\u00c0 l’\u00e8re num\u00e9rique de 2025, o\u00f9 les donn\u00e9es sont le nouvel or, la n\u00e9cessit\u00e9 de les g\u00e9rer efficacement s’impose avec acuit\u00e9. Google Cloud s’illustre avec une vision audacieuse visant \u00e0 r\u00e9volutionner la gestion de donn\u00e9es. \u00c0 travers sa conf\u00e9rence Next 25, la soci\u00e9t\u00e9 d\u00e9voile son ambition de cr\u00e9er une \u00ab famille \u00bb d’agents d’intelligence artificielle (IA) destin\u00e9s \u00e0 optimiser divers processus m\u00e9tiers li\u00e9s \u00e0 la gestion des donn\u00e9es. Ces avanc\u00e9es promettent de briser les silos actuels et d\u2019int\u00e9grer intelligemment l’IA dans des applications comme BigQuery, tout en s’appuyant sur son puissant mod\u00e8le Gemini. Mais qu’implique r\u00e9ellement une telle transformation pour les entreprises en qu\u00eate d’efficacit\u00e9 et d’innovation ?<\/p>\n\n
Google Cloud se projette dans l’avenir avec l’infusion de l’IA g\u00e9n\u00e9rative au sein de son offre BigQuery. Avec des milliers d’utilisateurs qui adoptent d\u00e9j\u00e0 Gemini au sein de leur strat\u00e9gie de gestion des donn\u00e9es, la soci\u00e9t\u00e9 promet des outils qui ne se contentent pas d’ex\u00e9cuter des commandes, mais qui assiste \u00e9galement les utilisateurs dans leur quotidien.<\/p>\n\n
Lors de la conf\u00e9rence, Abhishek Kashyap, responsable de la gestion produit BigQuery, a fait \u00e9tat d’un taux d\u2019acceptation des suggestions de code g\u00e9n\u00e9r\u00e9es par l\u2019outil Gemini AI Code Assist d\u00e9passant les 60 %. Cette performance illustre non seulement la puissance de l’IA dans la gestion des donn\u00e9es, mais refl\u00e8te aussi une demande croissante pour des solutions d’IA d\u00e9di\u00e9es, comme l’a soulign\u00e9 Kevin Petrie, analyste chez BARC US.<\/p>\n\n
Pour r\u00e9pondre \u00e0 la demande croissante, Google a introduit des fonctionnalit\u00e9s avanc\u00e9es de g\u00e9n\u00e9ration et de compl\u00e9tion de code SQL et Python au sein de ses \u00e9ditions BigQuery Enterprise Plus. Ces ajouts ing\u00e8reront l’IA dans des t\u00e2ches critiques telles que :<\/p>\n\n
Ces nouvelles fonctionnalit\u00e9s visent \u00e0 simplifier et \u00e0 fluidifier le travail des analystes de donn\u00e9es et des ing\u00e9nieurs, en leur permettant de se concentrer sur des t\u00e2ches \u00e0 plus forte valeur ajout\u00e9e au lieu de passer du temps sur des manipulations de donn\u00e9es basiques.<\/p>\n\n
Avec l\u2019outil d\u2019assistance \u00e0 la pr\u00e9paration dans BigQuery Studio, les utilisateurs peuvent identifier des incoh\u00e9rences au sein de leurs fichiers de donn\u00e9es, r\u00e9soudre des probl\u00e8mes de sch\u00e9ma ou encore g\u00e9n\u00e9rer automatiquement du code SQL pour corriger des erreurs. Bien que cela ne remplace pas enti\u00e8rement l\u2019expertise humaine, cela repr\u00e9sente une avanc\u00e9e significative dans l’automatisation des t\u00e2ches r\u00e9p\u00e9titives, laissant plus de temps pour l’analyse strat\u00e9gique.<\/p>\n\n En int\u00e9grant ces agents au sein de son infrastructure, Google Cloud entend non seulement am\u00e9liorer l’efficacit\u00e9 des processus, mais \u00e9galement \u00e9tablir une plateforme uniforme o\u00f9 chaque utilisateur, qu\u2019il soit analyste de donn\u00e9es, data scientist, ou analyste m\u00e9tier, peut trouver un soutien adapt\u00e9 \u00e0 ses besoins sp\u00e9cifiques.<\/p>\n\n Bien que Google Cloud ait d\u00e9j\u00e0 fait des progr\u00e8s significatifs dans l’int\u00e9gration de ses agents IA, l’un des principaux d\u00e9fis r\u00e9side dans la cr\u00e9ation d’une v\u00e9ritable interconnexion entre ces agents. Comme l’indiquent les experts, la transformation compl\u00e8te vers un syst\u00e8me sans silos reste un objectif \u00e0 atteindre. Le but est d\u2019assurer que les agents travaillent de mani\u00e8re collaborative, plut\u00f4t que de rester dans des compartiments \u00e9tanches.