Google Cloud a dévoilé de nouvelles fonctionnalités majeures pour son entrepôt de données BigQuery. De plus, ces outils permettent désormais aux analystes d’exploiter des modèles d’intelligence artificielle directement via le langage SQL. Grâce à cela, l’analyse de données non structurées devient simple à effectuer, sans nécessiter de compétences complexes en programmation.
L’analyse de données connaît une transformation radicale avec l’arrivée de technologies toujours plus accessibles. Jusqu’à présent, l’exploitation d’informations non structurées, comme des images, des documents longs ou des fichiers audio, restait l’apanage des experts en machine learning maîtrisant des langages comme Python. Cette barrière technique limitait souvent la capacité des entreprises à tirer pleinement parti de l’ensemble de leurs ressources numériques.
Avec sa récente annonce, le géant du cloud change la donne en fusionnant la simplicité du SQL avec la puissance des modèles génératifs. Cette évolution promet de rendre les processus décisionnels plus rapides et plus précis, unifiant le traitement les types de données au sein d’une même interface familière.
Des fonctions intelligentes pour classer et trier les données
L’innovation principale réside dans l’introduction de fonctions natives qui s’intègrent harmonieusement aux commandes SQL traditionnelles. Ces nouvelles commandes agissent comme des ponts vers les modèles d’intelligence artificielle de la plateforme Vertex AI, baptisées :
- IF ;
- CLASSIFY ;
- SCORE.
Concrètement, ces commandes permettent d’effectuer des requêtes de base de données standard. Elles réalisent aussi des tâches cognitives complexes, comme la compréhension du langage naturel ou la reconnaissance visuelle.
L’utilisation de ces outils offre un gain de productivité considérable pour les équipes techniques. Entre autres, la fonction de classification permet d’organiser automatiquement plusieurs retours clients ou de tickets de support en catégories thématiques, sans intervention manuelle.
De même, les fonctions de filtrage peuvent analyser le sens sémantique d’un texte pour déterminer s’il correspond à un critère subjectif. Avec le SQL classique, cela semble impossible.
Un aspect important de cette innovation est l’optimisation des ressources : le moteur gère lui-même la complexité des appels aux modèles. Ainsi, les entreprises peuvent maîtriser le calcul des charges lié au traitement massif de données volumineuses.
Plutôt que de construire des pipelines d’extraction coûteux et énergivores, les analystes peuvent désormais lancer ces opérations lourdes via quelques lignes de code. La charge opérationnelle globale sera donc réduite.
Une accessibilité renforcée via Vertex AI et Gemini
Au-delà des simples commandes, toute l’infrastructure sous-jacente a été repensée pour simplifier l’accès à l’IA générative. En s’appuyant sur les modèles Gemini, BigQuery permet aux utilisateurs de bénéficier d’une compréhension contextuelle avancée sans avoir à devenir des experts en « prompt engineering ». Le système est conçu pour interpréter les intentions de l’utilisateur et affiner automatiquement les requêtes pour obtenir les résultats les plus pertinents.
Entre autres, cela peut faciliter des opérations complexes comme le calcul des charges, qu’il s’agisse d’analyses financières, de coûts opérationnels ou de simulations budgétaires. Cette approche démocratise l’accès à des technologies auparavant réservées aux data scientists chevronnés. L’intégration native signifie que les données ne quittent pas l’environnement sécurisé de l’entrepôt, permettant de :
- Garantir une gouvernance stricte ;
- Ouvrir de nouvelles perspectives d’analyse.
Les équipes peuvent, par exemple, effectuer des analyses de sentiments sur des commentaires clients ou extraire des entités spécifiques d’un corpus documentaire. Il est possible de les effectuer sans configurer d’API externes.
La plateforme prend en charge différents types de contenus (texte brut, données multimodales, etc.), offrant ainsi une flexibilité inédite pour les projets d’entreprise. La friction entre le stockage des données et leur analyse intelligente peut être supprimée. Ainsi, cette mise à jour marque une étape clé vers une informatique décisionnelle plus autonome et plus performante.
