Le deuxième, Training, effectue l'affinage. Le troisième, Inference, sert les modèles hébergés. Le quatrième, Weave, s'adresse aux applications d'IA générative. Le cinquième, Registry, gère les actifs. Le sixième, Core, regroupe rapports et automatisations. Le septième, Secure deployment, couvre les formes de déploiement.
Le suivi d'expériences reste le socle, et l'éditeur le décrit exactement selon la métaphore archivistique : le registre de référence de l'entraînement de vos modèles, qui suit chaque modèle, chaque métrique et chaque hyperparamètre en quelques lignes de code afin de reproduire les résultats, de déboguer les performances et d'optimiser plus vite au sein d'un tableau de bord unique.
L'instrumentation est réellement légère. On ouvre une exécution avec wandb.init(project="my_first_project"), on rattache les hyperparamètres à run.config, on pousse les métriques via run.log({"loss": ...}) et on capture les fichiers de modèle avec run.log_artifact(). Ce dernier appel marque la frontière entre le suivi et la gestion d'actifs : un artefact enregistré pendant une exécution est versionné et rejoint un graphe de filiation, au lieu de rester un fichier sur un nœud d'entraînement qui sera récupéré demain.
W&B Sweeps prend en charge l'optimisation des hyperparamètres et constitue l'une des rares pages d'éditeur à nommer ses algorithmes au lieu de laisser entendre une recette maison. L'optimisation bayésienne est proposée aux côtés d'une logique personnalisable, et l'arrêt anticipé est implémenté avec Hyperband précisément pour économiser des heures de GPU : les exécutions les plus prometteuses restent en vie tandis que les moins performantes sont interrompues, ce qui libère les agents pour tenter de nouvelles combinaisons. L'affirmation de transparence est explicite : l'éditeur déclare citer tous les algorithmes qu'il emploie et montrer l'intégralité des journaux de progression.
Pour un public d'ingénieurs en apprentissage automatique, cette divulgation vaut davantage que n'importe quel graphique de performance. On peut raisonner sur la pertinence de l'arrêt agressif propre à Hyperband pour ses propres courbes de perte, ce qui reste impossible face à une « recherche intelligente » anonyme.
Weave constitue la deuxième gamme et traite un problème distinct de l'entraînement. Son point d'entrée est weave.init() accompagné d'un décorateur @weave.op() appliqué à une fonction, après quoi la plateforme suit les appels aux modèles de langage, la recherche documentaire et les étapes des agents.
Le tableau comparatif tarifaire énumère ce que couvre Weave : le traçage, qui surveille et analyse les performances des modèles génératifs en développement comme en production en capturant les entrées, les sorties et les métadonnées de chaque inférence ; l'évaluation ; la surveillance en production, qui compare côte à côte différentes recettes incluant affinage, RAG, modèles de langage et jeux de données selon la précision, la latence et la consommation de jetons ; les métriques dites LLM-as-a-judge ; et la suppression des données personnelles.
La comparaison côte à côte est la fonctionnalité qui reflète le plus fidèlement la réalité du travail sur l'IA générative, et c'est là que l'observabilité LLM cesse d'être un mot à la mode. La question est rarement « ce modèle est-il bon » mais presque toujours « sur nos données, cet affinage vaut-il mieux que cette configuration RAG, et à quel coût en latence et en jetons ».
La couche d'actifs porte des noms de produits qui reviennent dans toute la documentation. Le versionnage des jeux de données et des modèles s'appelle W&B Artifacts. La visualisation interactive s'appelle W&B Tables. Les tableaux de bord collaboratifs s'appellent W&B Reports. Registry se place au-dessus et joue le rôle de registre de modèles pour les jeux de données, les modèles, les invites, le code et les métadonnées, avec suivi de filiation.
Core regroupe le reste de l'infrastructure : Reports, Automations, le SDK et, ajout récent qui indique la direction prise, des Skills et un serveur MCP destinés aux agents.
Inference est la surface la plus récente et la plus visiblement façonnée par le rachat. L'inférence sans serveur propulsée par CoreWeave fournit un accès par API et par playground aux principaux modèles de langage open source, permettant de développer applications et agents sans souscrire chez un hébergeur ni déployer soi-même de modèle. Il est également possible d'importer ses propres poids LoRA entraînés pour exécuter une inférence sans serveur sur des modèles affinés, ce qui referme une boucle qui exigeait autrefois trois fournisseurs : entraîner ici, enregistrer l'adaptateur ici, servir ici.
