Nous avons participé à Data & AI Summit '25 Fall

Le 27 novembre 2025, nous avons participé à « Data & AI Summit '25 Fall », organisé par Google.

Notre entreprise a décidé de se concentrer sérieusement sur « l'exploitation des données », et un projet a discrètement commencé. Au départ, nous avancions graduellement, « sans précipitation, en partant des éléments réalisables ». Puis un jour, nous avons entendu parler du « Data & AI Summit '25 Fall » organisé par Google.

En pensant « Il faut rester à jour sur les dernières tendances de l'exploitation des données ! », nous avons décidé d'y participer sans trop de pression. Et c'était une excellente décision. Nous avons entendu beaucoup de présentations fascinantes, bien au-delà de nos attentes.

Qu'est-ce que Data & AI Summit '25 Fall ?

Comme le nom de l'événement l'indique, le sujet principal de cette conférence était les « agents IA ». L'événement s'est déroulé en format hybride avec environ 3 000 participants et a rencontré un grand succès. J'y ai participé en personne et j'ai pu observer que certaines présentations attiraient du monde, avec des files d'attente et même des participants en position debout faute de places assises. J'ai vraiment ressenti l'intérêt croissant pour l'exploitation des données et l'IA.

Voici le programme de la journée.

https://cloudonair.withgoogle.com/events/data-ai-summit-25f

Dans cet article, nous vous présentons le discours d'ouverture et les sessions qui nous ont particulièrement marqués !

Discours d'ouverture : Vers une ère de « cocréation » avec les agents de données - Analyse de données de nouvelle génération avec une plateforme de données prête pour l'IA

Le discours d'ouverture a compris trois parties : une présentation de Hamada de Google Cloud sur « les trois éléments clés requis pour les agents IA », des cas d'utilisation des données chez Lion Corporation et Mercari Inc., et une démonstration publique d'« analyse conversationnelle » par la division technologie de Google.

◼︎ Les trois éléments clés requis pour les agents IA

Hamada a présenté les trois éléments essentiels pour un déploiement complet des agents IA et leur confier des tâches professionnelles : « Action (proactivité) », « Memory (mémoire) » et « Context (fiabilité) ».

Action : Les agents IA ne doivent pas être passifs, mais agir de manière proactive.

Ce qui devient crucial ici, c'est la « transparence du processus de réflexion ». Pour améliorer la transparence de l'analyse, le concept d'« Advanced Reasoning » — qui divise l'ensemble du flux en étapes distinctes — s'avère être la clé.

Memory : la « mémoire à court terme » et la « mémoire à long terme » pour un fonctionnement efficace des agents IA.

La présentation de la « mémoire à long terme » — accès en temps réel aux données détenues par l'entreprise — a montré un exemple où les utilisateurs communiquent avec l'agent IA via entrée vocale pour passer des commandes de produits. C'est bien plus rapide que les opérations tactiles traditionnelles, et cela nous a rappelé à quel point ces technologies sont devenues omniprésentes.

Contexte : le contexte est essentiel pour garantir la fiabilité des réponses.

L'importance de la « couche sémantique » pour guider vers les bonnes bases de données et formules de calcul a été expliquée.

Concernant la couche sémantique, j'ai remarqué que nous avons souvent eu l'occasion d'en entendre parler lors des interventions ultérieures, et son intérêt s'accroît davantage.

◼︎ Présentation de cas d'utilisation des données

Lion Corporation a présenté la construction d'une infrastructure de données, tandis que Mercari a introduit ses initiatives vers la démocratisation des données.

La démocratisation des données, en particulier, m'a marqué car le sujet est proche de nous. Grâce à l'introduction d'agents IA, la mise en place d'une structure permettant à chacun d'accéder aux données, qui était autrefois le domaine réservé des analystes, est quelque chose que notre entreprise devrait également suivre.

Lors de la réunion de partage interne tenue ultérieurement, nous avons également discuté de l'intégration rapide de ces apprentissages.

