Les données d’une entreprise sont généralement dispersées dans différents systèmes et sous différents formats. Cette hétérogénéité rend leur exploitation complexe. Les interroger dans un langage naturel, sans avoir à copier ou déplacer les données au préalable: c’est ce que promet TextQL avec Ana, un agent d’intelligence artificielle dédié aux données.
Imaginons que votre entreprise utilise depuis des années un progiciel ERP. Cet environnement est entièrement adapté à tous les éléments spécifiques à votre activité. Mais que se passe-t-il si, pour une raison quelconque, vous souhaitez passer à une nouvelle plate-forme ERP? Il faut alors retraduire toute la logique métier dans ce nouvel environnement. C’est un projet qui peut facilement prendre des années et qui coûte sans aucun doute une fortune.
‘Pire encore, vous risquez de consacrer tout ce temps et tout cet argent à quelque chose qui, in fine, ne correspondra pas tout à fait à vos attentes’, explique Ethan Ding, fondateur et CEO de TextQL. ‘Car chaque progiciel ERP a son propre langage, ses propres tableaux, etc. Et bien sûr, ces progiciels sont conçus de telle manière qu’ils ne vous encouragent pas vraiment à modifier la logique métier.’
Start-up de la génération Z
Dans la pratique, cela conduit les entreprises à conserver certaines applications beaucoup plus longtemps qu’elles ne le souhaiteraient. ‘Ce sont souvent les CFO qui nous posent ce genre de question’, explique Ethan. Cela évoque une image inhabituelle: celle d’un directeur financier chevronné, fort d’une trentaine d’années d’expérience dans le domaine des ERP, qui fait appel à une équipe de membres de la génération Z, car ceux-ci semblent bien maîtriser l’IA.
Data News a rencontré ces membres de la génération Z dans leurs bureaux de Broadway, près de Wall Street à New York, dans le cadre de l’IT Press Tour. Le bureau semble répondre à tous les clichés d’une start-up technologique: du coin café en désordre à l’incontournable appareil de fitness. Ethan Ding y travaille avec une équipe de quinze collaborateurs. Il a fait ses études secondaires à Hong Kong et a ensuite étudié à Berkeley. ‘Mais je n’y ai absolument rien appris d’utile’, écrit-il sur son profil LinkedIn. Après plusieurs expériences dans des startups près de San Francisco, il a déménagé dans la Grosse Pomme. Il n’est pas très fan de la Silicon Valley. ‘Au moins, à New York, on n’a pas besoin de permis de conduire’, lance-t-il en boutade.
La Pierre de Rosette
TextQL a développé Ana, un agent IA pour les données. Le nom est dérivé de ‘analyste’. Pour rester dans l’exemple de la migration ERP, Ana effectue automatiquement la retranscription de la logique métier dans cet exercice. L’application s’avère également utile pour interroger de grands volumes de données. ‘Les données sont souvent dispersées dans différents systèmes’, explique Ethan. ‘Cette dispersion complexifie considérablement l’exécution de requêtes.’ TextQL résout ce problème grâce à une approche inspirée de la Pierre de Rosette: ce morceau de granit gravé en trois langues qui a permis de déchiffrer les hiéroglyphes égyptiens. TextQL a planché trois ans sur cette solution.
Si vous souhaitez interroger vos données, l’application vous évite de devoir développer un connecteur distinct pour chaque base de données. Elle y parvient en fournissant une ‘couche de traduction’ centrale. Celle-ci vous permet de poser une question en langage naturel, après quoi l’agent IA – qui fonctionne sur Claude – rédige la requête appropriée pour le système que vous interrogez. ‘Cette approche permet de travailler à très grande échelle’, poursuit Ethan. ‘Car vous pouvez interroger des pétaoctets de données, réparties sur toutes sortes de systèmes, sans devoir d’abord les regrouper dans une base de données centrale.’ De plus, sur de nombreuses plateformes de données, il n’est pas si facile de migrer les données vers une autre solution. L’approche de TextQL élimine ce vendor lock-in ou dépendance à l’égard des fournisseurs.
Huit à treize ans
‘La promesse que nous interrogerions un jour les données en utilisant le langage naturel existe depuis au moins 35 ans’, précise encore Ethan. Il a considéré comme un défi de tenir cette promesse. La première version du produit ne fonctionnait pas. Les quelques rares clients existants ont immédiatement jeté le torchon. Idem dito pour la deuxième version, et les versions suivantes. Aujourd’hui, TextQL en est à sa septième version. Tout le code est nouveau depuis début 2025. Mais depuis, l’entreprise n’a plus perdu un seul client. ‘Ce que nous faisons, c’est automatiser le travail du data scientist’, constate Ethan. ‘C’est comme si une équipe complète de data scientists travaillait pour vous.’ Une équipe qui, de surcroît, répond à vos questions en un clin d’œil.
Le potentiel de cette solution saute aux yeux. Douze clients sont actuellement convaincus, mais d’autres devraient bientôt les imiter. ‘Nous voulons lever des fonds pour nous développer’, indique Ethan. ‘Nous visons 3,5 millions de dollars l’année prochaine. Ensuite, nous voulons atteindre la barre des 20 millions.’ À moins qu’une offre ne vous soit faite entre-temps pour rejoindre l’équipe de Databricks, ou quelque chose de ce genre? ‘Il faudrait alors que ce soit vraiment une somme très importante’, confie Ethan en souriant. ‘Nous voulons le faire nous-mêmes et devenir le leader du marché. J’estime qu’il nous faudra entre huit et treize ans pour y parvenir.’