La tarification est établie par modèle, avec des tarifs distincts pour les jetons d'entrée, les jetons d'entrée mis en cache et les jetons de sortie. Deux exemples vérifiables sur le site au moment de la rédaction : NVIDIA Nemotron 3.5 Lightning à 0,10 dollar en entrée, 0,05 en cache et 0,25 en sortie par million de jetons, avec une fenêtre de contexte de 262 K ; et le modèle DeepSeek V4-Flash-0731 à 0,13 en entrée, 0,07 en cache et 0,28 en sortie, également en 262 K. Le catalogue évolue au rythme des publications de poids ouverts : référez-vous à la page tarifaire officielle plutôt qu'à un instantané.
La liste des cadres est large et chaque entrée s'accompagne de code fonctionnel sur le site : LangChain, LlamaIndex, PyTorch, Hugging Face Transformers, PyTorch Lightning, TensorFlow, Keras, scikit-learn et XGBoost. Le chemin le plus court passe par Transformers : ajouter report_to="wandb" dans TrainingArguments suffit pour que la journalisation démarre automatiquement dès l'appel à trainer.train().
Le site annonce l'application mobile Weights & Biases, présentée comme la première application iOS permettant de surveiller les expériences d'IA et de suivre les entraînements à tout moment. Ce point mérite d'être signalé pour une autre raison que la fonctionnalité elle-même : une demande intitulée « wandb mobile/desktop app? » est ouverte sur GitHub depuis juin 2022, avec 27 réactions et 59 commentaires. C'est un cas où une attente ancienne de la communauté a fini par être satisfaite.
Le cas canonique est un entraînement se comptant en jours-GPU, où le livrable qui compte six mois plus tard n'est pas le point de contrôle mais l'explication de son origine. Configuration, métriques, statistiques système et fichier de modèle atterrissent dans un même enregistrement. Lorsqu'une régression apparaît en production, la question de savoir ce qui a changé entre le modèle qui fonctionnait et celui qui ne fonctionne plus obtient une réponse consultable.
Sweeps avec arrêt anticipé Hyperband est autant un instrument budgétaire qu'un instrument de précision. Interrompre tôt les exécutions les moins bonnes et réaffecter les agents à de nouvelles combinaisons transforme une recherche exhaustive inabordable en recherche praticable ; les visualisations d'importance des paramètres indiquent ensuite quels réglages ont réellement compté.
Pour les équipes qui construisent des agents plutôt qu'elles n'entraînent des modèles, l'entrée se fait par Weave. Tracer une requête de bout en bout à travers la recherche documentaire et les appels de modèle, capturer entrées et sorties par inférence, puis comparer les recettes candidates sur la précision, la latence et la consommation de jetons avant d'en promouvoir une. La suppression des données personnelles existe précisément parce que les traces de production d'un assistant destiné aux clients contiendront sinon des données clients.
Les équipes de la santé, de la finance et du secteur public ne peuvent généralement pas envoyer leurs actifs bruts d'entraînement vers un SaaS mutualisé. Le mécanisme de stockage propre existe pour ce cas, avec une réserve importante détaillée dans la section consacrée aux plateformes.
La licence académique gratuite est inhabituellement généreuse et ses conditions figurent dans la section tarifaire. Pour un laboratoire menant de nombreuses petites expériences avec de nombreux étudiants, l'absence de limite d'heures suivies et les cent sièges changent entièrement le calcul. Lisez toutefois la note de licence dans la section des limites avant d'y verser des recherches sensibles.
Entraîner ou affiner, versionner l'adaptateur dans Registry, puis servir les poids LoRA via l'inférence sans serveur. Cette consolidation est récente et constitue à ce jour le bénéfice produit le plus net du rapprochement avec CoreWeave.
Les ingénieurs en apprentissage automatique et les chercheurs constituent le public principal, et c'est la raison pour laquelle chaque point d'entrée est un import Python. Si votre travail se matérialise dans un script d'entraînement, voici l'instrumentation de ce script.
Les développeurs d'applications d'IA générative arrivent par Weave plutôt que par le suivi d'expériences. Ils peuvent ne jamais journaliser une seule exécution d'entraînement et tirer malgré tout toute la valeur du traçage et de l'évaluation.
Les équipes plateforme et infrastructure ML s'intéressent à la matrice de déploiement, à la portée du stockage propre, à l'authentification unique, au provisionnement SCIM, aux rôles personnalisés et aux journaux d'audit : les éléments qui rendent le produit défendable devant une revue de sécurité.
Les chercheurs académiques obtiennent une licence Pro gratuite dont les modalités figurent plus bas, sous réserve de la clause d'usage des données détaillée dans les limites.
