Tableau fait évoluer la business intelligence au-delà des tableaux de bord

Salesforce mise à fond sur l'intelligence artificielle générative avec sa plateforme Agentforce, et cela s'applique aussi à ses produits hors CRM, comme Slack ou Tableau. Ce dernier révolutionne son interface utilisateur grâce aux agents IA avec Tableau Next, disponible depuis fin juin.

Il s'agit du plus grand changement dans le monde de la Business Intelligence (BI), c'est-à-dire l'analyse de données pour aider à la prise de décision, depuis le "self-service analytics" (où l'utilisateur crée lui-même ses rapports). C'est durant cette vague d'innovation technologique précédente qu'était apparu Tableau ainsi que ses concurrents comme PowerBI.

Des agents différents suivant les profils utilisateur

Trois agents accompagnent le lancement de Tableau Next :

• Concierge, qui joue le rôle d'un analyste personnel pour chaque utilisateur en lui donnant des réponses en langage naturel.
• Inspector, qui analyse les données de façon proactive pour identifier des tendances intéressantes ou au contraire des anomalies. Il va au-delà des requêtes pour répondre au mieux aux vrais besoins.
• Data Pro, qui automatise une partie des tâches des analystes en respectant les bonnes pratiques. Il aide notamment à la préparation des données.

Data Pro est le plus évolué des trois. Il peut aider un data steward à construire une couche sémantique, par exemple en faisant 90% du travail pour adapter des données provenant de SAP S4/HANA. Et si quelqu'un a déjà conçu quelque chose de similaire dans l'organisation, il peut en informer le data steward pour éviter de faire deux fois le travail. Il peut aussi aider à créer de meilleurs tableaux de bord ou de meilleurs graphiques.

Ces agents ont été développés à partir d'Agentforce, et peuvent être configurés sans avoir à taper une ligne de code. Le client choisit aussi le modèle qu'il souhaite pour chaque agent, par exemple Gemini 2.5 pour Data Pro et GPT-4o pour Concierge. La tarification se fait à l'usage (Tableau Next est disponible avec la licence Tableau+). 

Aller au-delà des tableaux de bord

Si aujourd'hui, 30% à 40% des décisions en entreprise sont basées sur l'analytics en moyenne, les agents vont changer beaucoup de choses, nous explique Southard Jones, Chief Product Officer de Tableau. "Les tableaux de bord ne suffisent plus aujourd'hui. Ils sont utiles pour la gestion de la performance, pour obtenir des indicateurs et identifier des tendances chiffrées, mais sont moins pertinents pour un individu qui a des questions spécifiques, et ne peuvent pas fournir de recommandations dans des applications spécifiques. Je pense par exemple à Google Maps qui peut vous indiquer s'il y a des embouteillages plus loin sur votre chemin. La BI ne pouvait pas gérer ce type d'usage jusqu'à présent."

C'est pour rendre ça possible que Tableau Next a été refondu en profondeur, et pas seulement pour tirer parti de l'IA générative, mais aussi avec une approche 'API first'. "Ce qui manquait pour y parvenir c'est une couche d'interprétation sémantique entre la donnée pure et le jargon corporate", souligne Southard Jones. "Il ne s'agit pas juste de générer du SQL à partir de commandes en langage naturel."

Un accès intelligent à la donnée grâce à Data Cloud

Tableau Next s'appuie sur la plateforme Salesforce Data Cloud pour connecter et orchestrer différentes sources de données ensemble sans les dupliquer (y compris venant de Snowflake, Databricks, GCP...), puis effectue cette conversion sémantique. "C'est la base de tout, et c'est ce qui nous permet de déployer des agents polyvalents. Evidemment, on s'adapte à la stratégie et la maturité de chaque entreprise, l'idée n'est pas de demander à quelqu'un qui a déployé un entrepôt de données dans le cloud de revenir en arrière," précise le CPO de Tableau.

Le recours aux LLMs pour analyser ces grandes masses de données éparses pose naturellement la question de la latence des réponses. "C'est une problématique que nous adressons de deux manières, répond Southard Jones. D'abord, Hyperforce nous permet de colocaliser les agents et l'analytics dans n'importe quelle région, et ce à la fois chez AWS et GCP. Ensuite, on met les données fréquemment interrogées en cache dans la couche sémantique pour accélérer le temps de réponse."