Quels clients actifs l’IA a-t-elle comptés ? Databricks s’intéresse aux définitions
Genie Ontology fournit des définitions métier aux agents Databricks. Vérifiez le sens des indicateurs, l’autorité des sources et les droits d’accès avant de vous fier à un rapport.
Demandez à deux collègues combien de clients actifs vous aviez le mois dernier. Les ventes peuvent compter les comptes dont le contrat payant est en cours. L’équipe produit peut compter ceux qui ont utilisé une fonctionnalité importante au cours des 30 derniers jours. Les deux chiffres peuvent être justes. Demandez maintenant une seule réponse à une IA. Une question de définition métier devient un chiffre qui paraît plus catégorique qu’il ne devrait.
Le 11 novembre 2026, Databricks a annoncé la disponibilité générale de Genie Ontology. La plateforme de données et d’IA utilise cette couche pour fournir aux agents un contexte métier réutilisable. Des fragments de contexte peuvent venir de tableaux de bord Databricks, de requêtes SQL et de notebooks. La fonctionnalité distincte réservée aux outils d’informatique décisionnelle externes était en bêta au lancement et prenait en charge Power BI. Les équipes peuvent aussi établir des mesures et des concepts de référence dans Unity Catalog. La même annonce présentait l’interface visuelle Ontology Manager comme une prochaine bêta.
Si plusieurs agents doivent aider la même entreprise, pourquoi chacun devrait-il reconstruire le sens que celle-ci donne au mot « client » ? Le gain apparaît quand on peut remonter d’une réponse juste à une définition approuvée. Le risque du contexte partagé est qu’une mauvaise définition se propage plus loin. Voici comment distinguer ces cas avant l’envoi du rapport mensuel.
Une même expression peut produire deux chiffres valides. Affichez la définition avant de comparer les résultats.
Le tableau de bord porte les règles de calcul
Un tableau de bord contient généralement plus de connaissances métier que ne le laisse voir son histogramme. Quelqu’un a dû décider quelle date utiliser, quels enregistrements exclure, ce qu’est un compte payant et comment traiter une fusion. Ces décisions peuvent figurer dans une requête SQL, des filtres enregistrés, un notebook ou des règles tacites entre les responsables du rapport. Un agent peut avoir accès à la table source sans connaître la règle qui rendra sa réponse utile.
L’annonce distingue deux types de contexte. Un fragment appris peut exprimer ce qu’un agent repère dans un document de travail, par exemple une requête existante. Les connaissances modélisées font l’objet d’une définition et d’une gouvernance explicites, comme les indicateurs certifiés dans les vues d’indicateurs. Databricks présente OntoRank comme le mécanisme qui classe les contextes possibles selon leur autorité et leur pertinence. Voilà le fonctionnement décrit par l’entreprise. Une question ambiguë ne recevra pas forcément la réponse de votre équipe.
| Exemple de question | Contexte à vérifier | Qui doit fixer la définition |
|---|---|---|
| Combien de clients actifs ont renouvelé leur contrat ? | Identifiant de compte, dates de renouvellement et état du contrat | Opérations commerciales |
| Combien de comptes ont effectivement utilisé le produit ? | Événements d’activité, période et rattachement aux comptes | Équipe d’analyse produit |
| Combien de clients étaient actifs à la clôture du trimestre ? | Définition de reporting, fuseau horaire et clôture | Responsable du rapport |
Ces équipes sont données à titre d’exemple. Une réponse exploitable fournit la définition réellement utilisée, la période du rapport, la date d’effet de la définition et une source que le lecteur peut consulter. Si la question est ambiguë, mieux vaut souvent demander d’abord si elle porte sur les contrats ou sur l’usage du produit. Une ontologie peut aider à retrouver les deux sens. Le rapport doit encore indiquer lequel il a retenu.
Prenons deux chiffres. Supposons que la requête de facturation donne 420 comptes en cours et que la requête d’activité donne 310 comptes avec un événement admissible. Ces chiffres sont inventés pour l’exercice. « Clients actifs : 420 » est incomplet même si le calcul est juste. « 420 comptes facturés à la fin du mois, hors essais » donne au lecteur une définition à vérifier. Pour déterminer combien de comptes facturés étaient aussi actifs à l’usage, la requête doit effectuer une jointure et conserver les deux dénominateurs séparés.