Les praticiens individuels et les autodidactes peuvent rester indéfiniment sur l'offre gratuite ou exécuter un serveur local avec wandb server start, sachant que l'offre Personal locale comporte une restriction de licence importante décrite dans les limites.
À qui cela ne convient pas : à quiconque cherche un outil d'IA sans code. Il n'existe aucun chemin significatif dans ce produit qui n'implique d'écrire du Python. Les équipes exigeant une résidence des données pour les traces d'IA générative doivent également lire la réserve sur le stockage propre avant de s'engager.
W&B fonctionne partout où fonctionne votre code d'entraînement : c'est une bibliothèque accompagnée d'un service, et non une application dotée d'une configuration requise. Ce qui varie, c'est l'endroit où réside le service lui-même.
La page tarifaire présente côte à côte le SaaS mutualisé, le déploiement dédié et le déploiement géré par le client. L'offre entreprise ajoute une option mono-locataire avec choix de région.
Le seuil est délibérément bas : il faut Docker et Python installés, et le serveur tourne sur des systèmes Linux, macOS ou Windows répondant à ces prérequis. Le démarrage tient en deux commandes : pip install wandb puis wandb server start.
L'échange de responsabilités est énoncé sans détour par l'éditeur : l'auto-hébergement vous donne un contrôle total sur vos données et votre confidentialité, mais la gestion du stockage et des sauvegardes vous incombe. C'est la version honnête du marché, qu'il vaut la peine de répéter à quiconque suppose que l'auto-hébergement est strictement plus sûr.
Ce mécanisme permet de conserver artefacts et données sensibles dans votre propre infrastructure, cloud ou sur site. Pour le cloud dédié comme pour le cloud mutualisé, W&B ne copie pas vers son infrastructure gérée les données que vous stockez dans votre compartiment. Les back-ends pris en charge sont plusieurs. On y trouve le service d'objets de la maison mère, l'offre S3 d'Amazon, le stockage cloud de Google et le stockage d'objets d'Azure. En dehors des clouds publics, un stockage compatible S3 hébergé chez vous convient également, la version entreprise de MinIO en étant un exemple. La communication entre le SDK, la ligne de commande, l'interface et vos compartiments s'effectue via des URL pré-signées.
Deux réserves déterminent si ce dispositif satisfait une véritable exigence de conformité, et toutes deux proviennent de la documentation technique et non des pages commerciales.
La première tient à la portée selon le déploiement. Le cloud mutualisé ne prend en charge que le stockage propre au niveau de l'équipe ; le niveau instance n'y est pas applicable. Le cloud dédié et l'auto-géré prennent en charge les deux niveaux.
La seconde pèse davantage : le connecteur de stockage sécurisé de la plateforme W&B n'est pas disponible pour Weave. Si votre exigence de résidence couvre les traces des applications d'IA générative, c'est-à-dire les entrées et sorties des appels de modèle en production, ce mécanisme n'y répond pas actuellement. C'est la limite la plus importante pour les équipes réglementées évaluant le versant génératif de la plateforme, et elle est facile à manquer car le tableau tarifaire ne la rend que par une note laconique indiquant qu'elle n'est pas disponible avec Weave.
Même activé, le partage des données demeure. La base centrale conserve les métadonnées des utilisateurs, des équipes, des artefacts, des expériences et des projets, ainsi que les Reports, les journaux d'expérience, les métriques système et les journaux de console. Votre compartiment héberge les fichiers et métriques d'expérience, les fichiers d'artefacts, les fichiers médias, les fichiers d'exécution et les métriques historiques exportées au format Parquet. Utiliser son propre compartiment ne signifie pas que rien ne quitte votre périmètre.
Une application iOS permet de surveiller expériences et entraînements. La localisation du site est partielle : l'énumération des liens du site commercial révèle uniquement des sous-sites en japonais, en coréen et en allemand. Il n'existe ni version chinoise, ni française, ni russe, ni espagnole, ni portugaise, si bien que les équipes non anglophones hors de ces trois langues doivent s'attendre à travailler sur une documentation en anglais.
Deux voies distinctes coexistent, l'hébergement cloud et l'hébergement privé, et chacune possède sa propre offre gratuite aux conditions différentes. Les confondre est facile et lourd de conséquences.
Gratuit, 0 dollar par mois. Conçu pour le développement personnel d'applications et de modèles d'IA. Comprend l'évaluation d'applications, le traçage, les scorers, le suivi d'expériences de modèles, le registre d'actifs avec suivi de filiation, et le support communautaire. Plafonds : jusqu'à 5 sièges modèles, 5 Go de stockage par mois, 1 Go d'ingestion Weave par mois.
