L'IA transforme la façon dont les entreprises exploitent les données, et Google Cloud vise à transformer les données des outils d'analyse traditionnels en une plateforme complète. Cette transition implique de remplacer les tâches manuelles fastidieuses par une multitude d'agents IA autonomes et collaboratifs, aidant ainsi les entreprises à exploiter rapidement la valeur de leurs données.
Google a déclaré que pour que les agents IA réussissent véritablement, les entreprises ont besoin de plus qu'un ensemble disparate d'outils. Elles ont besoin d'une plateforme cloud de données unifiée et nativement IA (Data Cloud). Cette plateforme combine des données transactionnelles en temps réel avec des données analytiques à long terme et intègre des capacités de raisonnement pilotées par l'IA, permettant aux agents IA de prendre des décisions en temps réel en fonction des conditions commerciales réelles.
Cette fois, Google a lancé des innovations clés dans trois domaines majeurs :
Tout d’abord, il y a une suite d’agents d’IA professionnels.
• Data Engineering Agent automatise la création et la gestion des pipelines de données dans BigQuery à l'aide du langage naturel, simplifiant ainsi les processus d'ingestion, de transformation et de nettoyage.
• L'agent de science des données, combiné au modèle Gemini, peut compléter automatiquement le cycle d'analyse complet, de l'exploration des données à l'ingénierie des fonctionnalités jusqu'à la prédiction de l'apprentissage automatique.
• L'agent d'analyse conversationnelle ajoute une nouvelle fonctionnalité d'interpréteur de code qui peut traduire des questions en langage naturel en code Python et fournir des résultats visuels interactifs pour aider les analystes commerciaux à résoudre des problèmes au-delà de la portée des capacités SQL.
Le deuxième est un écosystème d’agents d’IA ouvert et collaboratif.
Google a lancé l'API Gemini Data Agents, l'API Conversational Analytics, l'API Data Agents et le kit de développement d'agents, permettant aux développeurs d'intégrer rapidement plusieurs agents d'IA ou de créer des agents personnalisés selon leurs besoins. Ces agents collaborent et communiquent via le contexte MCP, ce qui leur permet d'être directement intégrés aux applications et workflows d'entreprise, formant ainsi un vaste réseau intelligent.
La troisième est l’infrastructure de données native de l’IA.
Google a intégré la génération d'augmentation de la récupération (RAG), la recherche vectorielle et la mémoire persistante à son cloud de données, permettant ainsi aux agents d'IA d'accéder aux transactions en temps réel et aux données historiques détaillées, tout en réduisant le risque d'hallucinations. Spanner a ajouté un nouveau moteur en colonnes, accélérant l'analyse des données transactionnelles de près de 200 fois. L'indexation vectorielle automatique a également été ajoutée à AlloyDB AI, tandis que BigQuery intègre un moteur de requête IA, permettant aux data scientists d'utiliser directement SQL pour initier un raisonnement LLM et obtenir rapidement des réponses à des questions complexes.
Google estime que ces innovations permettent non seulement aux agents IA d'appréhender instantanément l'ensemble du paysage commercial, mais posent également les bases pour la création d'une « entreprise agentique ». Grâce à une plateforme ouverte, une équipe d'agents dédiée et une architecture native IA, les entreprises évolueront de l'analyse manuelle traditionnelle vers un nouveau modèle où humains et IA collaborent étroitement.
Google a souligné que l'ère des agents IA était arrivée. Il ne s'agit pas seulement de la mise en œuvre de nouvelles technologies, mais aussi d'une opportunité clé pour les entreprises de redéfinir la valeur des données et d'accélérer la prise de décision et l'innovation.
