ThoughtSpot déploie des agents IA pour offrir des solutions d'analyse modernes

Pour les responsables des données et de l'analyse, l'IA agentique entraîne une accélération sans précédent du rythme du changement. Mais comprendre la nécessité d'agir et savoir exactement quoi faire sont deux défis distincts. Heureusement, des entreprises comme ThoughtSpot sont prêtes à apporter leur aide ; elles se consacrent, selon leurs propres termes, à « repenser l'analyse et la BI de fond en comble ».

« Les systèmes agentiques nous font véritablement entrer dans un nouveau domaine », explique Jane Smith, responsable des données et de l’IA sur le terrain chez ThoughtSpot. « Nous passons d’un reporting passif à une prise de décision active. »

« La BI traditionnelle attend que vous découvriez des informations », poursuit Jane. « Les systèmes agentiques, en revanche, surveillent plusieurs sources de données 24 heures sur 24. Ils diagnostiquent les causes des changements et déclenchent automatiquement les étapes suivantes. »

« L'accent est de plus en plus mis sur l'action. »

Outre le passage de la passivité à l’action, Jane met en avant deux autres évolutions de la BI : la véritable démocratisation des données et un regain d’intérêt pour la couche sémantique. « Un agent ne peut pas agir comme je l’ai décrit s’il ne comprend pas parfaitement le contexte métier », note-t-elle. « Une couche sémantique robuste est essentielle pour mettre de l’ordre dans la complexité de l’IA. »

ThoughtSpot propose une gamme d’agents conçus pour générer des résultats significatifs pour les clients. En décembre, l’entreprise a lancé quatre nouveaux agents BI, conçus pour travailler en équipe afin de fournir des analyses modernes.

Spotter 3, la dernière version d’un agent lancé pour la première fois fin 2024, se distingue particulièrement. Il s’intègre à des plateformes telles que Slack et Salesforce, non seulement pour répondre aux questions, mais aussi pour évaluer la qualité de ses réponses et les affiner jusqu’à ce qu’elles soient correctes.

« Grâce au Model Context Protocol, Spotter 3 vous permet d’interroger les données structurées de votre organisation — tout ce qui se trouve dans vos lignes, colonnes et tableaux — tout en intégrant des données non structurées », explique Jane. « Cela signifie que vous obtenez des réponses hautement contextuelles via notre agent, ou via votre propre LLM si vous préférez. »

Cette capacité s'accompagne de responsabilités. Comme le souligne le récent eBook de ThoughtSpot sur les tendances en matière de données et d'IA pour 2026, les dirigeants doivent concevoir des systèmes où chaque décision — qu'elle soit humaine ou issue de l'IA — puisse être expliquée, améliorée et jugée fiable.

ThoughtSpot qualifie ce cadre émergent de « décision intelligence » (DI). « Nous verrons se développer ce que j’appelle les chaînes d’approvisionnement décisionnelles », déclare Jane. « Plutôt que des informations ponctuelles, nous verrons les décisions passer par des étapes reproductibles : analyse des données, simulation, action et retour d’information. Ces interactions homme-machine seront consignées dans ce que nous considérons comme un système d’enregistrement des décisions. »

À quoi cela ressemble-t-il dans la pratique ? Jane donne un exemple tiré des essais cliniques pharmaceutiques. « Le système enregistrerait et versionnerait chaque étape : comment un patient est sélectionné, comment les dossiers médicaux identifient un candidat, comment la décision s’aligne sur le protocole d’essai, le processus de mise en correspondance, et comment un médecin recommande finalement le patient », explique-t-elle.

« Ces processus peuvent être audités et améliorés pour de futurs essais. En enregistrant méticuleusement chaque élément du flux décisionnel — à l’instar d’une chaîne d’approvisionnement —, nous créons un cadre clair et traçable. »

ThoughtSpot sera présent à l’AI & Big Data Expo Global à Londres, les 4 et 5 février. Regardez l’interview complète de Jane Smith ci-dessous :

Photo de Steve Johnson sur Unsplash