Pro, à partir de 60 dollars par mois en facturation mensuelle, avec 30 jours d'essai gratuit. Ajoute un nombre illimité d'équipes collaboratives, des contrôles d'accès par équipe, des comptes de service, un support prioritaire par courriel et messagerie, des automatisations CI/CD, ainsi que des alertes Slack et courriel. Plafonds : jusqu'à 10 sièges modèles, 100 Go de stockage mensuel avec 0,03 dollar par Go supplémentaire, et 1,5 Go d'ingestion Weave mensuelle avec 0,10 dollar par Mo supplémentaire.
Entreprise, formules sur mesure. Ajoute une option mono-locataire avec choix de région, une option conforme HIPAA, une connectivité privée sécurisée, des clés de chiffrement gérées par le client, l'authentification unique, le provisionnement automatisé des utilisateurs, des rôles personnalisés, des journaux d'audit et un forfait de support entreprise.
Une réserve importante s'applique à Pro, et elle relève de la licence et non d'une limite technique : Pro est conçu pour des équipes en phase initiale et des organisations de moins de cinquante salariés, et les clients dépassant ce cadre seront tenus de migrer vers l'offre entreprise, car Pro comporte des limites de débit et des contraintes de performance susceptibles de ne pas soutenir des usages plus intenses. Une société de soixante personnes ne peut donc pas se contenter d'acheter davantage de sièges Pro.
Personal, 0 dollar par mois. Un siège utilisateur, suivi d'expériences, registre et suivi de filiation, exécution locale sur toute machine disposant de Docker et de Python. La restriction est sans ambiguïté et répétée deux fois sur la page : projets personnels uniquement, usage professionnel interdit.
Advanced Enterprise, formule sur mesure, avec une licence d'essai entreprise gratuite, ajoutant des options de déploiement souples, la conformité HIPAA, une connectivité privée sécurisée, des clés gérées par le client, l'authentification unique, le provisionnement automatisé, des rôles personnalisés, des journaux d'audit et un forfait de support entreprise.
Gratuit à perpétuité pour la recherche académique : projets et équipes illimités et 200 Go de stockage cloud offerts. L'éligibilité correspond à une licence Pro gratuite pour les institutions académiques menant des recherches sans lien avec une entité à but lucratif, destinée aux étudiants, professeurs et chercheurs postdoctoraux, et exigeant une adresse électronique institutionnelle active. La licence comprend toutes les fonctionnalités de Pro, des heures de suivi illimitées, 200 Go de stockage cloud, jusqu'à 25 Go d'ingestion Weave par mois et jusqu'à cent sièges, le stockage supplémentaire étant facturé 0,03 dollar par Go et par mois.
Pro est facturé d'avance mensuellement ou annuellement. Les sièges modèles sont proratisés lorsqu'ils sont ajoutés en cours de période, mais aucun avoir n'est émis pour les sièges retirés. L'ingestion Weave, l'inférence et le stockage sont facturés mensuellement à terme échu selon l'usage. Les formules entreprise sont facturées annuellement d'avance.
Le stockage est calculé en moyenne pondérée sur trente jours selon l'arithmétique en Go-jours exposée plus haut, et couvre à la fois les artefacts et les données journalisées dans les exécutions. Les artefacts par référence et les données en compartiment externe ne comptent pas. L'inférence est facturée par modèle, avec des crédits gratuits offerts pour une durée limitée et un crédit mensuel de 5 dollars inclus dans Pro, également temporaire. Les CoreWeave Sandboxes sont en avant-première publique avec des crédits mensuels de 10 et 25 dollars respectivement sur les offres gratuite et Pro, eux aussi limités dans le temps. Traitez ces quatre lignes de crédit comme promotionnelles et vérifiez les conditions en vigueur avant de bâtir un budget.
L'offre gratuite donne accès au support communautaire. Pro donne un support prioritaire par courriel et messagerie avec une première réponse sous 4 à 24 heures selon la gravité. L'entreprise obtient 1 à 4 heures selon la gravité et le forfait souscrit. Les heures ouvrées sont définies de 2 h à 17 h, heure du Pacifique, du lundi au vendredi. Un canal Slack ou MS Teams dédié et un ingénieur solutions IA dédié ne sont inclus qu'avec le support Premium.
Choisir un outil de suivi d'expériences revient surtout à décider ce que l'on accepte d'adopter avec lui.
