Découverte de Tableau AI

Objectifs de formation 

Une fois cette unité terminée, vous pourrez :

• Expliquer la relation entre l’IA générative et les analyses
  
• Décrire l’approche de Tableau AI en matière d’analyse conversationnelle
  

Lien entre l’IA générative et les données

Pour faire simple, l’IA générative produit une sortie en fonction de toutes les informations qu’elle apprend. C’est de là que vient le mot générative : vous lui soumettez une demande, et elle génère une sortie. Par exemple, si vous alimentez un modèle d’apprentissage d’IA générative avec des dizaines de milliers de pages de poésie, vous pouvez avoir la certitude que lorsque vous lui demanderez d’écrire un poème, l’IA en produira un avec des résultats surprenants.

Vous remarquerez que les données sont au cœur de l’IA générative. Elle ne produit de résultats intéressants que si elle dispose de la bonne quantité d’informations nécessaires pour répondre à vos questions. Les mêmes exigences s’appliquent dans le cadre de l’analyse commerciale et de l’intelligence commerciale (BI). Les professionnels ne peuvent prendre des décisions commerciales éclairées que lorsqu’ils disposent des informations adéquates au bon moment.

Alors, que se passe-t-il lorsque vous associez l’IA générative à des outils d’analyse et de BI de pointe ? Prenons le temps d’examiner tout d’abord la situation.

Les hallucinations de l’IA, un défi de taille

Lorsque vous commencez à envisager de combiner Tableau avec un outil tel que l’IA générative, vous imaginez peut-être obtenir une interface conversationnelle à laquelle vous pourriez poser une question telle que : « Crée un tableau de bord présentant l’activité du trimestre aux dirigeants ». Ensuite, vous vous attendez à ce que l’IA générative vous présente les informations demandées. Bien que ce scénario semble formidable, un défi reste à relever : malgré toutes les avancées en matière d’IA générative, celle-ci n’est pas encore en mesure d’effectuer des calculs de manière fiable.

Prenons l’exemple des hallucinations de l’IA. Ce concept décrit le fait que l’IA générative produit des réponses sans grande certitude quant à leur précision. Elle modélise des réponses en se reposant uniquement sur les informations qu’elle a déjà apprises. Cela rend l’IA générative idéale pour les usages créatifs, mais pas nécessairement pour la réalisation d’analyses concrètes.

Chez Tableau, nous adoptons une approche réfléchie quant à la manière dont nous implémentons l’IA générative au sein de notre plate-forme d’analyse. Nous voulons nous assurer que les analyses de base et les calculs sont effectués comme ils l’ont toujours été, c’est-à-dire en employant un code déterministe prédéfini, développé par des humains de manière totalement fiable. Nous utilisons l’IA générative pour optimiser d’autres aspects de l’expérience d’analyse.

Recherche d’un équilibre entre utilisation de l’IA générative et production d’analyses fiables

Prenons un exemple simple : supposons que vous souhaitiez connaître le bénéfice réalisé par votre entreprise au cours du dernier trimestre. Bien entendu, le bénéfice se calcule en soustrayant au chiffre d’affaires le total des différents coûts. 

Voici comment il est nécessaire de procéder pour générer une réponse adéquate que l’utilisateur comprendra facilement et dont il pourra se servir pour prendre des décisions.

Tout d’abord, vous devez définir ce qu’est un bénéfice. Bénéfice = chiffres d’affaires − coûts. L’IA générative est douée pour associer ce type d’informations. Elle perçoit que la source de données comporte des colonnes relatives aux ventes et comprend que ces dernières constituent probablement un indicateur relativement fidèle du chiffre d’affaires. Elle sait quelle est la relation entre des concepts tels que le chiffre d’affaires, les coûts et le bénéfice. L’IA générative peut donc vous aider à mettre en place ces définitions ou le modèle de données qui leur correspond.

Ensuite, vous devez calculer la valeur du bénéfice pour déterminer à combien il s’élève sur cette période. Comme évoqué précédemment, l’IA générative n’est pas très efficace en matière de réalisation de calculs, donc Tableau les effectue de manière plus traditionnelle.

Enfin, une fois que vous avez la réponse (lorsque vous connaissez le bénéfice, le chiffre d’affaires et les coûts), vous devez la communiquer à l’utilisateur final. Pour transmettre l’information efficacement, vous pouvez employer des visuels et les accompagner d’une description formulée de manière simple, sur le ton d’une conversation. L’IA générative peut analyser un ensemble de faits et le traduire en contenu pertinent et clair qu’un utilisateur disposant de peu de connaissances techniques peut facilement comprendre.

Il s’agit d’un exemple simple, mais il permet d’illustrer le processus de base de l’analyse commerciale. Il présente les situations dans lesquelles l’IA générative peut être utilisée pour améliorer et accélérer la mise en œuvre de ce processus, et plus particulièrement, celles où elle ne devrait pas être utilisée.

Des analyses plus rapides avec Tableau AI et Tableau Pulse

Tableau AI utilise les fonctionnalités avancées de l’IA générative pour simplifier le processus d’analyse des données et améliorer les performances, l’efficacité et l’évolutivité. Cet outil adopte une approche différente en matière d’analyse conversationnelle des données en utilisant des invites dans une interface conversationnelle. Au lieu d’exiger de l’utilisateur final qu’il connaisse la bonne question à poser, Tableau AI le guide en lui présentant des questions de manière proactive. Étant donné que Tableau a une compréhension approfondie des données, il est en mesure de présenter des options pertinentes et personnalisées avec lesquelles les utilisateurs finaux peuvent interagir. 

Pour vous faire une idée de comment cela fonctionne, imaginez la situation suivante. C’est l’heure du dîner et vous avez un chef cuisinier personnel. Avez-vous besoin de lui décrire le repas exact que vous souhaitez déguster, en précisant tous les ingrédients, les températures et les temps de cuisson ? Devez-vous lui expliquer quelle est la sauce qui ira le mieux avec votre entrée, quelles sont les garnitures qui lui donneront du peps et comment la dresser ? Cela représenterait beaucoup d’informations à donner, alors que vous n’êtes pas expert en la matière ! 

Maintenant, qu’en serait-il si le chef vous présentait quelques options de plat bien pensées, dont certaines que vous n’auriez peut-être jamais envisagées ? Le chef sait également ce que vous pourriez aimer et comment associer les ingrédients. Bien que vous ayez le dernier mot, il vous présente des choix et des recommandations pour que vous puissiez déguster le meilleur repas possible.

Pour nombre des mêmes raisons, la plupart des utilisateurs professionnels trouveront logique d’utiliser une interface conversationnelle proactive leur présentant des données et des analyses. 

Avec Tableau Pulse, les données qui vous sont présentées sont accompagnées d’informations proactives. Celles-ci répondent à des questions courantes sans que vous ayez à les formuler pour vous permettre d’approfondir votre analyse. Si vous avez des questions, vous pouvez sélectionner d’un clic l’une des invites proposées ou formuler votre demande dans l’interface conversationnelle.

Si vous souhaitez examiner l’activité de votre entreprise dans son ensemble, vous pouvez obtenir des informations et des résumés générés par l’IA directement sur la page d’accueil. Approfondissez votre analyse grâce aux invites suggérées ou utilisez la recherche hybride pour trouver des réponses aux questions qui sont importantes pour vous. 

Ressources 

• Blog : Comment Tableau AI et Tableau Pulse réinventent les expériences liées aux données
• Blog : Salesforce présente la nouvelle génération de Tableau, qui met l’IA générative pour les données et l’analyse à la portée de tous