Le contexte partagé change le coût d’une erreur
Une définition bien étayée évite de réécrire le même long prompt pour chaque outil. Une équipe de reporting peut maintenir un indicateur de chiffre d’affaires certifié pendant que différents agents répondent à des questions de finance, d’opérations et de direction. Databricks indique que Genie MCP peut fournir le contexte à des agents externes à Databricks. Vérifiez la documentation de Genie One et la configuration de votre espace avant de supposer qu’un outil, une source ou une action y sont activés.
La situation se complique lorsque deux sources divergent. Imaginez un tableau de bord marketing qui appelle encore « clients » les comptes d’essai. Un rapport financier de référence les exclut. Un ancien notebook reprend le libellé de la finance avec la logique de l’année précédente. Si les fragments n’ont pas de provenance visible, l’automatisation peut perpétuer une règle obsolète longtemps après le départ des personnes qui connaissaient le changement.
Commencez par identifier les énoncés qui peuvent faire autorité. Un indicateur certifié devrait avoir un responsable et un périmètre de reporting approuvé. Un notebook peut documenter la pratique d’une équipe sans acquérir pour autant le statut de règle officielle. Si deux règles légitimes coexistent, donnez-leur des noms différents ou précisez le domaine et la période. Un déploiement à l’échelle de l’entreprise doit préserver les différences de sens dont les équipes ont besoin.
Incluez un test de droits d’accès. Posez la même question en tant qu’analyste autorisé à consulter les détails et en tant que collègue qui n’a accès qu’aux totaux. Consignez le contexte et les références renvoyées dans les deux cas, y compris les erreurs et les résultats vides. Databricks indique que le produit respecte les autorisations existantes. Vérifiez-le dans le périmètre où vous comptez le déployer. Une explication d’indicateur qui renvoie vers un lien inaccessible gêne l’usage. Une réponse qui dévoile des détails réservés pose un problème beaucoup plus grave. Testez ces deux situations séparément.
Désignez un responsable et une date d’effet, puis vérifiez ce qui se passe quand la définition change.
Pour interpréter les 91 %, il faut connaître les conditions de l’essai
Databricks et Turing ont bâti une évaluation dans l’espace de travail simulé d’un fournisseur d’énergie britannique fictif. L’annonce du 11 novembre rapporte un taux de réussite de 91 % pour Genie avec Ontology et de 58 % pour le meilleur des deux agents anonymisés de comparaison. D’après l’annonce, chaque agent a répondu cinq fois par tâche aux mêmes questions, avec une grille d’évaluation définie à l’avance. Cette évaluation conjointe du fournisseur s’applique à ce montage précis. Elle ne démontre pas de façon indépendante que chaque client obtiendra ces résultats.
La comparaison met en scène un problème métier réel. Un agent déjà muni des définitions nécessaires passe moins de temps à fouiller les classeurs, tables et notes. L’annonce décrit la configuration de Genie comme un déploiement établi qui a accumulé du contexte. Un espace que l’on vient de connecter part d’une autre situation. L’essai compare des systèmes complets dont l’accès au contexte préparé diffère. Il n’isole pas la contribution de chaque fonction.
Une équipe peut créer une petite évaluation sans copier le choix de tâches du fournisseur. Sélectionnez des questions apparemment faciles qui ont déjà posé problème, comme un rapport mensuel des comptes actifs, une échéance régionale de renouvellement, une exception dans la comptabilisation du revenu ou les dates d’effet d’une classification. Recueillez auprès des responsables un jeu de réponses de référence. Notez les sources et les périodes jugées correctes. Incluez les questions pour lesquelles l’agent doit s’abstenir ou demander une précision faute de réponse unique approuvée.