MLflow est la référence open source et la comparaison la plus fréquente. Si l'exigence est que le serveur de suivi vous appartienne entièrement sans relation avec un éditeur, MLflow y répond. L'argument inverse de W&B tient à la couche collaborative hébergée, à l'implémentation des Sweeps et au versant traçage génératif, trois éléments que MLflow ne fournit pas nativement.
Neptune.ai et Comet occupent des positions voisines parmi les outils commerciaux. L'arbitrage entre eux dépend le plus souvent de la tarification selon la taille d'équipe et de besoins de visualisation précis, plutôt que d'écarts de capacité.
TensorBoard reste l'option locale sans friction. C'est la bonne réponse pour une personne seule sur une machine, et elle cesse de l'être dès qu'une deuxième personne doit consulter les résultats.
Les plateformes cloud natives telles que Vertex AI, SageMaker ou Azure ML intègrent le suivi là où l'entraînement s'exécute déjà. La contrepartie est la portabilité, précisément ce que CoreWeave s'est publiquement engagé à ne pas imposer aux clients de W&B.
LangSmith, Langfuse et Arize Phoenix concurrencent Weave spécifiquement plutôt que W&B dans son ensemble. Les équipes qui ne construisent que des applications de modèles de langage devraient évaluer ce champ plus étroit pour lui-même.
Une remarque structurelle sur la comparaison : le client W&B étant sous licence MIT et Weave sous Apache-2.0, le code d'instrumentation que vous écrivez ne constitue pas une impasse même si le service hébergé reste propriétaire. Cela réduit, sans l'éliminer, le coût d'un changement d'avis ultérieur.
Cette section est plus longue que les autres parce que les contraintes énoncées ici sont documentées et non conjecturales, et parce que plusieurs figurent dans le contrat-cadre plutôt que sur la page tarifaire.
Les données des clients gratuits et académiques peuvent servir aux tests et au développement. Le contrat-cadre stipule que W&B peut utiliser les données des clients gratuits et académiques à des fins de test et de développement. C'est la phrase la plus importante de cette page pour quiconque envisage l'offre gratuite pour des recherches non publiées ou des travaux commercialement sensibles, et elle n'apparaît nulle part sur la page tarifaire. Les offres payantes ne sont pas couvertes par cette clause. Lisez-la avant d'y verser les expériences non publiées d'un laboratoire.
L'offre Personal en hébergement privé interdit l'usage professionnel. Projets personnels uniquement. Un ingénieur faisant tourner un serveur local sur un ordinateur professionnel pour un projet professionnel sort du cadre de cette licence.
Les offres gratuites ne comportent aucun engagement de continuité. W&B se réserve le droit de modifier, d'interrompre, de suspendre ou de résilier toute formule gratuite à tout moment, à sa seule discrétion et sans préavis.
Le stockage propre ne couvre pas Weave. Répété ici car c'est la limite la plus susceptible de faire dérailler une revue de conformité tardive. Les traces d'IA générative ne peuvent actuellement pas résider dans votre compartiment.
Les fonctionnalités d'IA et leurs sorties ne bénéficient d'aucune garantie en propriété intellectuelle. L'accord est explicite : W&B ne déclare ni ne garantit que ces fonctionnalités ou sorties seront exemptes de propriété intellectuelle de tiers, et n'est pas tenue d'indemniser le client contre les réclamations en contrefaçon s'y rapportant. Tout est fourni en l'état. Par ailleurs, le client reconnaît que la nature même de l'apprentissage automatique peut produire des sorties inexactes ou identiques pour plusieurs utilisateurs, et doit évaluer toute sortie avant de s'y fier.
Les fonctionnalités bêta ne s'accompagnent d'aucune garantie, indemnisation, engagement de niveau de service ni support, et peuvent être supprimées à tout moment sans responsabilité. Les Sandboxes étant actuellement en avant-première publique, cette clause est active et non hypothétique.
Les exécutions sont de fait uniquement additives. Les preuves communautaires sont constantes et anciennes : renommer les groupes d'exécutions terminées (ouvert depuis 2020, 66 réactions), fusionner d'anciennes exécutions avec une nouvelle (2022, 51 réactions), copier une exécution entre projets (2023, 37 réactions) et réutiliser un nom supprimé (2020, 26 réactions) demeurent toutes des demandes ouvertes. Structurez vos projets en conséquence.
L'authentification en carnet peut être fragile. Le ticket relatif à la connexion sous Colab est ouvert depuis 2021 avec 38 commentaires.
Les noms et logos des clients peuvent servir au marketing. L'accord prévoit que le client consent à leur usage par W&B dans ses supports marketing, ses annonces publiques et sa communication aux investisseurs.
