Les assistants à base d’IA générative se développent et Google Cloud entend bien diffuser sa solution Gemini dans ses différents produits. Le fournisseur vient de l’intégrer dans BigQuery, son service de datawarehouse cloud et Looker, son offre de BI. « Au sein de BigQuery, Gemini pourra aider à la génération de code, à la complétion de code, à l'explication de code (SQL, Python), ainsi qu’au canevas de données, et fournira des recommandations de partitionnement et de regroupement », a expliqué Gerrit Kazmaier, vice-président de l'analyse de données chez Google Cloud.
Les analystes pensent que l'ajout de Gemini sera bien accueilli par les professionnels des données, car, parmi les nombreux processus de données et d'analyse d'entreprise, le travail d’ingénierie des données est souvent le plus chronophage. « Le chatbot alimenté par l'IA générative peut accélérer différentes tâches comme l'indexation des données, ou encore la découverte et la maintenance des modèles de données », a déclaré Bradley Shimmin, analyste en chef chez Omdia. Expliquant l'importance des recommandations de partitionnement des données de Gemini dans BigQuery, Alexander Wurm, analyste principal chez Nucleus Research, a déclaré que ces recommandations optimisent les performances des requêtes, ce qui peut atténuer les défis techniques « coûteux » associés à l'analyse des big data.
Un marché déjà très concurrentiel
Les plateformes d'analyse de données ou les fournisseurs de services concurrents intègrent déjà l'IA générative dans leurs offres ou prévoient de le faire : Microsoft a intégré Copilot à Fabric et AWS intègre Amazon Q à plusieurs services d'analyse de données, dont Kinesis et Glue. « L'introduction de Gemini dans BigQuery ajoute une pression supplémentaire sur les fournisseurs de plateformes d'analyse de données rivaux, car il s'agit d'un espace concurrentiel dynamique où chaque fournisseur cherche en permanence à surpasser l'autre en offrant des fonctionnalités avancées », a estimé par ailleurs Steven Dickens, conseiller technologique en chef chez The Futurum Group.
« D'autres alternatives comme Oracle, MongoDB, Databricks et Snowflake offrent aussi des solutions similaires », a-t-il ajouté. Cependant, M. Wurm a fait remarquer que, puisque les principaux fournisseurs d'analyse de données se concentrent sur la stratégie de simplification des expériences utilisateur via l'IA générative, la différentiation ne porte plus sur l'offre d'IA générative, mais plutôt sur le modèle de tarification que pourra proposer le fournisseur pour atténuer les réticences à l'adoption par les entreprises et générer un plus grand retour sur investissement.
Autres mises à jour de BigQuery
Après la prise en charge d'Apache Iceberg introduite en 2022, Google a annoncé la disponibilité générale de la prise en charge du format Delta. Le fournisseur a aussi ajouté la prise en charge de l'analyse des données structurées, non structurées et de format ouvert à l'aide des intégrations SQL, Spark et Vertex AI. Selon Bradley Shimmin d’Omdia, ces intégrations, indiquent que Google essaye de s’inscrire dans la tendance des entreprises à adopter une structure de données, une couche d'API unifiée pour accéder à divers types et sources de données, afin de relier les ensembles de données isolés existants au sein d'une entreprise. Autre ajout, celui de la prise en charge d'Apache Spark et Kafka par BigQuery. « Alors que le support de Kafka proposera aux professionnels des données d'incorporer plus facilement des données en temps réel dans leurs produits analytiques, le support de Spark offrira aux data scientists d'étendre leurs opérations en exécutant des flux en parallèle », a expliqué le consultant.
Cependant, David Menninger, directeur exécutif de l'ISG, fait remarquer que l'ajout de la prise en charge de Kafka et de Spark est loin d'être une nouveauté. Il rappelle que « presque tous les fournisseurs de plateformes de données prenaient en charge Spark et Kafka ». Selon M. Shimmin, les entreprises différencient aujourd'hui les fournisseurs en fonction de la qualité de la mise en œuvre de ces intégrations et de l'interaction de la base de données avec les offres plus larges de l’éditeur, par exemple Vertex AI et Looker dans le cas de Google.
Gemini pour Looker, mais en avant-première seulement
Google a aussi intégré Gemini à son outil décisionnel Looker, mais uniquement en avant-première, comme l’a précisé l’entreprise, ajoutant que le chatbot basé sur l'IA générative pourrait aider à l'assistance de formules, créer des métriques à partir de formules complexes, générer des diapositives et de nouvelles façons de présenter les données. « L'ajout de Gemini à Looker abaisse potentiellement la barrière technique de l'analyse des données, ce qui signifie qu’un plus grand nombre d'utilisateurs pourront tirer des enseignements des données », a fait remarquer M. Dickens de The Futurum Group.
Selon M. Shimmin, d'Omdia, l'ajout de Gemini à Looker montre que Google suit une stratégie de marché plus large déjà adoptée par des rivaux comme Microsoft et AWS qui cherchent à incorporer plus de fonctionnalités d'IA générative dans des produits de veille stratégique comme QuickSight et PowerBI. « Si la mise en œuvre du chatbot d'IA générative est bien faite, elle peut considérablement accélérer les flux de travail existants des professionnels des données », a fait valoir M. Shimmin.