Dans le giron de Salesforce depuis son rachat pour 15,7 Md$ en 2019, Tableau est un éditeur historique dans la dataviz. Couvrant un éventail fonctionnel très large, du reporting, à l’analytique en passant par la datavisualisation, le fournisseur a glissé au fil des ans dans ses offres des fonctions d’apprentissage automatique, d’IA générative et depuis l’an dernier des agents IA. Avec un objectif précis : se positionner comme un moteur de connaissances à grande échelle regroupaIAnt à la fois données, logique métier et métadonnées au sein d'une plateforme unifiée et scalable. « À l'époque pré-IA, il y avait un CRM et une équipe data qui prenait vos données de votre datawarehouse et effectuait un travail ardu pour les transformer en modèles sémantiques et en connaissances pour construire des analyses visuelles sous forme de tableau de bord », a expliqué Mark Recher, vice-président exécutif et general manager de Tableau lors d’un point presse le 24 juin dernier récapitulant les annonces de la dernière conférence de l'éditeur du 5-7 mai à San Diego.

L’approche agentique de Tableau répond à plusieurs enjeux. Simplifier la préparation des données, accélérer la modélisation sémantique, automatiser les analyses, faciliter l’exploitation des données à grande échelle, ou encore connecter n’importe quel agent IA aux analyses de Tableau. Depuis le lancement de sa solution Next l’an dernier, une plateforme analytique orientée agents s’appuyant sur Agentforce 360, Tableau l’a enrichi de multiples composants, désormais disponibles pour tous les utilisateurs. A savoir en particulier conversational Analytics, Composable Data Sources, Tableau MCP, et Auto Knowledge Graph.

Des composants taillés pour les agents

- Conversational analytics : Tableau Agent utilise le langage naturel pour fournir des résumés détaillés de graphiques complexes, en contournant les obstacles techniques tels que le SQL ou le filtrage manuel. Il permet aux utilisateurs de poser des questions complémentaires aussi facilement que d'envoyer un SMS, offrant ainsi une expérience d'analyse conversationnelle précise et fiable ; 

- Composable Data Sources : réutilisation et extension des ressources analytiques pour renforcer les connaissances fiables au sein de l’entreprise en regroupant des sources de données disparates ; 

- Tableau MCP : Exploitation d’un serveur MCP pour que chaque agent accède à la couche sémantique et au moteur de connaissances de Tableau pour garantir des réponses précises et cohérentes reposant sur un contexte métier fiable. En connectant n'importe quel modèle à son moteur de connaissances, au contexte sémantique et à la logique de gouvernance de l'entreprise, Tableau apporte assure pousser des informations proactives et des indicateurs fiables pour alerter par exemple les utilisateurs dès qu'une tendance clé évolue ou qu'un seuil de données critiques est atteint ; 

- Auto Knowledge Graph : fournir un contexte approfondi pour mener es actions se différenciant des bases de données statiques par une capacité d’entrainement itératif en fonction de l'interaction des utilisateurs. 

Un savoir-faire métier orienté architecte de la connaissance

Avec ces dernières annonces, Tableau cherche à accroitre aussi bien la qualité que la pertinence des résultats fournis aux utilisateurs qui restaient jusqu’alors perfectibles en cas d’usage de simples LLM. « Injecter des données brutes de prévisions de ventes dans des LLM construira un joli tableau mais qui sera inexact », assure Mark Recher. « Les LLM sont incroyables pour lire le langage mais quand ils ingèrent une table de données, la logique métier n’est pas prise en compte au travers de modèle sémantique ce qui ne permet pas d’obtenir la bonne déduction et de prendre la bonne décision. » Attention également à ne pas oublier un autre point important : « Si les personnes qui définissent la sémantique sont des data engineers, je ne suis pas sûr que certain qu’ils seront vraiment proches de l'utilisateur métier », prévient quant à lui Southard Jones, directeur des produits de Tableau. « Le métier d’avenir ce n’est pas de construire des tableaux de bord mais de devenir un architecte de la connaissance. »