L'export des données vous incombe et le calendrier compte. Le client est seul responsable de l'export avant expiration ou résiliation, après quoi W&B supprime les données selon ses politiques. Les obligations de paiement sont irrévocables et les frais non remboursables, sauf disposition expresse.
L'exclusion de garantie est large. Hors clause spécifique, les actifs sont fournis en l'état, les garanties de performance, de qualité marchande, d'adéquation à un usage particulier et d'absence de contrefaçon étant expressément exclues, sans garantie d'absence d'erreur ni de fonctionnement ininterrompu.
Le droit applicable est celui de l'État de New York, avec compétence exclusive du comté de New York et renonciation au procès devant jury. Les clients hors des États-Unis doivent intégrer le coût de résolution des litiges à leur analyse d'achat.
Interdit aux moins de treize ans.
Aucune note tierce vérifiable n'existe. C'est une limite des preuves disponibles et non du produit, énoncée telle quelle plutôt que dissimulée. Le profil Trustpilot de wandb.ai n'est pas revendiqué, affiche un score de 0,0 et zéro avis ; la page indique littéralement que l'entreprise n'a encore reçu aucun avis. Les tentatives de vérification ailleurs ont toutes échoué au moment de la collecte. Le site d'avis logiciels G2 a été essayé, de même que la plateforme d'évaluation Gartner Peer Insights. L'annuaire SourceForge et le site technologique Slashdot l'ont été également. Ces quatre sources ayant été bloquées, aucune note issue d'elles n'est citée sur cette page. Cette absence n'a rien de surprenant pour une infrastructure de développement dont les utilisateurs s'expriment par tickets GitHub plutôt que par avis, mais elle signifie que les preuves tierces reposent ici sur la couverture médiatique et des données de dépôt vérifiables plutôt que sur des scores. Précaution connexe : ce profil non revendiqué indique une localisation à Anguilla, ce qui contredit l'adresse de San Francisco figurant au contrat et ne doit pas être retenu.
Le traitement des données est centré sur les États-Unis. Le tableau des sous-traitants indique une localisation aux États-Unis ou au choix du client pour AWS, Azure, GCP et Clickhouse, tandis que CoreWeave, mentionnée comme société affiliée chargée de l'administration de l'infrastructure cloud, ainsi que Datadog et Hex, sont localisées aux États-Unis. La maison mère figure donc désormais dans la chaîne de traitement à une position que le choix de région du client ne modifie pas.
Le programme de primes aux bogues a un périmètre étroit. Seules les découvertes sur qa.wandb.ai et api.qa.wandb.ai sont éligibles, tous les autres sous-domaines étant exclus. Les récompenses vont de 50 à 100 dollars pour une gravité faible jusqu'à 750 à 1 000 dollars pour les cas critiques tels qu'injection SQL, exécution de code à distance, élévation de privilèges ou requête falsifiée vers un service interne. Les chercheurs doivent signer un accord de confidentialité et ne peuvent discuter publiquement de leurs découvertes sans autorisation écrite, ce qui limite d'autant le signal de sécurité accessible aux clients potentiels.
Pour un produit dont l'achat est souvent arbitré par les équipes sécurité plutôt que par les ingénieurs, la liste des certifications mérite une transcription exacte. La plateforme détient trois certifications de normes internationales. La première porte sur les systèmes de management de la sécurité de l'information dans sa version de 2022. La deuxième concerne les mesures de sécurité propres aux services en nuage. La troisième traite de la protection des informations personnelles identifiables dans le nuage. Au-delà des certifications, la plateforme respecte le référentiel d'audit SOC 2 de type 2 ainsi que les exigences de la législation américaine sur la portabilité et la responsabilité en matière d'assurance maladie. L'éditeur indique par ailleurs aider ses clients à satisfaire le cadre fédéral américain de contrôles de sécurité des systèmes d'information, et se déclare aligné sur les exigences du règlement général européen sur la protection des données pour le traitement des informations personnelles.
Le chiffrement utilise TLS 1.2 ou supérieur en transit et AES 256 au repos. L'authentification prend en charge l'authentification unique via OIDC, LDAP ou SAML, avec un contrôle d'accès fondé sur les rôles pour la granularité. Les tests de sécurité combinent tests de vulnérabilité réguliers et tests d'intrusion, et le programme de conformité comprend à la fois des revues internes et des évaluations indépendantes par des tiers.