◼︎ Démonstration publique de l'analyse conversationnelle

Une démonstration d'un agent d'analyse conversationnelle a été présentée, en prenant l'exemple du « Conversation analytics agent in BigQuery ».

Bien que j'aie une connaissance superficielle de BigQuery, je ne savais pas que l'analyse de données était possible en langage naturel — c'est vraiment révélateur. J'ai été impressionné par le support complet, notamment l'amélioration de la précision des données proposée par Gemini et la génération automatique de requêtes optimales, et j'ai constaté que la configuration était relativement simple à mettre en place.

Maîtriser la Conversational Analytics API ! Construire un agent IA pour extraire les données dormantes de BigQuery en langage naturel

La présentation d'Aylet Corporation a montré un cas d'usage d'analyse de données en format chat en combinant « BigQuery » et « Conversational Analytics API ».

Les données du site sont accumulées dans BigQuery, et la Conversational Analytics API est entièrement déléguée pour exécuter les requêtes et les tâches d'analyse. En rendant l'agent IA accessible à partir des outils de communication utilisés au quotidien, ils ont créé un environnement où quiconque peut facilement exploiter les données.

Le contenu incarnait parfaitement la « démocratisation des données » dont il était question lors du discours d'ouverture, avec une architecture extrêmement simple. J'ai immédiatement pensé que nous devrions l'adopter dans notre entreprise.

Bien que j'aimerais beaucoup l'implémenter moi-même, compte tenu de mes compétences réalistes, cela prendrait probablement plusieurs années. Je vais donc laisser nos ingénieurs s'en charger !

Procédure minimaliste ! Agent IA intégré à Google Trends × Collaboration avec le master produit

La présentation d'Aeon Smart Technology Corporation a montré comment l'IA est exploitée par rapport aux « données de master produit », une démarche unique à une entreprise possédant des magasins physiques.

Le thème de la présentation portait sur deux défis : « résoudre les recherches floues » et « l'appairage automatique avec les tendances ». Les deux approches utilisaient « Google Vertex AI Search ».

— Recherche floue dans le master produit utilisant l'IA

Comme problème spécifique aux entreprises possédant des magasins physiques, ils ont présenté des exemples de questions floues d'clients qui ne mentionnent pas le nom exact du produit. Les systèmes traditionnels exigeant une « correspondance exacte », les questions auxquelles les humains répondent facilement deviennent un obstacle majeur pour le système. Ils ont tenté une approche basée sur l'IA pour relever ce défi.

L'écran de démonstration présentait un système capable de produire instantanément les informations produit appropriées à partir de mégadonnées, même face à des entrées vagues comme celles utilisées dans les moteurs de recherche Internet. Je n'ai pas vraiment compris le mécanisme, mais j'ai été absolument impressionné de voir qu'une entreprise pouvait réaliser quelque chose d'une telle envergure.

— Capture automatique des tendances et appariement aux données produit

Pour réduire les délais entre le moment où naît le besoin du client et celui où le produit est effectivement en rayon, l'entreprise envisage un outil qui détecte instantanément les informations de tendance externes et les relie automatiquement à ses propres données produit.

Il s'agissait également d'une présentation de technologie très avancée, vraiment fascinante. Je n'arrive pas encore à imaginer comment l'intégrer dans nos services, mais j'aimerais personnellement essayer « Google Vertex AI Search ».

Conclusion

Nous avons présenté uniquement les sessions qui nous ont marqués, mais qu'en pensez-vous ? J'aurais été ravi de partager, même partiellement, l'enthousiasme que nous avons ressenti lors de la présentation sur « L'innovation apportée par les agents de données ».

Honnêtement, nous progressions sans grande urgence en matière d'utilisation des données, mais participer à ce sommet a été une excellente occasion de nous dire : « Il faut vraiment nous lancer pleinement pour ne pas nous laisser dépasser par cette vague ! »

Pour commencer, nous allons nous concentrer sur la « définition des données et de la couche sémantique », dont l'importance a été soulignée à plusieurs reprises lors du sommet.