Adapter les requêtes SQL en langage naturel est devenu un must have pour les fournisseurs de data store. Google n’échappe pas à cette tendance en ajoutant l’assistant Conversational Analytics pour accélérer l’analyse de données dans BigQuery. Actuellement en preview, ce module se situe sous l’onglet Conversations dans le centre Agent Hub. Ce dernier concentre des outils pour créer, déployer et gérer des agents personnalisés dans toutes les applications et tous les flux de travail opérationnels via des points de terminaison API.

Une assistance plus contextualisée

Selon les analystes, ces annonces étendent les capacités de conversion de texte en SQL du datawarehouse. « BigQuery offre déjà des fonctionnalités comme Data Canvas pour faciliter la génération de requêtes et l'exploration visuelle. Ce qui change avec l'assistant, ce n'est pas la possibilité de poser des questions dans un langage simple, mais celle d'avoir une conversation contextuelle avec les données en plusieurs étapes, que l’on peut qualifier d’analyse conversationnelle », a expliqué Abhisekh Satapathy, analyste principal chez Avasant. « Au lieu de traiter chaque prompt comme une demande ponctuelle, l’assistant se souvient de ce qui a été demandé précédemment, y compris les ensembles de données, les filtres, les plages horaires et les hypothèses, et utilise ce contexte pour répondre aux questions suivantes, de sorte que les utilisateurs affinent progressivement leur analyse sans avoir à repartir de zéro à chaque fois », a-t-il ajouté.

Celui-ci souligne encore que la fonction allège le travail des développeurs en leur évitant de préconstruire des tableaux de bord ou une logique métier prédéfinie pour chaque question que l’analyste de données ou l’utilisateur professionnel pourrait poser. « Plutôt que de coder chaque scénario à l'avance, les équipes peuvent laisser l'agent interpréter dynamiquement l'intention de l'utilisateur, tout en appliquant les contrôles d'accès, les définitions métriques et les règles de gouvernance déjà définis dans BigQuery », a-t-il poursuivi.

Une concurrence forte sur l'IA adaptée à SQL

Concernant Agent Hub, l’analyste estime que les outils répondent à trois besoins pratiques des entreprises : « Ils réduisent la duplication de la logique d'analyse entre les outils, garantissent la cohérence des définitions et des politiques pour tous les utilisateurs d'analyses, et centralisent le contrôle d'accès et l'audit plutôt que de les mettre en œuvre séparément dans chaque application ». Il ajoute que « cette moindre duplication libère aussi les développeurs qui n'ont plus à reconstruire la logique pour interpréter les questions des utilisateurs, à les mapper à des ensembles de données, à appliquer des règles de sécurité ou à expliquer les résultats ». Il est également possible de déployer des agents personnalisés via Looker, qui dispose d'une fonctionnalité d'analyse conversationnelle intégrée.

L’ensemble de ces annonces montre que Google entend bien accélérer sur l’intégration de l’IA au sein de BigQuery. Au début janvier, le fournisseur a présenté en test la fonctionnalité « Comments to SQL » pour générer des bouts de requêtes SQL à partir de commentaires en langage naturel. En novembre dernier, il a ajouté des fonctions SQL managées basées sur l’IA (If, Classify et score) pour afin de simplifier l'exécution d'analyses à grande échelle pour les utilisateurs professionnels, en particulier sur des données non structurées. Enfin, en août, Google avait procédé à des mises à jour incrémentielles des agents d'ingénierie et de science des données dans BigQuery. La concurrence n’est pas en reste avec Snowflake qui propose les fonctions AI Parse Document, AISQL et Cortex pour l’analyse de document, la recherche sémantique et l’analyse basée sur l’IA. Databricks également met à disposition des capacités de langage naturel vers SQL.