Lorsqu’il s’agit d’IA générative, Salesforce n’hésite pas à mettre le paquet. Et quoi de mieux pour le faire que de s’allier aux fournisseurs de plateformes mondiaux. Ainsi, à l’occasion de son événement annuel Dreamforce (qui se tient du 12 au 14 septembre 2023 à San Francisco), l’éditeur a annoncé des intégrations supplémentaires avec AWS ainsi qu’avec Databricks et Google. Focus sur ces changements portant sur l'IA, l'optimisation des données et la gestion de la relation client.

Ne pas déplacer les données entre AWS et le Data Cloud

Si l’on regarde d’abord du côté d’AWS, le renforcement du partenariat entre les deux entreprises se concentre essentiellement autour de Bring Your Own Lake (BYOL) et Bring Your Own Large Language Model (BYO LLM) et le Data Cloud de Salesforce. Dans le détail, ce rapprochement doit offrir un partage sécurisé des données client unifiées de cette plateforme vers un large ensemble de services de données et d'IA d'AWS. Ainsi, les clients Data Cloud peuvent accéder aux données de Redshift et aux data lakes Amazon sur AWS sans déplacer les données. Pour mémoire, le partenariat d’IA générative existant entre les deux entreprises apporte d’ores et déjà un certain nombre d’intégrations, à savoir unifier de manière transparente et sécurisée les données client sur Data Cloud et les services AWS comme Redshift et EMR pour exploiter de façon sécurisée le large ensemble de modèles de base disponibles dans Bedrock et SageMaker.

Désormais, les clients auront les clés nécessaires à l’intégration des dernières solutions d’IA générative d’AWS dans leurs applications et flux de travail via la couche de confiance Einstein plus connue sous le nom d'Einstein trust layer. Par exemple, les entreprises peuvent utiliser les LLM qu’ils ont hébergés dans Bedrock pour alimenter les applications génératives dans Salesforce tout en respectant leurs exigences de sécurité et de conformité des données. Elles pourront ensuite utiliser leurs données CRM pour affiner les LLM d'Amazon ou d'autres fournisseurs de modèles comme Anthropic, Cohere, AI21 Labs et Stability AI, pour ne citer qu’eux et les utiliser dans l’ensemble de la plateforme Salesforce. Ces intégrations doivent ainsi répondre à un défi rencontré par de nombreuses entreprises à savoir la capacité de générer des informations à partir des données. Cela passe notamment par le regroupement des data en un seul endroit, ce qui facilite leur stockage, leur gestion et leur mise à l'échelle tout en réduisant les coûts. Toutefois, il ne faudra pas être pressé pour accéder à ces intégrations, l’éditeur précisant qu’elles seront en phase pilote pour les clients l'année prochaine.

Rapprocher Google Workspace des assistants à base d'IA générative

En toute modestie, la firme de Marc Benioff a annoncé réunir « le numéro 1 de la gestion de la relation client en matière d’IA, et Google Workspace, l'outil de productivité le plus populaire au monde » pour stimuler la productivité grâce à l'IA. L’objectif est de rassembler les différents outils de la suite, y compris Calendar, Docs, Meet, Gmail, afin d'alimenter des expériences d’IA génératives sur toutes les plateformes. Les entreprises s’appuieront ainsi sur les assistants d’IA générative des deux entreprises, Einstein Copilot de Salesforce et Duet AI dans Google Workspace. Dans le détail, les utilisateurs peuvent utiliser leurs propres données de compte, de contact et d'opportunité business de Salesforce pour générer des Slides et des Docs personnalisés, tandis que les résumés de Meet et le contexte de Gmail et Calendar peuvent être introduits dans Salesforce pour mettre à jour les enregistrements et déclencher des workflows, tels que l’enregistrement d'un contrat signé dans Salesforce ainsi que sa clôture. Selon les deux entreprises, il s’agit pour chacune d’entre elles du « premier partenaire à s'intégrer aux plateformes tierces, nouvellement disponibles de l'autre ».

Outre l’intégration de Workspace avec Einstein Copilot, Salesforce a indiqué que les utilisateurs auront les moyens d’apporter leurs LLM déployés sur Vertex AI, y compris la famille de modèles PaLM de Google, et de les utiliser au sein de sa plateforme présentée cette semaine et baptisée Einstein 1 pour créer des expériences génératives basées sur l’IA à travers Customer 360. Il s’agit d’un « élan continu autour des données et de l'IA » selon la firme, après les partenariats annoncés plus tôt cette année entre Data Cloud, BigQuery et Vertex AI pour offrir une stratégie de données client plus holistique et créer des expériences client personnalisées. L'ensemble de ces changements sera disponible courant 2024.

« Un accès immédiat aux données client unifiées » avec Databricks

« Offrir un partage de données sans ETL (Extract, Transform, Load) dans Salesforce Data Cloud ». Voilà à quoi se résume le partenariat entre Databricks et Salesforce. Grâce à ce rapprochement, les utilisateurs peuvent désormais fusionner les données du Data Cloud avec les données externes de la plateforme Lakehouse de Databricks. À la clé : réduction des coûts et de la complexité du déplacement et de la copie des données, sécurité et gouvernance préservées. La combinaison de la plateforme de données clients et du lakehouse apporte un certain nombre d’avantages, à commencer par l’accès aux données présentes dans ces deux emplacements « comme si elles étaient hébergées dans un seul emplacement, sans ETL ». Le spécialiste du CRM justifie cela par le fait que sa plateforme et celle de Databricks sont toutes deux construites sur une architecture lakehouse, « ce qui leur permet de prendre en charge la fédération de données bidirectionnelle au niveau du stockage, ce qui se traduit par une meilleure expérience de partage avec une latence plus faible ». La solution est à l'essai et doit être disponible dans le courant de l'année prochaine.

Autre intégration, celle de Data Cloud avec Databricks AI Machine Learning. Pour mémoire, ce dernier fournit un environnement d'apprentissage automatique intégré qui aide à simplifier et à standardiser les processus de développement ML. Dans le cas présent, cette intégration doit apporter un accès aux données zero-ETL pour la formation de modèles d’IA afin de maximiser l'investissement en IA d'une entreprise. Les utilisateurs ont un accès immédiat aux données client unifiées, avec à la clé une rationalisation du processus de développement de modèles et une meilleure précision et efficacité des prédictions et des informations de l’IA. Ensuite, les entreprises peuvent créer, former et optimiser leurs propres modèles d'IA dans Databricks Machine Learning et les intégrer dans Data Cloud pour alimenter n'importe quelle application sur la plateforme Salesforce. Si l’on prend l’exemple d’une banque, cette dernière peut connecter des données CRM, telles que l'historique des transactions, le score de crédit et les objectifs financiers d'un client, avec des données non CRM telles que l'analyse de marché ou les tendances économiques. Ensuite, il est possible de créer des modèles de ventes croisées personnalisés qui aident à recommander des produits ou services supplémentaires aux conseillers sur la base des données d'engagement en temps réel des clients. Salesforce prévoit de cibler de nombreux secteurs avec cette intégration, incluant le secteur bancaire, celui de l’automobile ou encore des jeux.