Le contexte est l’autre moitié de l’histoire, et le paysage contextuel est honnêtement en désordre. Les fournisseurs travaillent dur pour vous convaincre que seul leur langage de modélisation sémantique peut vous sauver, même s’il n’est pas tout à fait clair si ceux-ci sont nécessaires ou même suffisants. Que vous conserviez votre logique métier dans une couche sémantique comme MetricFlow ou Malloy, ou simplement dans Markdown, l’objectif est le même : mettre cette logique sous une forme qu’un LLM peut utiliser. Le contexte est presque toujours créé à la main et, comme toute documentation écrite à la main, il commence à dériver dès qu’il est écrit.
Cela met en évidence une opportunité, à savoir que les agents sont bons précisément dans les parties du contexte qui sont mécaniques et mauvais précisément dans les parties qui ne le sont pas. Un agent peut déduire quelles tables sont jointes à quelles tables, quelles valeurs une colonne a tendance à contenir, quelles sont vos régions de vente et quelles tables les gens interrogent réellement. Ce qu’il ne peut pas déduire, ce sont des choses qui n’ont jamais vraiment été une question de données : le droite façon de calculer les revenus, ce qui compte comme un « client » au début de l’exercice financier. Ce ne sont pas des faits cachés dans l’entrepôt en attente d’être découverts. Ce sont des décisions, souvent commerciales, qu’une personne doit prendre. Ce qu’un agent peut faire, c’est signaler le moment où l’un d’eux cesse discrètement d’être vrai.
Les informations automatisées sur les agents restent un fantasme
Le pitch le plus flashy, où les agents présentent des informations que vous n’avez jamais demandées, est celui sur lequel je parierais en dernier. Cela semble merveilleux d’avoir des analyses mains libres. Un agent surveillera vos données, remarquera ce qui compte et créera un tableau de bord adapté à tout ce qui se passe aujourd’hui. Mais la barre est haute en matière de pertinence et les faux positifs peuvent faire perdre confiance aux utilisateurs humains.