La disponibilité des fonctionnalités varie selon les niveaux et doit être confrontée à vos exigences. Le référentiel SOC 2 de type II et la rétention paramétrable via la durée de vie des artefacts figurent à tous les niveaux, tandis que les listes d'autorisation d'adresses IP, la connectivité privée sécurisée entrante et sortante et les clés de chiffrement gérées par le client pour AWS et GCP sont signalées comme disponibles avec l'hébergement privé. La conformité HIPAA est signalée comme possible via le stockage propre. Les rôles personnalisés et l'usage d'un compartiment propre sont signalés comme non disponibles avec Weave.
L'ensemble documentaire juridique est publié à un point d'entrée unique et comprend les conditions d'utilisation du site, le contrat-cadre de services, les conditions relatives à l'IA, un engagement de niveau de service, une politique de support, un avenant de traitement des données, la politique de confidentialité et une déclaration sur l'esclavage moderne. L'existence d'un avenant de traitement et d'un engagement de niveau de service en documents publics distincts constitue en soi un signal de maturité pertinent pour un achat.
À CoreWeave. L'acquisition a été finalisée le 5 mai 2025, annoncée par CoreWeave, Inc. (Nasdaq : CRWV) et confirmée sur la page « À propos » de W&B. L'entité contractante est inchangée : les accords se signent toujours avec Weights and Biases, LLC, société du Delaware établie à San Francisco. Le cofondateur Lukas Biewald porte désormais le titre de directeur général et cofondateur.
Non, et CoreWeave l'a dit publiquement dans son communiqué de clôture : le groupe reste attaché à l'interopérabilité de la plateforme afin que les clients puissent choisir n'importe quel mode de déploiement, n'importe quel fournisseur d'infrastructure et n'importe quel modèle de fondation, cadre ou protocole. Traitez cela comme un engagement public et non comme une clause, et notez le contrepoids pratique : CoreWeave figure désormais au tableau des sous-traitants en tant qu'affiliée chargée de l'administration de l'infrastructure cloud.
L'offre cloud gratuite est à 0 dollar par mois et comprend l'évaluation d'applications, le traçage, les scorers, le suivi d'expériences, le registre avec filiation et le support communautaire. Les plafonds sont de cinq sièges modèles, 5 Go de stockage mensuel et 1 Go d'ingestion Weave mensuelle. Elle s'arrête à la collaboration : équipes illimitées, contrôles d'accès par équipe, comptes de service, automatisations CI/CD et alertes exigent tous Pro. La limite la plus importante n'est pas un quota mais une clause contractuelle : W&B peut utiliser les données des clients gratuits et académiques à des fins de test et de développement.
Oui, et les conditions sont précises. Il s'agit d'une licence Pro gratuite pour les institutions académiques menant des recherches sans lien avec une entité à but lucratif, destinée aux étudiants, professeurs et chercheurs postdoctoraux, avec une adresse électronique institutionnelle active exigée. Elle comprend toutes les fonctionnalités de Pro, des heures de suivi illimitées, 200 Go de stockage cloud, jusqu'à 25 Go d'ingestion Weave mensuelle et jusqu'à cent sièges. Le stockage supplémentaire est à 0,03 dollar par Go et par mois. La clause d'usage des données à des fins de test et de développement applicable aux comptes gratuits s'applique également ici.
Ce sont deux gammes distinctes, avec des points d'entrée et des dépôts séparés. wandb couvre l'entraînement de modèles, c'est-à-dire suivi d'expériences, Sweeps, artefacts et registre, et son client est sous licence MIT. weave couvre les applications d'IA générative, soit le traçage des appels de modèle, l'évaluation, la surveillance en production, les métriques de jugement par modèle et la suppression des données personnelles, sous licence Apache-2.0. Les deux partagent compte et facturation, mais Weave possède un quota d'ingestion mesuré séparément du stockage.
En partie seulement. Le mécanisme prend en charge le service d'objets de CoreWeave, l'offre S3 d'Amazon, le stockage cloud de Google, le stockage d'objets d'Azure et les solutions compatibles S3 telles que la version entreprise de MinIO. Mais il n'est pas disponible pour Weave, si bien que les traces génératives ne peuvent pas y résider. Et même là où il s'applique, la base centrale conserve toujours les métadonnées des utilisateurs, des équipes, des artefacts, des expériences et des projets, ainsi que les Reports, les journaux d'expérience, les métriques système et les journaux de console.
Le stockage est une moyenne pondérée sur trente jours et non un pic. L'exemple chiffré publié par l'éditeur : 100 Go pendant quinze jours, 200 Go pendant un jour et 300 Go pendant quatorze jours donnent 5 900 Go-jours, soit 196,6 Go après division par trente, arrondis à 197 Go pour le mois. Le principal levier reste les artefacts par référence : les données conservées dans un compartiment externe ne comptent pas dans le quota, seules les métadonnées stockées chez W&B comptent.
