Contexte unifié : la couche manquante pour les collaborateurs AI en entreprise

Les assistants AI se propagent rapidement à la surface du travail quotidien. Ils rédigent des e-mails, synthétisent des réunions et répondent aux questions avec une aisance impressionnante. Mais là où les entreprises fonctionnent réellement, comme lors des réunions de prévision, des revues d'opportunités et des points opérationnels, ils influencent rarement les résultats.

Le problème est double. Tout d'abord, le contexte dont dépendent les décisions commerciales est dispersé entre les systèmes, les équipes et les définitions. Personne ne voit tout à fait la même version de l'entreprise, qu'il s'agisse d'un CMO analysant les résultats d'une campagne ou d'un CFO examinant les performances trimestrielles. Deuxièmement, la plupart des assistants AI n'ont pas été conçus pour ce type de travail. Ils sont efficaces pour des tâches rapides et autonomes, comme la recherche dans une base de code, mais ils ont du mal à suivre les données, les définitions et les flux de travail à travers les systèmes et les processus métier.

Ce qui rend un contexte prêt pour la prise de décision

La plupart des entreprises disposent déjà des données dont elles ont besoin : dossiers CRM, tableaux de bord, feuilles de calcul et un flux constant de signaux provenant de toute l'activité. Le problème n'est pas l'accès. C'est que ces éléments ne s'alignent pas pour offrir une vue unique et fiable, de sorte que les équipes peinent à obtenir des insights précis et cohérents.

Un contexte prêt pour la décision signifie bien plus que le simple fait de regrouper les données au même endroit. C'est une carte partagée qui offre une image claire et connectée du fonctionnement de l'entreprise. Lorsque cette carte existe, les équipes peuvent travailler à partir des mêmes définitions et comprendre comment un chiffre est construit. Lors d'une réunion de prévision, par exemple, un responsable commercial peut voir dans une vue unique comment le pipeline actuel est lié à l'utilisation du produit, aux tickets d'assistance ouverts et à l'historique du compte, au lieu d'essayer de rassembler ces signaux manuellement.

Sans ce contexte partagé, les équipes passent du temps à rapprocher les chiffres, à débattre des définitions et à basculer d'un outil à l'autre pour déterminer quelles opportunités sont réelles et lesquelles sont à risque. La question est rarement « disposons-nous des données ? ». Il s'agit plutôt de savoir si ces données peuvent être interprétées ensemble, avec suffisamment de cohérence et de précision, pour influencer la décision.

Pourquoi les assistants génériques montrent leurs limites

La plupart des assistants généralistes sont conçus pour interpréter une invite, récupérer ce qui est le plus facile d'accès et produire une réponse fluide et assurée. Bien que cela suffise pour de nombreuses tâches de productivité, les utilisateurs métier en perçoivent rapidement les limites, car l'essentiel du travail moderne repose en réalité sur les données. Avant une réunion de prévision, un responsable commercial peut demander à un assistant générique quelles opportunités sont les plus susceptibles d'aboutir. L'assistant peut analyser le CRM et renvoyer une liste claire basée sur l'étape de vente et l'activité récente, mais il ne prendra pas automatiquement en compte les tendances d'utilisation du produit, les tickets d'assistance ouverts ou les modifications des plans de compte. Il aide à traiter une partie de l'image à la fois (généralement ce qui lui a été explicitement fourni), de sorte que ses réponses peuvent sembler assurées sans pour autant reposer de manière fiable sur l'ensemble du contexte dont dépend la décision.

Mettez le contexte unifié au service de votre activité avec Genie One

Genie One est l'assistant AI pour le travail axé sur les données qui fonctionne sur un contexte unifié. Plutôt que de traiter chaque question comme une interaction isolée, Genie One utilise une couche de contexte partagée qui englobe les données Databricks, les documents, les applications SaaS et les systèmes opérationnels. Le but n'est pas simplement de répondre plus vite. Il s'agit de permettre aux utilisateurs métier de poser des questions, d'interpréter des réponses précises en termes métier et d'intégrer cette compréhension de manière fiable dans les tâches de suivi, sans avoir à reconstituer l'historique à chaque fois.

Demandez une seule fois, là où le travail s'effectue : Genie One apporte un contexte unifié dans les outils que les collaborateurs utilisent déjà. Cela signifie que les utilisateurs métier peuvent poser des questions dans des outils comme Slack, Microsoft Teams, sur mobile, MCP ou des tableaux de bord, et obtenir des réponses et des insights basés sur des données gouvernées et en temps réel.

Des insights aux actions : Genie One offre des capacités de collaboration basées sur des agents afin que les utilisateurs puissent planifier des tâches, rédiger des documents, générer des rapports et déclencher des flux de travail dans les outils connectés. Grâce à Genie One, ils peuvent également créer des agents qui transforment des cas d'usage récurrents, comme la préparation des prévisions, les dossiers de QBR ou les flux d'escalade, en agents partageables qui automatisent ces tâches.