Évaluez la traçabilité et l’accès en plus de l’exactitude des chiffres. Un rapport peut tomber sur le bon total avec la mauvaise formule et devenir erroné le mois suivant. Une réponse rapide qui exige plusieurs minutes de vérification à l’analyste n’économise guère de temps. Notez qui pouvait vérifier les réponses et quels cas limites ont déclenché une demande de précision. Vous pourrez comparer la référence et l’essai même avec un modèle sous-jacent commun.
Essayez une modification de définition avant d’élargir le déploiement
Un pilote sur un indicateur permet de voir si le système reste à jour. Lors du premier essai, demandez le nombre de comptes payants actifs à une date fixe. Simulez ensuite un changement métier. À partir d’une date convenue, les comptes partenaires forment un segment distinct dans les rapports. Les tableaux historiques doivent conserver l’ancien traitement pour les périodes précédentes. Les nouveaux rapports doivent suivre la définition approuvée. La difficulté consiste à répondre correctement avant et après le changement sans fournir à l’agent une copie de la règle à chaque demande.
- Choisissez un indicateur qui a un responsable et deux interprétations vraiment différentes. Consignez la règle approuvée, sa date d’effet, une réponse connue et une ambiguïté identifiée.
- Posez les mêmes questions à la version de référence et à la version gouvernée, sur le même état des données de reporting. Relevez la réponse, la définition citée et le temps de vérification.
- Répétez l’exercice avec deux profils d’accès. Assurez-vous que le lecteur peut consulter les sources autorisées sans apprendre de détails réservés.
- Simulez une révision de la règle et demandez des rapports de part et d’autre de la date de prise d’effet. Vérifiez que la réponse applique la bonne définition à chaque période et mentionne le changement.
L’annonce du 11 novembre donne un point de départ pour évaluer Genie Ontology avec les responsables de l’espace Databricks. L’ontologie est disponible. Le nouveau gestionnaire visuel a été annoncé comme une bêta à venir. L’équipe peut déjà consigner le nom des responsables, harmoniser une définition et préparer des questions de référence. Ce travail restera utile si la mise en œuvre s’étale dans le temps.
Ajoutez une question qui distingue le repérage d’une définition de son application correcte. Deux comptes peuvent porter le même nom de client. Un abonnement peut changer d’état en cours de mois. Une transaction enregistrée juste après minuit peut appartenir à un jour de reporting local différent de celui de son horodatage UTC. Choisissez un seul de ces cas à inclure ou à exclure. Donnez aux personnes chargées de vérifier une requête de référence et demandez-leur d’examiner l’interprétation de l’agent avant de révéler le chiffre attendu.
À mesure que la couverture s’étend, cherchez les collisions sans organiser une revue générale. Gardez une courte liste de mots qui ont déjà des sens différents selon les équipes, comme « actif », « région », « retour » et « renouvellement ». Quand un nouveau domaine rejoint le système, demandez aux responsables d’échanger en binôme trois questions habituelles. Notez les cas où un même mot change la population, la période ou la table source. Une personne peut choisir des noms distincts ou conserver un concept commun avec des précisions. La revue doit rester assez légère pour accompagner chaque nouvelle définition importante.
Envoyez la réponse à un collègue resté en dehors du pilote. Sait-il dans quel rapport l’utiliser ? Peut-il ouvrir la source approuvée et repérer ce qui la distingue de son propre tableau de bord ? Si un indicateur exige une présentation à chaque changement d’équipe, un nom plus précis et une définition enregistrée peuvent apporter davantage qu’un contexte plus volumineux.
Un chiffre ne se réutilise que si sa définition se réutilise aussi
L’objectif est d’entendre deux agents donner la même réponse pour la même raison, puis les voir demander une précision si la question change. Il faut une définition que l’entreprise peut retrouver, vérifier et réviser. Le contexte partagé prolonge ce travail dans davantage de rapports. Le choix des noms et la gouvernance des mesures gagnent en importance à mesure que leurs définitions circulent.
Sources
- Annonce de disponibilité générale de Databricks, 11 novembre 2026
- Documentation Databricks Genie One
- Démo officielle de Genie Ontology
Regroupez les définitions d’indicateurs, les décisions de réunion et les questions à suivre dans un espace consultable. Créez votre première note avec Telli.sh.