Si les données alimentent les entreprises modernes, une grande partie d’entre elles reste encore enfermée dans des silos — entre entrepôts de données, documents et applications. Bien que le terme « Big Data » ait été popularisé dans les années 1990, pour la plupart des utilisateurs finaux, exploiter des données structurées cloisonnées nécessite des équipes de data science, des connaissances en SQL ou une expertise des schémas de bases de données — ce qui rend l’accès, l’analyse et la mise à profit des données pour éclairer les décisions particulièrement difficiles. Selon Gartner, les agents d’IA sont sur le point de changer la donne, 64 % des répondants citant l’analytique et la BI parmi les trois domaines où les agents d’IA auront le plus d’impact.
Aujourd’hui, nous sommes ravis d’annoncer une expansion majeure des capacités d’analyse de données de Glean, rendant l’extraction d’insights à partir de données structurées dans BigQuery simple pour tout le monde, quel que soit le niveau en SQL. Désormais, avec les agents de requêtes structurées de Glean, vous pouvez obtenir des insights en temps réel depuis BigQuery, soit via SQL direct, soit en langage naturel grâce à l’API Conversational Analytics de Google — transformant des requêtes de données complexes en conversations simples et intuitives.
Ces nouvelles mises à jour aident les équipes à dégager des insights exploitables à partir de leurs systèmes de données critiques pour l’entreprise et à automatiser des workflows sophistiqués. Fait important, ces capacités sont disponibles directement dans les outils qu’elles utilisent le plus, sans nécessiter d’investissements significatifs en temps ni une expertise technique. ;
Exploiter les insights des données BigQuery avec l’IA
Parmi les entrepôts de données cloud les plus utilisés, BigQuery stocke des volumes massifs de données métiers dans de nombreux secteurs. Avec autant de données business critiques hébergées dans BigQuery, la capacité à accéder rapidement à ces insights, à les comprendre et à agir devient essentielle pour une prise de décision efficace — mais le manque d’expertise technique ou de bande passante met cela hors de portée pour la plupart des équipes. ;
Désormais, depuis une interface unique Glean, les utilisateurs peuvent interroger BigQuery soit via une action SQL déterministe pour les utilisateurs avancés, soit via une action en langage naturel qui transforme des questions en anglais courant en insights en temps réel.
.webp)
« Les clients ont beaucoup investi pour bâtir une source de vérité centralisée avec BigQuery, mais le dernier kilomètre — mettre les insights entre les mains des décideurs — a toujours été un défi. Les agents de requêtes structurées de Glean changent la donne. En s’appuyant sur l’API Conversational Analytics de Google, Glean a construit un pont fluide qui permet aux utilisateurs d’interroger des données à l’échelle du pétaoctet en langage naturel, directement dans leur flux de travail. C’est la synergie parfaite entre la plateforme d’IA centrée sur l’utilisateur de Glean et l’échelle et les performances inégalées de BigQuery. »
— Yasmeen Ahmed, Managing Director, Data Cloud, Google Cloud ;
Une seule interface, deux façons de travailler avec BigQuery
Dans Glean, les équipes peuvent choisir l’interface adaptée à leurs compétences : les utilisateurs avancés peuvent écrire du SQL directement pour une spécification de requête exacte et une expérience familière, et les utilisateurs non techniques peuvent poser des questions en anglais courant via l’API Conversational Analytics API de Google — le tout au sein d’une même expérience d’agent. Voici comment fonctionne chaque agent de requêtes structurées :
Rechercher dans BigQuery avec SQL
Cette action s’adresse aux analystes et aux data engineers qui souhaitent écrire et exécuter leurs propres requêtes SQL. Elle permet à un agent Glean d’exécuter votre SQL tel quel, en conservant un contrôle total sur les CTE, les fonctions de fenêtre, la gestion des ARRAY/STRUCT, les jointures précises et les filtres de partition pour des exécutions prévisibles et prêtes pour l’audit. C’est idéal pour les rapports paramétrés, les SLA et les contrôles de qualité des données lorsque la structure de la requête compte et pour piloter le rapport coût/performance via des filtres de partition stricts ou des vues matérialisées. L’utilisateur peut soit fournir le SQL mot pour mot, soit laisser l’IA décider de la valeur et transmettre une requête dans les instructions de l’agent.
Gemini BigQuery Analytics with Context
Et pour les utilisateurs qui ne connaissent pas le SQL ? Au lieu de solliciter votre équipe de data science à chaque demande ad hoc, vous pouvez poser des questions comme « Quelles campagnes ont généré le pipeline le plus élevé le trimestre dernier ? » ou « Quelles fonctionnalités affichent l’usage hebdomadaire actif le plus élevé parmi les comptes enterprise ? » et un agent de requêtes structurées Glean transmet la requête en langage naturel de l’utilisateur à BigQuery, où Google la convertit en SQL. Glean affiche ce SQL dans les étapes intermédiaires et renvoie la réponse finale à l’utilisateur en anglais courant.
Aller plus loin avec l’IA grâce à Glean
Avec ces nouvelles méthodes flexibles et puissantes pour interroger vos données BigQuery, Glean facilite l’automatisation du reporting, l’analyse des indicateurs clés de l’entreprise et la prise de décision — sans avoir à jongler entre les onglets, écrire du SQL complexe ou dépendre d’experts techniques. Que vous soyez un data scientist chevronné ou que vous ayez des connaissances limitées en SQL, les utilisateurs disposent désormais d’un endroit unique pour obtenir des réponses à partir de leurs data warehouses Google.
Ces fonctionnalités de données structurées s’intègrent parfaitement à notre écosystème de connecteurs, ainsi qu’à nos capacités de recherche et d’automatisation. Elles peuvent être associées à des actions comme les notifications, la génération de rapports ou des déclencheurs de workflows personnalisés dans les agents, transformant chaque requête en opportunité d’automatiser et de collaborer. Nous continuerons également à déployer des extensions vers davantage de sources de données et de nouveaux types de requêtes.
Prêt à essayer ces nouvelles fonctionnalités ou à les voir en action ? Découvrez la vidéo de démonstration ci-dessus ou cette page pour en savoir plus sur la manière dont les données structurées peuvent rationaliser votre travail.
