Si les données sont au cœur des entreprises modernes, une grande partie d'entre elles reste cloisonnée dans des entrepôts de données, des documents et des applications. Bien que l'expression « Big Data » ait été popularisée dans les années 1990, exploiter des données structurées cloisonnées requiert, pour la plupart des utilisateurs finaux, des équipes de data science, des connaissances en SQL ou une expertise des schémas de bases de données, ce qui rend difficile l'accès, l'analyse et l'utilisation des données pour éclairer les décisions. Selon Gartner, les agents IA sont sur le point de changer la donne : 64 % des personnes interrogées citent l'analytique et la BI parmi les trois principaux domaines où les agents IA auront le plus d'impact.
Aujourd'hui, nous sommes ravis d'annoncer une évolution majeure des capacités d'analyse de données de Glean, qui simplifie l'extraction d'insights à partir de données structurées dans BigQuery pour tout le monde, quel que soit le niveau d'expertise en SQL. Désormais, grâce aux agents de requêtes structurées de Glean, vous pouvez obtenir des insights en temps réel depuis BigQuery, soit via du 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 nouveautés aident les équipes à tirer des insights exploitables de leurs systèmes de données stratégiques et à automatiser des workflows sophistiqués. Surtout, ces capacités sont disponibles directement dans les outils qu'elles utilisent le plus, sans nécessiter d'investissements en temps importants ni d'expertise technique.
Exploiter les insights des données BigQuery grâce à l'IA
En tant que l'un des entrepôts de données cloud les plus largement utilisés, BigQuery stocke d'énormes volumes de données métier pour de nombreux secteurs. Avec autant de données stratégiques stockées dans BigQuery, la capacité à accéder rapidement à ces insights, à les comprendre et à agir en conséquence devient essentielle pour une prise de décision efficace. Pourtant, le manque d'expertise technique ou de bande passante maintient cela hors de portée de la plupart des équipes.
Désormais, à partir d'une seule interface Glean, les utilisateurs peuvent exploiter BigQuery soit via une action SQL déterministe pour les utilisateurs avancés, soit via une action en langage naturel qui traduit des questions en anglais courant en insights en temps réel.
.webp)
« Les clients ont massivement investi dans la construction d'une source unique de vérité avec BigQuery, mais le dernier kilomètre — faire parvenir les insights aux 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 bâti une passerelle fluide qui permet aux utilisateurs d'interroger des données à l'échelle du pétaoctet en langage naturel, directement au cœur de leur travail. C'est la synergie parfaite entre la plateforme d'IA centrée sur l'utilisateur de Glean et l'évolutivité 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 précise et familière, et les utilisateurs non techniques peuvent poser des questions en anglais courant via l'API Conversational Analytics de Google — le tout au sein de la 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 ingénieurs data qui souhaitent écrire et exécuter leurs propres requêtes SQL. Elle permet à un agent Glean d'exécuter votre SQL tel quel, tout en gardant un contrôle total sur les CTE, les fonctions de fenêtrage, la gestion des ARRAY/STRUCT, les jointures précises et les filtres de partition, pour des exécutions prévisibles et prêtes à être auditées. C'est idéal pour les rapports paramétrés, les SLA et les contrôles de qualité des données où la forme 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 en déterminer la valeur et transmettre une requête dans les instructions de l'agent.
Gemini BigQuery Analytics avec contexte
Et pour les utilisateurs sans connaissances en SQL ? Au lieu de solliciter votre équipe de data science pour chaque demande ponctuelle, vous pouvez poser des questions comme « Quelles campagnes ont généré le plus de pipeline le trimestre dernier ? » ou « Quelles fonctionnalités enregistrent la plus forte utilisation active hebdomadaire parmi les comptes grands comptes ? », et un agent de requêtes structurées de 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 façons flexibles et puissantes d'interroger vos données BigQuery, Glean facilite l'automatisation des rapports, l'analyse des indicateurs métier clés et la prise de décisions, le tout sans avoir à jongler entre les onglets, à écrire du SQL complexe ou à faire appel à des experts techniques. Que vous soyez un data scientist expérimenté ou que vous ayez des connaissances minimales en SQL, les utilisateurs disposent désormais d'un point unique pour obtenir des réponses de leurs entrepôts de données Google.
Ces fonctionnalités de données structurées fonctionnent parfaitement aux côtés de notre écosystème de connecteurs, de nos capacités de recherche et d'automatisation. Elles peuvent être associées à des actions telles que les notifications, la génération de rapports ou des déclencheurs de workflow personnalisés dans les agents, transformant chaque requête en une occasion d'automatiser et de collaborer. Nous continuerons également à proposer de futures extensions vers davantage de sources de données ainsi que de nouveaux types de requêtes.
Prêt à essayer ces nouvelles fonctionnalités ou à les voir en action ? Consultez la vidéo de démonstration ci-dessus ou cette page pour en savoir plus sur la manière dont les données structurées peuvent fluidifier votre travail.
