Si vous êtes un leader en matière de données et d’analyse, vous savez que l’IA agentique alimente actuellement un changement à une vitesse sans précédent. Savoir que vous devez faire quelque chose et savoir quoi faire sont deux choses différentes. La bonne nouvelle est que des fournisseurs comme ThoughtSpot sont en mesure de vous aider, l’entreprise étant, selon ses propres mots, déterminée à « réimaginer l’analyse et la BI à partir de zéro ».
« Il est certain que les systèmes agentiques nous entraînent réellement vers un tout nouveau territoire », explique Jane Smith, responsable des données sur le terrain et de l’IA chez ThoughtSpot. « Ils nous font passer d’un reporting passif à une prise de décision beaucoup plus active.
« La BI traditionnelle attend que vous trouviez un aperçu », ajoute Jane. « Les systèmes agents surveillent de manière proactive les données provenant de sources multiples 24 heures sur 24 et 7 jours sur 7 ; ils diagnostiquent pourquoi les changements se sont produits ; ils déclenchent automatiquement l’action suivante.
« Nous sommes de plus en plus orientés vers l’action. »
Outre le passage du passif à l’actif, Jane envisage ce changement de deux autres manières dans la BI. Il y a d’un côté une évolution vers une « véritable démocratisation des données », mais de l’autre, une « résurgence de l’attention » portée à la couche sémantique. « Vous ne pouvez pas demander à un agent d’agir de la manière que je viens de décrire s’il ne comprend pas strictement le contexte commercial », explique Jane. « Une couche sémantique forte est vraiment le seul moyen de donner un sens… au chaos de l’IA. »
ThoughtSpot dispose d’une flotte d’agents pour agir et faire avancer les choses pour les clients. En décembre, la société a lancé quatre nouveaux agents BI, avec l’idée qu’ils travaillent en équipe pour fournir des analyses modernes.
Spotter 3, la dernière itération d’un agent lancé pour la première fois vers la fin de 2024, en est la star. Il maîtrise des applications telles que Slack et Salesforce et peut non seulement répondre aux questions, mais également évaluer la qualité de sa réponse et continuer d’essayer jusqu’à obtenir le bon résultat.
« Il exploite le protocole (Model Context), ce qui vous permet de poser vos questions sur les données structurées de votre organisation (tout ce qui se trouve dans vos lignes, vos colonnes, vos tableaux) mais également d’incorporer vos données non structurées », explique Jane. « Ainsi, vous pouvez obtenir des réponses très contextuelles aux questions, via notre agent, ou si vous le souhaitez, via votre propre LLM. »
Mais ce pouvoir s’accompagne de responsabilités. Comme le note le récent eBook de ThoughtSpot explorant les tendances en matière de données et d’IA pour 2026, la suite C doit trouver comment concevoir des systèmes afin que chaque décision – qu’elle soit humaine ou IA – puisse être expliquée, améliorée et fiable.
ThoughtSpot appelle cette architecture émergente « l’intelligence décisionnelle » (DI). « Ce que nous verrons en grande partie, je pense, ce seront des chaînes d’approvisionnement décisionnelles », explique Jane. « Au lieu d’un aperçu ponctuel, je pense que ce que nous allons voir, ce sont des décisions… passant par des étapes répétables, l’analyse des données, la simulation, l’action, le feedback, et ce sont toutes des interactions entre les humains et les machines qui seront enregistrées dans ce que nous pouvons considérer comme un système d’enregistrement des décisions. »
À quoi cela ressemblerait-il en pratique ? Jane donne l’exemple d’un essai clinique mené dans l’industrie pharmaceutique. « Le système enregistrerait et versionnerait réellement chaque étape de la façon dont un patient est choisi pour un essai clinique ; comment les données d’un dossier de santé sont utilisées pour identifier un candidat ; comment cette décision a été simulée par rapport au protocole de l’essai ; comment l’appariement s’est produit ; comment potentiellement un médecin a finalement recommandé ce patient pour l’essai », dit-elle.
« Ce sont des processus qui peuvent être audités, ils peuvent être améliorés pour l’essai suivant. Mais l’enregistrement très méticuleux de chaque élément du flux de cette décision dans ce que nous considérons comme une chaîne d’approvisionnement est une façon de visualiser cela. »
ThoughtSpot participe à l’AI & Big Data Expo Global, à Londres, les 4 et 5 février. Vous pouvez regarder l’interview complète de Jane Smith ci-dessous :
Photo de Steve Johnson sur Unsplash
