Efficacité Opérationnelle

Des réponses directes aux questions métier grâce à Databricks Genie


Une entreprise souhaitait savoir si ses collaborateurs pouvaient interroger leurs données métier sans transmettre chaque demande à l’équipe data. Agilytic a livré un projet pilote ciblé avec Databricks Genie, en précisant les définitions métier, en organisant des tests internes encadrés et en documentant le travail pour préparer la suite.

Touche de clavier avec une icône de chatbot, illustrant l’accès aux données métier par la conversation.

Pour protéger la confidentialité, nous pouvons modifier certains détails tout en préservant l'essence de notre contribution principale.


L’objectif: un accès plus direct à l’information

L’entreprise disposait déjà d’un entrepôt de données et d’un reporting établi. Les équipes métier devaient toutefois solliciter des spécialistes pour leurs questions ponctuelles. Le projet visait à évaluer un accès plus direct à l’information dont elles avaient besoin.



Le pilote a démarré sur un périmètre de données défini, avec un groupe d’utilisateurs internes sélectionnés. Il devait démontrer une approche fonctionnelle, préciser le travail de préparation nécessaire et recueillir des retours avant d’envisager un usage plus large.

S’appuyer sur la plateforme existante

Agilytic a comparé plusieurs approches techniques avant de retenir Databricks Genie. Les données de l’entreprise se trouvaient déjà sur Databricks: son interface conversationnelle native constituait donc un choix pratique pour ce pilote.



Ce choix a permis de concentrer le travail initial sur les questions, les données et la logique métier, sans devoir construire une application distincte. L’équipe pouvait aussi évaluer l’approche dans l’environnement déjà utilisé par l’entreprise.

Donner à l’assistant le contexte métier des données

Connecter les données ne représentait qu’une partie du travail. Des définitions, calculs et filtres importants figuraient dans des rapports et des fichiers de travail, plutôt que dans les tables sous-jacentes.



Agilytic a travaillé avec le client pour intégrer ce contexte à la configuration de Genie. L’équipe a précisé les indicateurs et les descriptions afin que l’assistant interprète les questions selon le sens attendu par les utilisateurs métier.



Le projet s’est concentré sur deux grands domaines de données. Au lieu de multiplier les sources, l’équipe a ajouté les indicateurs pertinents et approfondi les éléments nécessaires pour répondre aux questions dans ce périmètre.



La structure des données comptait également. L’équipe a examiné comment les tables existantes permettaient d’effectuer les calculs requis et a créé une transformation SQL sur mesure pour un besoin d’analyse complémentaire. Une interface conversationnelle dépend toujours de données qui peuvent être agrégées correctement.

Construire, tester et rendre les évolutions reproductibles

Les livrables comprenaient:

  • Quatre espaces Genie couvrant le développement, les tests et la production, dont un espace pour un domaine de données supplémentaire.

  • Du code de déploiement automatisé intégré à la chaîne de déploiement existante du client.

  • Une transformation SQL sur mesure pour les besoins d’analyse métier.

  • Une documentation de configuration et de maintenance destinée à l’équipe du client.

Les tests sont restés limités à un petit groupe interne. Les utilisateurs pouvaient noter les réponses et laisser des commentaires, ce qui permettait à l’équipe d’ajuster la configuration à partir de leurs retours.



La mise en place d’un environnement de production faisait partie des livrables techniques. Le projet restait néanmoins une preuve de concept au périmètre limité, et non un déploiement validé à l’échelle de l’entreprise.

Ce que le pilote a permis d’établir

L’entreprise a reçu un pilote fonctionnel d’analyse conversationnelle, ainsi qu’une méthode documentée pour le configurer et le déployer. Le projet a aussi montré la place importante des définitions métier et de la préparation des sources, au-delà de l’interface de conversation.



L’équipe a observé une amélioration des réponses à mesure que le contexte métier se précisait. Ce pilote ne permettait toutefois pas de conclure à une adoption plus large, à une baisse des sollicitations de l’équipe data ou à un bénéfice financier. Ces points nécessiteraient une évaluation plus étendue, sur la base de mesures convenues.



La leçon pratique: partir d’une question métier utile et d’un périmètre maîtrisable, puis vérifier les réponses avec les personnes qui connaissent les données. Les résultats de ce travail doivent guider l’élargissement du projet.

Et pour votre équipe?

Découvrez notre offre Talk to my data et BI augmentée par l’IA, ou échangeons sur un premier cas d’usage.

Pour garantir la confidentialité, nous modifions parfois certains détails dans nos études de cas.

Prêts à mettre la data et l'IA au service de votre business?

Si vous souhaitez atteindre vos objectifs grâce à une utilisation plus intelligente des données et de l'IA, vous êtes au bon endroit.

Prêts à mettre la data et l'IA au service de votre business?

Si vous souhaitez atteindre vos objectifs grâce à une utilisation plus intelligente des données et de l'IA, vous êtes au bon endroit.

Prêts à mettre la data et l'IA au service de votre business?

Si vous souhaitez atteindre vos objectifs grâce à une utilisation plus intelligente des données et de l'IA, vous êtes au bon endroit.

Prêts à mettre la data et l'IA au service de votre business?

Si vous souhaitez atteindre vos objectifs grâce à une utilisation plus intelligente des données et de l'IA, vous êtes au bon endroit.

© 2026 Agilytic

© 2026 Agilytic

© 2026 Agilytic