Vous ne demandez plus un rapport à un consultant : vous le demandez au système
Par Xavier Franco, CEO de Elternativa · Grupo Zemsania
· 6 min de lecture
Rédigé avec l’aide de l’IA et relu par Xavier Franco

Dans cet article
Pendant des années, une question métier a toujours suivi le même chemin. Quelqu’un à la direction veut savoir pourquoi la marge du trimestre dérive. Il le demande à son équipe. L’équipe ouvre une demande auprès de l’IT ou d’un consultant. On priorise, on modélise, on construit le rapport. Et la réponse arrive des semaines plus tard, quand la question a déjà changé.
La BI conversationnelle brise cet ordre : la question passe en premier, et la réponse vient de la donnée.
Ce qu’est la BI conversationnelle
C’est de la business intelligence où vous interrogez vos données en langage naturel, là où vous travaillez déjà, comme Teams ou Workspace, et où la réponse vient de vos systèmes, avec sa source. Elle ne remplace ni le rapport ni votre outil de BI : elle les complète. Le rapport reste là pour le récurrent ; la conversation couvre tout le reste.
Et ce n’est pas un effet de mode. Gartner prévoit qu’en 2027, 75 % des nouveaux contenus analytiques seront contextualisés pour des applications intelligentes grâce à l’IA générative, et que les plateformes d’analytique autonome géreront et exécuteront entièrement 20 % des processus métier.
En pratique : notez les cinq questions métier qui vous ont pris le plus de temps cette année. C’est votre premier test.
Pourquoi il ne suffit pas de brancher un chat sur la base de données
Voici l’erreur la plus courante. On connecte un modèle de langage aux tables et on attend qu’il réponde bien. Et parfois il le fait, mais pas toujours.
La documentation même de Snowflake sur son assistant de questions en langage naturel l’explique très bien : les solutions d’IA génériques ont du mal à convertir des questions en SQL lorsqu’elles n’ont que le schéma de la base de données, parce que le schéma n’inclut pas la connaissance métier : comment un processus est défini ou comment une métrique est calculée. C’est pourquoi elles ajoutent une couche sémantique avec des descriptions, des synonymes, les formules des métriques et des chemins de jointure entre les tables.
Autrement dit : pour que la conversation soit juste, le système doit savoir ce que signifie « marge » dans votre entreprise, pas seulement où se trouve la colonne.
En pratique : avant d’ouvrir la BI conversationnelle à tout le monde, écrivez la définition de vos dix indicateurs clés. Sans cela, chaque réponse est une interprétation.
La donnée ne suffit pas : la connaissance aussi
Il existe une seconde couche qu’on oublie souvent. Beaucoup de réponses ne sont pas seulement dans les données, mais dans des documents, des critères et des décisions : la convention qui s’applique à un cas, les conditions négociées avec un fournisseur, l’exception approuvée l’an dernier. Cette connaissance vit aujourd’hui dans des dossiers et dans la tête de quelques personnes.
Une bonne BI conversationnelle croise les deux : la donnée de vos systèmes et la connaissance de votre service, et dans chaque réponse elle dit d’où elle vient. C’est ce qui la rend fiable et ce qui permet à quelqu’un du métier de s’y fier sans avoir à appeler personne.
Chaque rôle, sa question
Ce que j’aime le plus dans ce changement, c’est qu’il n’est pas réservé aux analystes. Il s’adresse à chaque personne dans son travail :
- Celui qui dirige demande pourquoi la marge dérive ou quelle ligne peut être arrêtée cette semaine.
- Celui qui coordonne veut savoir quels clients montrent des signes de départ ou quelle réclamation se répète.
- Celui qui opère demande quelles commandes risquent de dépasser leur délai ou ce que dit la convention pour un cas précis.
Chacun voit ce qui le concerne, avec les droits de son rôle. Et le temps qui partait auparavant dans la préparation de rapports répétitifs est libéré pour réfléchir.
En pratique : choisissez un service soumis à une forte pression sur la donnée, comme la finance, les ventes ou les opérations, et commencez par là. C’est là que ça se voit le plus vite.
Gouvernée dès le départ
Ouvrir les données à la conversation exige du contrôle. Trois choses que je ne négocierais pas :
- Des droits par rôle. Chacun ne voit que ce qu’il peut déjà voir aujourd’hui.
- La source de chaque réponse. Sans source, pas de confiance.
- Une consommation plafonnée. L’IA se paie à l’usage : il faut une consommation commune pour le service, avec des limites et des alertes par utilisateur.
Et une de plus : que la plateforme tourne sur votre infrastructure et avec vos fournisseurs d’IA, pour que vos données ne sortent pas de chez vous.
Ce qui change pour l’IT
La BI conversationnelle ne laisse pas l’IT sans travail : elle change son travail. Jusqu’ici, une bonne partie de l’équipe data était une usine à rapports : demandes, files d’attente, versions et changements de dernière minute. Avec la conversation, ce travail répétitif diminue.
Ce qui augmente, c’est la valeur de ce qui se trouve en dessous : le modèle de données, les définitions des métriques et la qualité de la donnée. Si la marge se calcule de trois façons différentes, la conversation donnera trois réponses différentes. C’est pourquoi le premier projet de BI conversationnelle est souvent aussi un projet de gouvernance de la donnée : mettre de l’ordre dans les définitions et les écrire une seule fois.
Et un nouveau travail apparaît : prendre soin de la connaissance. Quels documents y entrent, avec quels droits et qui les tient à jour. C’est un travail moins visible que de construire des rapports, mais c’est lui qui rend les réponses fiables.
En pratique : demandez à votre équipe data combien d’heures par semaine elle consacre à des rapports demandés une fois et jamais relus. Ce sont ces heures que la BI conversationnelle vous rend.
Par où commencer
- Choisissez un service soumis à une pression sur la donnée.
- Définissez ses indicateurs et connectez les sources qu’il utilise déjà.
- Rassemblez ses documents et ses critères dans une base de connaissances avec source.
- Activez-la en parallèle de ses rapports habituels.
- Comparez le temps de réponse, les heures de reporting et l’usage, avec vos données.
Comment nous vous aidons
Avec Agentic Business Analytics, nous orchestrons vos plateformes d’IA d’analytique pour que chaque rôle décide avec la donnée d’aujourd’hui, dans Teams ou Workspace : un Coworker Digital qui connaît la donnée et la connaissance de son service, répond avec la source et travaille dans les droits de chaque rôle. Il ne remplace pas Power BI, Tableau ou Qlik : il les complète.
Nous le gouvernons avec Datagentis Management Center : des vues par rôle, la gestion des Coworkers, une base de connaissances isolée pour vous et une consommation commune avec limites et alertes par utilisateur.
Combien de temps votre équipe met-elle aujourd’hui à répondre à une question métier ?
Nous vous montrons en démo comment chaque rôle interroge ses données en langage naturel, depuis Teams ou Workspace, avec la source de chaque réponse.