<\/p>\n\n Abhishek Kashyap a partag\u00e9 la vision de Google Cloud d’un ensemble d’agents interconnect\u00e9s, chacun sp\u00e9cialis\u00e9 dans diff\u00e9rents domaines tels que l’ing\u00e9nierie de donn\u00e9es, l’analytique, et la gouvernance des donn\u00e9es. Ces agents utiliseront les derniers mod\u00e8les Gemini pour automatiser diverses t\u00e2ches :<\/p>\n\n La flexibilit\u00e9 et la r\u00e9activit\u00e9 de ces agents informeront non seulement les d\u00e9cisions des utilisateurs, mais aussi am\u00e9lioreront la qualit\u00e9 des donn\u00e9es en continu. Cependant, cette ambition n\u00e9cessite une feuille de route pr\u00e9cise afin d’\u00e9tablir un cadre harmonieux dans lequel les agents puissent interagir ais\u00e9ment.<\/p>\n\n Malgr\u00e9 l’enthousiasme entourant ces avanc\u00e9es, une question cruciale demeure : comment assurer une coop\u00e9ration efficace entre les divers agents IA ? Ce d\u00e9fi est d’autant plus important \u00e9tant donn\u00e9 que les data scientists, les analystes commerciaux et les ing\u00e9nieurs de donn\u00e9es poss\u00e8dent des comp\u00e9tences et des m\u00e9thodes sp\u00e9cifiques souvent vari\u00e9es.<\/p>\n\n Pour continuer \u00e0 ascendre vers cet id\u00e9al d’int\u00e9gration, il est n\u00e9cessaire que Google communique davantage sur la mani\u00e8re dont ces agents pourront interagir de mani\u00e8re synergique, r\u00e9duisant ainsi le risque de duplication des t\u00e2ches et assurant une coh\u00e9rence dans les workflows. <\/p>\n\n La vision de Google Cloud ne s’arr\u00eate pas l\u00e0. Avec l’introduction de l’AI Query Engine, l’ambition est de fusionner l’utilisation du SQL avec des prompts en langage naturel. Ce d\u00e9veloppement repr\u00e9sente un tournant significatif pour le traitement des donn\u00e9es, puisque cela permettra aux utilisateurs de faire des requ\u00eates tant sur des donn\u00e9es structur\u00e9es qu’\u00e0 travers des demandes en langage naturel.<\/p>\n\n Cette innovation permettra \u00e0 BigQuery de tirer parti de la puissance des mod\u00e8les de langage avanc\u00e9s tels que Gemini pour interroger des bases de donn\u00e9es, g\u00e9n\u00e9rant ainsi des insights plus profonds et pr\u00e9cieux. Comme l\u2019\u00e9voque Kashyap, cela ouvre la voie \u00e0 une multitude de cas d’usage, parmi lesquels :<\/p>\n\n \u00c0 travers cette m\u00e9thode, les utilisateurs pourront poser des questions de mani\u00e8re intuitive et obtenir des r\u00e9ponses exploitables. Ce passage \u00e0 une approche plus conversationnelle et accessible marque un changement de paradigme dans la mani\u00e8re d’interagir avec les donn\u00e9es.<\/p>\n\n En parall\u00e8le, des g\u00e9ants comme Amazon Web Services, Microsoft, et Databricks \u00e9voluent dans le m\u00eame sens, en int\u00e9grant des fonctionnalit\u00e9s similaires. La n\u00e9cessit\u00e9 de proposer une exp\u00e9rience utilisateur fluide et intuitive se fait de plus en plus pressante, r\u00e9v\u00e9lant une tendance g\u00e9n\u00e9rale dans l’industrie \u00e0 int\u00e9grer des strat\u00e9gies d’analyse de donn\u00e9es assist\u00e9es par l’IA.<\/p>\n\n Ces \u00e9volutions marquent une comp\u00e9tition intense dans le domaine de la gestion des donn\u00e9es et soulignent l’importance croissante de l\u2019IA pour transformer ces donn\u00e9es en actifs strat\u00e9giques.