Oui. Il faut Docker et Python, et le serveur tourne sous Linux, macOS ou Windows. Le démarrage se fait avec pip install wandb puis wandb server start. Ce que vous assumez est énoncé par l'éditeur : vous obtenez un contrôle total sur vos données et votre confidentialité, mais la gestion du stockage et des sauvegardes vous revient. Notez aussi la distinction de licence : l'offre Personal gratuite est réservée aux projets personnels et interdit l'usage professionnel, de sorte qu'un auto-hébergement d'entreprise exige la formule Advanced Enterprise.
Parce qu'aucune n'a pu être vérifiée de première main. Le profil Trustpilot de wandb.ai n'est pas revendiqué, affiche 0,0 et compte zéro avis. Les quatre autres sources consultées ont été bloquées pendant la recherche, aussi aucune de leurs notes n'est citée. Plutôt que de répéter un chiffre invérifié, cette page s'appuie sur ce qui peut être contrôlé : les métriques de dépôt, les tickets communautaires ouverts, les tarifs publiés et le texte contractuel.
Les bibliothèques clientes le sont, le service hébergé ne l'est pas. wandb/wandb est sous licence MIT avec 11 239 étoiles, 886 forks et 954 tickets ouverts, créé en mars 2017. wandb/weave est sous Apache-2.0 avec 1 121 étoiles et 226 tickets ouverts. Les deux recevaient des commits le jour de cette recherche. Vous pouvez lire et forker le code d'instrumentation, mais le service SaaS qui conserve et restitue vos exécutions demeure propriétaire.
Comment utiliser Weights & Biases
1. Installer et s'authentifier. Lancez
pip install wandb, puis connectez-vous avec votre clé d'API. Une friction connue est documentée par la communauté : un ticket intitulé « wandb.login() hangs and then disconnects me every time I try on Google Colab » est ouvert depuis avril 2021 avec 15 réactions et 38 commentaires. Si vous travaillez principalement dans des carnets hébergés, prévoyez un peu de temps pour la poignée de main d'authentification.2. Ouvrir une exécution et consigner sa configuration. Appelez
wandb.init(project=...)en tête de script d'entraînement et affectez les hyperparamètres àrun.config. Faites-le avant l'entraînement et non après : c'est cette configuration qui rendra les exécutions comparables plus tard, et un enregistrement sans elle n'est qu'un graphique sans explication.3. Journaliser les métriques dans la boucle d'entraînement. Utilisez
run.log({"loss": loss})à la cadence qui convient. L'exemple PyTorch du site journalise tous lesargs.log_intervallots, et l'intuition est la bonne : assez souvent pour voir la forme, assez rarement pour ne pas noyer le tableau de bord.4. Capturer les artefacts.
run.log_artifact("./my_model.pt", type="model")place le modèle dans le graphe de filiation versionné. Si vos poids résident déjà dans un stockage cloud, utilisez des artefacts par référence : les données situées dans un compartiment externe ne comptent pas dans le quota, seules les métadonnées comptent.5. Prendre le raccourci offert par les cadres pris en charge. Si vous utilisez le cadre d'entraînement Transformers publié par Hugging Face, ajouter la ligne
report_to="wandb"dansTrainingArgumentsconstitue l'intégralité de l'intégration. Si vous utilisez PyTorch Lightning, instanciez unWandbLoggeret passez-le auTrainer. Dans la plupart des piles techniques, écrire soi-même la journalisation est inutile.6. Passer aux Sweeps quand les exécutions isolées lassent. Définissez l'espace de recherche et laissez travailler les agents. Choisissez vos propres distributions et activez l'arrêt anticipé pour que le budget GPU aille vers la région prometteuse.
7. Ajouter Weave à tout code contenant un appel de modèle.
weave.init("votre-projet")puis@weave.opsur les fonctions qui vous intéressent. L'approche par décorateur signifie que vous annotez du code existant au lieu de le restructurer.8. Configurer Reports et Automations pour les humains. Un Report est l'endroit où un résultat d'entraînement devient quelque chose qu'un collègue lit. Les Automations et les alertes Slack ou courriel, disponibles à partir de Pro, vous dispensent de surveiller le tableau de bord.
9. Choisir la forme de déploiement avant de monter en charge, pas après. Mutualisé, dédié ou géré par le client ; et si la résidence des données est contraignante, lisez attentivement la section sur le stockage propre, car sa couverture n'est pas uniforme d'une gamme à l'autre.