Appliquez la gouvernance automatiquement : les réponses, les actions et les agents héritent des autorisations et des contrôles de gouvernance de l'entreprise, ce qui permet de maintenir l'alignement avec les règles d'accès et la supervision existantes.

Ensemble, cela permet de réduire le coût d'obtention d'une décision : moins de temps passé à rapprocher les chiffres avant chaque réunion, moins d'outils fragmentés à assembler, et des décisions qui passent de quelques jours à quelques minutes, sans faire de compromis sur la précision ou le contrôle.

Une couche de contexte métier vivante

Au cœur de cette approche se trouve Genie Ontology, une couche de contexte unifiée qui reflète le fonctionnement réel de l'entreprise, et pas seulement la manière dont les données sont stockées. Elle apprend des données, des tableaux de bord, des requêtes, des documents et des applications connectées, puis organise les termes métier, les métriques, les entités et les relations dans un graphe de connaissances vivant.

C'est important car le contexte en entreprise n'est pas statique. Les définitions évoluent, les responsabilités changent et de nouveaux signaux apparaissent. Genie Ontology classe les définitions et les signaux en fonction de facteurs tels que l'utilisation et les liens vers des actifs certifiés, ce qui permet de déterminer ce qui doit faire autorité dans une situation donnée.

Prenons l'exemple d'un responsable marketing qui cherche à savoir quelles campagnes alimentent réellement le pipeline. Une réponse utile ne peut pas s'arrêter aux métriques du haut de l'entonnoir (top-of-funnel). Elle doit relier les campagnes aux segments, aux canaux, aux opportunités dans le CRM, aux revenus générés (closed-won) et à l'utilisation du produit en aval, puis expliquer le résultat dans les mêmes termes que ceux que l'organisation utilise déjà pour mesurer l'impact. C'est toute la différence entre un contexte disponible en surface et un contexte capable de soutenir une décision.

La gouvernance intégrée au processus

À mesure que l'AI se rapproche des décisions stratégiques de l'entreprise, la gouvernance devient une exigence fondamentale plutôt qu'une couche de contrôle distincte : un assistant AI capable de lire des données en temps réel et de prendre des mesures a besoin d'autorisations, d'une traçabilité (lineage) et d'une supervision claires.

C'est là que Unity Catalog et Genie Ontology collaborent. Unity Catalog régit l'accès, les données certifiées et les définitions partagées, y compris les métriques et les termes métier. Genie Ontology s'appuie sur cette base pour créer une carte adaptée à l'entreprise, combinant ces actifs gouvernés avec le contexte appris à l'échelle de l'organisation.

En pratique, cela signifie qu'un analyste financier qui pose des questions sur les revenus ne voit que les données approuvées et les définitions certifiées, tandis que Genie peut toujours connecter des signaux associés, comme le pipeline ou l'utilisation, à travers les systèmes. Le résultat est une AI qui fonctionne selon les règles de l'entreprise tout en utilisant une vue plus large et connectée du contexte pour soutenir les décisions de manière fiable et sécurisée.

Actions recommandées pour les dirigeants d'entreprise

Pour les dirigeants qui souhaitent que les collaborateurs AI génèrent un impact mesurable, quelques approches fonctionnent particulièrement bien :

• Commencez par les tâches qui comptent déjà. Choisissez des cas d'usage récurrents où les équipes passent déjà du temps à rapprocher les données, comme les réunions de prévision ou les cycles de planification. Utilisez-les comme projets pilotes, transformez les meilleures pratiques en agents et suivez le temps de préparation, la précision ou la durée des cycles.
• Ancrez l'AI dans une couche de contexte propre à l'entreprise. Traitez le modèle de contexte comme un actif d'entreprise réutilisable par les équipes, les assistants et les modèles. Comme ce contexte réside chez vous plutôt qu'au sein d'un modèle ou d'un environnement unique, vous pouvez adopter de nouveaux modèles sans perdre la vérité de vos données ni votre contexte.
• Utilisez la gouvernance pour permettre le passage à l'échelle. Assurez-vous que les collaborateurs AI héritent des contrôles d'accès et de données que vous utilisez déjà, afin qu'ils puissent s'attaquer à des tâches à plus fort enjeu sans ajouter de nouvelles règles. Lorsque les politiques reflètent la manière dont vous souhaitez que les décisions soient prises, la gouvernance devient un moyen d'étendre l'usage de l'AI.

Pour commencer

Il existe un fossé grandissant entre l'AI qui produit des réponses et l'AI capable de participer à de réelles décisions. Combler ce fossé commence par un contexte unifié et prêt pour la décision.

Genie One est conçu pour cette transition, en regroupant les données, les décisions et les actions au sein d'un unique collaborateur AI gouverné.

En savoir plus : https://www.databricks.com/genie

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original