<\/p>\n\n Bien que cet article ne pr\u00e9sente pas un point final, il met en lumi\u00e8re les enjeux majeurs que Google Cloud devra relever pour concr\u00e9tiser cette ambition d’une \u00ab famille \u00bb d’agents IA. L’harmonisation des agents pour briser les silos, tout en optimisant le traitement des donn\u00e9es gr\u00e2ce \u00e0 des technologies comme AI Query Engine, positionne Google comme un acteur cl\u00e9 dans la transformation digitale des entreprises. Dans un domaine en constante \u00e9volution, les prochaines \u00e9tapes seront cruciales pour assurer que ces innovations soient non seulement pertinentes mais \u00e9galement align\u00e9es sur les attentes des utilisateurs.<\/p>\n\n","protected":false},"excerpt":{"rendered":" \u00c0 l’\u00e8re num\u00e9rique de 2025, o\u00f9 les donn\u00e9es sont le nouvel or, la n\u00e9cessit\u00e9 de les g\u00e9rer efficacement s’impose avec acuit\u00e9. Google Cloud s’illustre avec une vision audacieuse visant \u00e0 r\u00e9volutionner la gestion de donn\u00e9es. \u00c0 travers sa conf\u00e9rence Next 25, la soci\u00e9t\u00e9 d\u00e9voile son ambition de cr\u00e9er une \u00ab famille \u00bb d’agents d’intelligence artificielle […]<\/p>\n","protected":false},"author":1,"featured_media":16228,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[9,31123,4286,13,31125],"class_list":["post-16229","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-automatisation","tag-agents-dia","tag-gestion-des-donnees","tag-google","tag-intelligence-artificielle","tag-optimisation-des-donnees"],"_links":{"self":[{"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/posts\/16229","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/comments?post=16229"}],"version-history":[{"count":0,"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/posts\/16229\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/media\/16228"}],"wp:attachment":[{"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/media?parent=16229"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/categories?post=16229"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.mon-agent-ia.fr\/blog\/wp-json\/wp\/v2\/tags?post=16229"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}\n\n
\n \nOutil<\/th>\n Fonctionnalit\u00e9<\/th>\n Utilisateurs Cibles<\/th>\n<\/tr>\n<\/thead>\n \n Gemini AI Code Assist<\/td>\n G\u00e9n\u00e9ration de code SQL \/ Python<\/td>\n Analysts, Data Scientists<\/td>\n<\/tr>\n \n Data Science Agent<\/td>\n Assistance pour l’exploration et la mod\u00e9lisation<\/td>\n Data Scientists<\/td>\n<\/tr>\n \n Conversational Analytics<\/td>\n Analyse de donn\u00e9es en langage naturel<\/td>\n Business Analysts<\/td>\n<\/tr>\n<\/tbody>\n<\/table><\/figure>\n\n L’interconnexion des agents IA : un avenir sans silos<\/h2>\n\n
La vision d’une famille d’agents IA<\/h3>\n\n
Les d\u00e9fis rencontr\u00e9s dans l’int\u00e9gration<\/h3>\n\n
\u00c9voluer vers un traitement des donn\u00e9es combinant SQL et IA g\u00e9n\u00e9rative<\/h2>\n\n
AI Query Engine : vers une analyse plus riche<\/h3>\n\n
Les perspectives de l’AI Query Engine dans le paysage technologique<\/h3>\n\n
\n\n
\n \nComp\u00e9tition<\/th>\n Fonctionnalit\u00e9s Principales<\/th>\n Proposition de Valeur<\/th>\n<\/tr>\n<\/thead>\n \n Google Cloud<\/td>\n AI Query Engine, BigQuery, Agents IA<\/td>\n R\u00e9duction des silos et am\u00e9lioration de l’int\u00e9gration des donn\u00e9es<\/td>\n<\/tr>\n \n Amazon Web Services<\/td>\n Amazon Q, SageMaker<\/td>\n Flexibilit\u00e9 et extensibilit\u00e9 dans le cloud<\/td>\n<\/tr>\n \n Microsoft<\/td>\n Azure AI, Power BI<\/td>\n Analytique accessible pour tous<\/td>\n<\/tr>\n \n DataRobot<\/td>\n Machine Learning platform<\/td>\n Automatisation des mod\u00e8les pr\u00e9dictifs<\/td>\n<\/tr>\n<\/tbody>\n<\/table><\/figure>\n\n Conclusion : une vision d’avenir pour la gestion des donn\u00e9es<\/h2>\n\n